AI for Science迎來發展奇點！谷歌預言AI將顛覆科研領域

近日，谷歌DeepMind發布了一篇名為“Conjecture Machines: AI agents and the new validation bottleneck in science”的文章。

作者與10位研究人員和工程師進行了訪談，預測了AI for Science未來的趨勢，并直言：

過去的一年里，AI徹底改變了編程行業，下一個迎來顛覆的行業或許就是科學研究。

首先在谷歌團隊看來，科學研究行業與智能體技術是高度契合的：有大量文獻以文本形式存在、擁有龐大的數據庫且部分工作流已圍繞代碼構建而成。

在這里他們介紹了一個真實存在的案例，數十年的研究成功是如何被AI智能體在兩天內破解的。

倫敦帝國理工學院的微生物學家José Penadés及其團隊在過去的近10年的時間里一直在研究一種超級細菌家族如何傳播抗生素耐藥性。 相關研究結果尚未發表，僅在實驗室內部知曉。隨后在2024年，他向谷歌 DeepMind的AI科學家智能體Co-Scientist描述了這個問題。 只用了兩天，Co-Scientist就給出了五項推斷，并按優先級進行了排序，其中第1項與驚人的與Penadés團隊的假說相同。 驚訝之余，Penadés首先想到的是自己的電腦可能已被侵入，于是便給谷歌發送了一封電子郵件進行確認，但結果證實并無數據被窺探。 Conjecture Machines: AI agents and the new validation bottleneck in science

此外，文章還探討了“為什么AI科研智能體會獲得成功？”“AI科研智能體都能做到哪些事”，并預測“驗證環節”（也就是實驗室）才是AI4S競爭的真正關鍵。

永不疲憊的科研助手

在谷歌看來，讓AI科研智能體發生質變的主要原因有三點。

更強大的前沿模型、豐富的“工具包”（使智能體擁有更強大的功能）以及可定制性（這種特性使科學家能夠根據需求對代理進行定制）。

至于這些工具帶來的改變，用最直接的語言來表達就是：科學家們現在獲得了一群足夠聰明且永遠不知疲倦的AI助手。

篩選文獻、查詢數據庫、組織分析、整理數據、撰寫申請報告等繁瑣的內容可以交由這些助手處理，它們能在數分鐘內完成這些工作，而無需耗時數小時或數日。

另一個重要意義是，AI科研智能體實現了極低門檻，甚至無門檻編程。但這些都還沒有觸及科研研究的核心環節，也就是“構思-尋找最優解-驗證”的閉環。

首先是構思，AI智能體的長項在于能建立跨學科的聯系，能以人類望塵莫及的效率消化某一領域可獲取的全部文獻。

還是以谷歌的Co-Scientist為例，該工具可以指揮大量子智能體生成各種假設，對其進行批判、排序和迭代，模擬人類研究團隊的運作方式。

在實測中，斯坦福大學的Gary Peltz團隊利用Co-Scientist尋找可用于治療肝纖維化的藥物，同時他基于自己的文獻綜述和數十年的專業經驗進行同步研究。

結果，人類科學家篩選出了2種候選藥物，Co-Scientist篩選出了3種，并且人類選擇的兩種藥物在活體人肝細胞實驗中未顯示出任何療效，而AI選擇的兩項研究成果不僅抑制了纖維化，還促進了肝細胞再生。

如何尋找最優解？也是科學家常常面臨的問題。

谷歌旗下的另一個智能體AlphaEvolve就擅長尋找最佳候選方案，曾協助谷歌設計下一代TPU芯片、幫助數學家陶哲軒解決了埃爾德什未解難題，并改進了基因組學數據的分析。

得實驗室者得天下 AI4S邁入深水區

而驗證，被視為真正決定了AI4S工具生死的關鍵，因為隨著AI4S工具的逐漸增多，驗證的差距正在擴大，而非縮小。

你現在可以很輕松的找到一些AI智能體來提出一種新穎的基因線索來逆轉細胞老化，但卻無法確定它是否確實有效。這解釋了為什么像Google DeepMind、Ginkgo Bioworks和Lila Sciences這樣的公司正投資于自動化實驗室。

資本的流向也證明了這一點，在智藥局統計的AI4S重要融資事件中，AI模型+自動化實驗機器人+Agent已經成為巨額融資的標配。

拿下英偉達、a16z、主權基金的頂級大額融資的Lila Sciences、Periodic Labs、Autoscience等，全部布局了自研科學大模型 + 全自動無人實驗室 + 自主科研 Agent的完整體系。

未來，真正具備長期價值的AI4S公司，不只是擁有更強的模型能力，而是能夠打通“預測—實驗—反饋—迭代”的完整科研閉環，讓AI從輔助工具逐漸成為科學發現和產業創新的重要參與者。

來源：智藥局

加入讀者交流群：

聯 系 我 們 ：wbfsh@staff.weibo.com