AI models can now help run physical science experiments

# AI模型现在可以协助运行物理实验 ## TL;DR Anthropic展示了其AI模型Claude如何通过一个名为“模型硬件标准”的通用接口，与多种实验室设备直接交互，自主控制和调整实验流程，从而有望将科学家从繁琐的设备搭建工作中解放出来，加速科学发现，尤其在药物研发等关键领域。 ## 科学研究的瓶颈：80%的时间用于设备搭建 科学家们提出了关于世界如何运作的理论，但验证这些理论需要构建实验和进行物理测量。然而，构建实验的过程——制造设备、搭建环境、调试硬件和编写软件代码——可能占据了科学家高达80%的时间。这些基础性工作虽然与核心的科学探究不同，却是整个科学得以运转的基石。 Anthropic的愿景是利用AI加速科学实验的运行。这一想法在看到神经科学家Arko Basu实时研究大脑记忆形成的实验后变得具体。Basu展示了搭建复杂实验的挑战：他需要确保定制的显微镜、激光束等众多组件能够精确对齐并协同工作。而最大的障碍在于，每个设备都有自己独特的“语言”，让它们彼此交流非常困难。 ## 解决方案：“模型硬件标准”的诞生 Basu找到了一种解决方案，能够使AI（Claude）与任意两台设备进行通信。例如，他向Claude发出语音指令：“将激光束1功率调至50%。” Claude便能执行操作，并反馈状态。这种通用交互接口被命名为“模型硬件标准”。 在原型系统中，他们测试了与机械臂的交互。通过定义安全范围，Claude能够遵循规则，不会让设备超出安全边界。更令人印象深刻的是，Claude能够自主学习新任务。当被要求抓取物体时，它在几分钟内就从零开始完成了任务，展示了其作为快速创建功能的动态系统潜力。 ## 跨领域测试：从神经科学到生物样本 团队随后与其他设备制造商合作，例如与丹纳赫公司合作，让Claude连接徕卡显微镜。这是一个迭代过程，Claude从未见过此类应用，会犯错。但它能观察操作并学习。例如，当切换到更高倍率物镜时，Claude意识到物镜可能会撞到样本，并据此调整操作。 Claude能够获取对焦图像，分析内容并添加伪彩色。例如，它将“木质化细胞壁”标记为品红/红色。此外，Claude还能编写程序解决科学家遇到的具体问题。例如，当一个移动的藻类样本难以追踪时，Claude快速编写了追踪程序，并构建了可视化界面，成功实时追踪目标数分钟。这展示了其潜力：博士生可能无需花费数年搭建系统，而能在两个月内完成，从而专注于科学问题本身。 ## 实际应用：在制药领域的突破 该技术最具变革性的应用体现在制药领域。在基因泰克，研发药物需要测试数以百万计的分子。团队启动了一项实验，让Claude执行移液等操作、解读数据，并通过闭环反馈进行调整优化。 一个具体例子是检测和处理孔板中的气泡。如果从有气泡的孔板中移液，就无法获得准确的转移量。Claude可以执行操作、读取数据，然后基于上下文知识微调参数，实时检测气泡并优化实验过程，从而提高成功率。这被参与者称为“历史上首次让AI在药物发现领域与物理世界交互”的时刻。 ## 展望未来：难以预测的深远影响 尽管这是一个原型系统，但其展示的能力具有变革性意义。它有望将科学家从大量前期的设备搭建工作中释放出来，让他们专注于核心科学问题。最终，这可能加速药物研发、量子计算、核聚变等领域的突破。正如视频中所言：“最美好的时刻，就是那些过去无法做到的事现在能够实现，过去无法看见的事物现在能够看见。” Source: [https://www.youtube.com/watch?v=P1zBiAQU1IA](https://www.youtube.com/watch?v=P1zBiAQU1IA)