人工智慧科學家：AI 驅動科學發現的崛起

AI 公司經常將 AI 驅動科學發現的可能性作為其存在的理由：如果這項技術最終能治癒癌症並解決氣候變遷，那麼所有的碳排放和垃圾影片都將是值得的。

目前，大型語言模型（LLM）已經可以在各方面協助科學家。它們可以引導人們查閱文獻中的相關研究、起草期刊論文，當然還能編寫程式碼。但 AI 公司和學術研究人員對「AI 共同科學家」（AI co-scientists）有著更宏大的願景。他們希望開發出能作為科學團隊正式成員的系統，甚至更具野心地，能在有限的人類指導下發起並執行研究項目。

Google DeepMind 多年來在科學 AI 領域投入巨資，並在 2024 年獲得回報，當時該公司的執行長 Demis Hassabis 和總監 John Jumper 因 AlphaFold 獲得了諾貝爾化學獎，這是一個能預測蛋白質三維結構的專門系統。

現在，其競爭對手正努力追趕。2025 年 10 月，OpenAI 成立了一個致力於科學 AI 的團隊，而 Anthropic 也在同一時間宣布了數項針對生物科學的 Claude 功能。OpenAI 特別將建立「自主研究員」視為其「北極星」目標。它剛剛發布了 GPT-Rosalind，這是計劃中的一系列專門科學模型中的首個。Google 則在去年 2 月發布了自己的 AI 共同科學家工具。

在底層架構上，許多這類科學 AI 系統實際上是多個專門的 AI 代理（agents）協同工作。Google 的共同科學家系統使用了一個主管代理、一個生成代理和一個排名代理等，以針對人類科學家提供的目標生成潛在的假設和研究計劃。最近，由 James Zou 領導的史丹佛大學科學 AI 實驗室的研究人員設計了一個由代理組成的「虛擬實驗室」，這些代理分別扮演不同科學領域的專家角色。他們發現，該系統可以設計出能與 SARS-CoV-2（導致新冠肺炎的病毒）結合的新型抗體片段。

然而，與人類科學家不同，這些代理團隊目前還無法親自去實驗室測試他們的想法。為了克服這一限制，一些研究人員正將 LLM 接入執行實驗的機器人。2 月份，OpenAI 宣布已將 GPT-5 直接與 Ginkgo Bioworks 公司建造的自動化生物實驗室連接，使 AI 系統能在有限的人類參與下，反覆提出實驗建議並解釋結果。這種方法讓系統能夠運行龐大數量的實驗，並創造出一種配方，將合成特定蛋白質的成本降低了 40%。

AI 驅動的科學似乎對前沿實驗室和整個社會來說都是一場勝利。但研究顯示，這可能會產生意想不到的後果。最近一項發表於《自然》（Nature）的研究發現，雖然個別科學家從採用 AI 中獲得了職業優勢，但科學整體可能會受到損害，因為 AI 縮小了科學界的研究範圍。這可能是因為 AI 特別擅長分析現有的數據集和文獻，因此使用 AI 的科學家會傾向於研究那些擁有大規模數據的既定主題領域。這可能會導致研究那些不適合 AI 處理的問題的科學家變少。將 AI 有效地整合到科學中不僅僅是一個技術問題：在 AI 時代保持科學的活力和多樣性，可能需要科學界共同努力。