（来源：麻省理工科技评论）
多个来自初创公司与高校的研究团队，正在致力于开发能够自主在实验室环境中进行实验的“AI科学家”，其成果覆盖机器人生物学家、机器人化学家等多个前沿领域。近期，这些研究获得了英国政府旗下专注于突破性研发的资助机构——英国先进研究与发明署的额外资金支持。
这场由英国先进研究与发明署发起的项目征集，直观反映了该领域的发展速度。署方共收到了245份项目提案，所有提案团队均已着手开发能够逐步实现实验室工作自动化的相关工具。
ARIA对“AI科学家”的定义是：一套能够运行完整科研流程的系统。它可以自主提出科学假设，设计并执行实验来验证这些假设，最后对实验结果进行分析。在许多构想中，系统会将实验结果反馈给自身，从而不断循环这一过程。而人类科学家的角色则转变为监督者，主要负责提出最初的研究问题，随后将大量基础性、重复性的实验工作交由AI科学家来完成。
ARIA的首席技术官Ant Rowstron对此评论道：“博士生们本应有更有价值的事情去做，而不是在实验室里一直等到凌晨三点，只为了确保某一次实验能够顺利跑完。”
在这245份高质量的提案中，ARIA最终选定了12个项目予以资助。由于申请数量庞大且整体质量超出预期，ARIA甚至将原计划投入的资金总额翻了一番。这些获资助的团队中，约一半来自英国，其余则来自美国和欧洲，涵盖了高校与产业界的研究力量。每个项目将获得大约50万英镑（约合67.5万美元）的经费，用于支持为期九个月的研究工作。项目结束时，各团队需要证明其开发的AI科学家能够产生新的研究发现。
其中一家获资助的公司是美国的Lila Sciences。该公司正在开发一套名为“AI纳米科学家”的系统，旨在通过自主设计并执行实验，来寻找量子点的最佳合成与加工方法。量子点是一种纳米尺度的半导体颗粒，广泛应用于医学成像、太阳能电池板和QLED电视等领域。
Lila公司的物理科学首席科学官Rafa Gómez-Bombarelli表示：“我们希望利用这笔资金和这段时间，来验证一个核心观点。”他指出，这项资助使得团队能够围绕一个明确的科学问题，设计并运行一个真正的AI机器人闭环，生成其有效性的证据，并将整个流程整理成可供其他研究者复现和拓展的方法文档。
另一个来自英国利物浦大学的团队，则正在开发一名机器人化学家。该系统能够同时运行多项实验，并能在机器人操作出错时，借助视觉语言模型进行故障排查与修正。
此外，一家位于伦敦、仍处于隐秘阶段的初创公司，正在开发一款名为ThetaWorld的AI科学家系统。该系统利用大语言模型来设计与电池性能密切相关的物理和化学相互作用实验。这些设计出的实验，随后将在美国桑迪亚国家实验室的自动化实验设施中执行。
与ARIA通常资助的、周期两到三年、规模约500万英镑的大型项目相比，50万英镑只能算是一笔小额投入。但Rowstron指出，这正是设计初衷，因为这对ARIA自身而言也是一次实验。通过在短时间内资助一批不同的项目，该机构希望摸清最前沿的进展，以判断科学研究的方式正在如何变革，以及变革的速度有多快。ARIA从中获得的认知，将成为未来资助更大规模项目的基准。
Rowstron也承认，当前该领域存在大量炒作，尤其是在许多头部AI公司都组建了面向科学研究的团队之后。当研究成果通过新闻稿发布而非经过同行评议时，外界很难判断其真实的技术能力边界在哪里。他表示，这始终是资助前沿研究机构面临的挑战：要支持最前沿的工作，就必须先弄清楚前沿究竟在哪里。
目前看来，一条前沿路径是发展能够按需调用现有工具的智能体系统。Rowstron解释道，这类系统会使用大语言模型进行构思，再用其他模型进行优化并驱动实验执行，最后将结果反馈回系统。他认为，这是一项分层堆叠的技术。最底层是人类为辅助自身科研而设计的AI工具，例如AlphaFold。这些工具能帮助科学家跳过科研流程中缓慢繁琐的环节，但验证结果往往仍需要数月的实验室工作。而AI科学家的目标之一，就是让这部分工作也实现自动化。
Rowstron认为，AI科学家处在这些人类工具之上的一层，并会根据需要调用它们。他预测，未来会出现一个时间点——他认为不需要等到十年之后——AI科学家这一层会意识到自己需要某种尚不存在的工具，并在解决另一个问题的过程中，直接构建出类似AlphaFold那样的新工具。到那时，底层的绝大部分工具都将实现自动化。不过他也强调，这仍然需要时间。目前ARIA资助的所有项目，都采用调用现有工具的模式，而非自行生成全新工具。
当然，智能体系统整体仍存在尚未解决的问题，这限制了它们在无人干预情况下能够持续可靠运行的时间，因为系统可能会偏离目标或产生错误。例如，印度AI实验室Lossfunk的研究人员上周在线发布了一项题为《Why LLMs aren’t scientists yet》的研究报告。该报告指出，在一次尝试让LLM智能体完整跑通科研工作流的实验中，系统四次尝试里有三次失败。研究人员认为，失败原因包括初始任务规格在过程中发生变化，以及系统在明显失败的情况下仍“过度兴奋”并宣布成功。
Rowstron指出，显然这些工具目前仍处于发展早期，后续进展也可能放缓。他表示，自己并不指望它们能赢得诺贝尔奖。“不过，我们可以预见，其中一些AI科学家会迫使整个科研活动以更快的速度运转。”他补充道，“如果最终走向那样的局面，那么在此之前，让人类科学界提前做好准备就变得至关重要。” 对于关注人工智能前沿应用与未来科研活动范式的开发者与研究者而言，持续关注此类融合了自动化与智能体的创新实践，并在云栈社区这样的技术论坛进行交流，将有助于把握趋势并做好准备。
原文链接：
https://www.technologyreview.com/2026/01/20/1131462/the-uk-government-is-backing-ai-scientists-that-can-run-their-own-experiments/
发表于 13 小时前
|
查看: 0|
回复: 0
