AI智能体团队加速研究速度

# AI代理团队加速研究速度 来源：https://www.nature.com/articles/d41586-026-01596-4?error=cookies_not_supported&code=6221c682-7123-4031-a8ac-e1229c2ea3d0 人形机器人的侧面轮廓视图，面部后方露出接线，双手比划着仿佛在说话。AI协同科学家系统的工作速度远超人类。图片来源：Fabrice Coffrini/AFP/Getty 人工智能即将在实验室中扮演更积极的角色：今天《自然》杂志1(https://www.nature.com/articles/d41586-026-01596-4?error=cookies_not_supported&code=6221c682-7123-4031-a8ac-e1229c2ea3d0#ref-CR1)、2(https://www.nature.com/articles/d41586-026-01596-4?error=cookies_not_supported&code=6221c682-7123-4031-a8ac-e1229c2ea3d0#ref-CR2)描述的两个新系统，利用多组AI代理(https://www.nature.com/articles/d41586-025-03246-7)来提出假说、设计实验并分析数据。 每个系统在不同阶段仍依赖人类输入，但它们的时间线可以比完全靠人脑和人手的过程显著缩短。当这些系统被要求识别可能用于不同适应症的现有药物时，它们在数小时内就得出了合理的答案。 “这几乎像是科学家头脑中思维过程的代理化、计算机模拟实现，”位于加州山景城的Google DeepMind研究员Vivek Natarajan说，他帮助开发了其中一个系统。“目标是赋予科学家超能力。” ## **计算机模拟科学家** 在一项实验中，Natarajan及其同事使用Google的Co‑Scientist(https://www.nature.com/articles/d41586-025-02028-5)寻找可用于治疗一种名为急性髓系白血病的血癌的已批准药物1(https://www.nature.com/articles/d41586-026-01596-4?error=cookies_not_supported&code=6221c682-7123-4031-a8ac-e1229c2ea3d0#ref-CR1)。该系统识别出一系列候选药物，人类研究人员从中选出了五种进行进一步研究。其中三种在实验室培养细胞的初步研究中显示出潜力。 位于加州旧金山的非营利AI研究实验室FutureHouse(https://www.nature.com/articles/d41586-025-01753-1)开发了第二个系统，名为Robin，并指示其寻找治疗一种名为干性年龄相关性黄斑变性的眼病2(https://www.nature.com/articles/d41586-026-01596-4?error=cookies_not_supported&code=6221c682-7123-4031-a8ac-e1229c2ea3d0#ref-CR2)的药物。 Robin首先咨询了经过培训进行文献综述的AI代理，利用它们的报告选择实验室实验来测试各种候选药物。人类执行了这些实验，并将数据反馈给Robin，然后Robin将数据提供给一个专门分析数据的AI代理。 研究人员构建了一个“AI科学家”——它能做什么？(https://www.nature.com/articles/d41586-024-02842-3) 通过这一流程，Robin建议了一组治疗干性年龄相关性黄斑变性(https://www.nature.com/articles/d41586-021-03574-4)的分子靶点，并识别出一种名为ripasudil的药物（用于治疗青光眼）作为候选治疗药物。该系统提出了在实验室确认ripasudil活性的分析方案，然后建议了后续实验。 这些AI科学家识别出的药物均未经过全面评估，许多在实验室培养细胞中通过初步分析的候选药物会在更严格的分析中失败。但加州大学圣地亚哥健康中心负责AI计划和战略的Karandeep Singh表示，这些例子表明这些AI系统能够得出合理的假说。 他补充说，这些AI助手在其他环境下的日常科学工作中表现如何还有待观察。“在它被广泛提供给人们之前，你无法知道它在现实中的工作方式，”他说。