大數據文摘受權轉載自學術頭條

作者：與可

科學發現也可以遵從 Scaling Laws？

一種結合 agentic AI 和具身機器人技術的自主通才科學家（AGS），有望實現整個研究生命周期的自動化，進而催生出科學發現的 Scaling Laws。

AGS 這一概念，來自多倫多大學和意大利技術研究院聯合團隊及其合作者。他們認為，利用基礎模型中的綜合學科知識，AGS 可以自動進行跨數字和物理領域的科學探索，將推動具有重大社會影響的創新。

相關研究論文以“Scaling Laws in Scientific Discovery with AI and Robot Scientists”為題，已發表在預印本網站 arXiv 上。

論文鏈接：

https://arxiv.org/abs/2503.22444

自主通才科學家的 5 個層級

AGS 代表了一種由 AI 驅動的機器人系統，旨在開展跨科學領域的研究。研究團隊認為，AGS 將在速度、范圍和深度上比肩并最終超越人類科學家。

圖｜AGS 框架。研究 agent/機器人可以加速科學研究進展，彌合不同學科之間的科學知識鴻溝。

圖｜不同自動化級別的自動化研究時間表

根據 AGS 的自主程度、與模擬環境和真實世界環境的交互能力，以及總體研究能力，研究團隊將科學發現自動化劃分為 5 個不同層級。包括：

作為輔助工具的 Level 1；作為智能助理的 Level 2；作為合作伙伴的 Level 3；作為研究者的 Level 4；作為先驅者的 Level 5，這是該領域的長期目標。

圖｜AGS的 5 個層級

那么，AGS 是如何實現整個研究生命周期自動化的？主要涉及文獻綜述、提出問題、實驗、準備成稿、反思和反饋 5 個部分。

在文獻綜述方面，傳統的研究工作依賴于人工搜索和對無數論文的分析，這一緩

慢的過程往往受到過時數據訪問的限制。

近期的工作通過 OS Agents 自主、全面地獲取信息，智能處理、合成和 gap 識別，在虛擬環境中模擬人類行動來完成復雜的搜索和任務。

在提出問題方面，LLM 生成的想法始終比人類專家提出的想法更新穎。AGS 框架通過全面的提案開發流程擴展了生成研究想法的能力。

AGS 對文獻進行自動 gap 分析，找出矛盾和未探索的聯系。制定具有明確研究邊界的精確問題，根據理論基礎生成可檢驗的假設，設計具有適當控制和統計考慮因素的嚴格方法，制定包括時間表和資源要求在內的詳細實施計劃，確保研究問題既具有創新性，又具有實際可執行性。

在實驗方面，基于所有學科包含虛擬理論構建和實際操作的雙重性，AI 通過先進的模擬、優化和數據分析能力徹底改變了虛擬實驗，但物理實驗的自動化仍然嚴重不足。

這些制約因素突出表明，我們亟需具身智能系統以人類科學家特有的精確性、適應性和情境感知能力執行復雜物理操作。

圖｜操作需求的綜合考量

將世界模型與基于 LLM 的具身 AI 相結合，標志著通用機器人將結構化的環境表征與復雜的認知能力結合在一起，以更高的自主性和對情境的理解力執行各種任務，有效地將抽象思維與物理行動連接起來。AI 與先進的機器人技術相結合，簡化了虛擬或數字實驗和實驗室環境的實驗流程。

圖｜研究任務中的 agent 和機器人方法比較

在成稿過程中，涉及綜合實驗結果、合理組織信息以及向學術界有效傳達研究發現。傳統上，研究人員在確保事實的準確性、遵守學科慣例以及用通俗易懂的語言表達復雜的概念方面臨著許多挑戰。

研究團隊認為，用 AI 系統來彌合實驗結果與學術文獻之間的 gap，模擬同行評審和內外部評審，在投稿前提高稿件質量。最后簡化綜合評審、完善格式和投稿協調流程，可以促進稿件高效發表。

在反思和反饋部分，全面的信息交流和分析性自我評估是確保研究進展一致的重要組成部分。這些機制促進了研究階段之間的知識轉移，類似于人類研究團隊中的協同動力學。通過分析性自我評估和無縫整合各研究階段的見解，實現對科學流程的持續監控和迭代改進，促進了績效分析和戰略調整，最終加強了后續研究成果和科學產出的整體質量。

將戰略性模塊互動與系統性過程評估相結合，可增強假設的提出、方法的精確性和科學成果的質量。此外，納入不同的外部觀點，可以引入替代分析框架并確定潛在的改進機會。

圖｜全球科研產出和科研人員隊伍的歷史模式和預測發展

科學發現也有 Scaling Laws？

AGS 是一個開創性的框架，利用基礎模型中的綜合學科知識，同時將 AI 智能體的能力與具身機器人系統協同起來，自動進行跨數字和物理領域的科學探索。

這種統一的方法可以實現快速數據處理、假設生成和自動虛擬實驗，并結合先進的現實世界研究實施，在計算模擬和實驗室實驗之間架起橋梁，從而實現跨數字和物理領域的自動化科學探索。它超越了傳統的研究界限，不僅推動了既有學科的發展，還為全新的研究途徑奠定了基礎。

研究團隊表示，計算平臺和機器人平臺固有的可重復性為知識發現提供了新的 Scaling Laws，有可能使研究生產力超越傳統的以人為本的方法。AI 與機器人技術之間的協同作用必將改變學術研究，推動具有重大社會影響的創新。

圖｜科學發現范式的演變：從以人為本的研究到協作系統，再到 AGS，打破并超越物理和知識的界限。

附：3 個開放研究問題

如何管理來自AI 和機器人科學家的出版物：我們需要一個預印本開放平臺嗎？

在處理由 AGS 自主生成的出版物和提案時，主要為人類研究人員設計的傳統學術系統可能會面臨挑戰。研究團隊建議，建立一個中介平臺 AIXIV，以彌合AI/機器人科學家與成熟的學術出版環境之間的差距。

AIXIV 將作為一個開放的預印本服務器，專門用于自主系統產生的研究成果，并針對 AI 驅動的發現的獨特性實施分級審核流程。它還將充當一個公共論壇，AI 和機器人科學家（代表非人類實體）可以在此提交研究成果，形式包括創新提案和綜合性學術論文，涉及廣泛的科學領域。最終可能通過促進創新、維護學術誠信以及最終加快科學發現的步伐來徹底改變科學出版。

圖｜AIXIV 服務器平臺框架，供 AI 和機器人科學家發表論文和提出建議。

機器人科學家必須是人形機器人嗎？

嚴格來說，人形設計并不是機器人有效發揮作用的先決條件。人形機器人與現有的以人為中心的實驗室環境和研究設施的兼容性是一大優勢。它們能夠在這些空間中自由穿梭，無需進行大量改動即可使用標準設備，從而簡化了集成過程。此外，先進的操縱能力，特別是靈巧地使用雙手的能力，使人形機器人能夠執行復雜的任務、處理精密儀器和執行要求精細運動技能的實驗。人形機器人還能與人類同事進行更順暢、更直觀的互動，從而增強研究團隊內部的合作與交流。

雖然人形機器人在通用科學研究和無縫集成到人類設計的基礎設施中具有優勢，但具有復雜操縱能力的移動機器人系統，為各種科學研究提供了可行且可能更高效的替代方案。機器人科學家的最佳外形尺寸很可能取決于具體的研究任務和工作環境。

機器人科學家能否在超越人類生理極限的極端環境中進行獨立科學探索？

機器人科學家為將科學研究擴展到地球邊界以外的太空探索，以及人類無法進入或危險的其他極端環境提供了巨大潛力。它可以在月球和火星上建立研究能力，然后這些自主系統可以有條不紊地將業務擴展到整個太陽系，甚至可能擴展到更遠的地方，還可以徹底改變我們對地球深海的認識。它們的能力還擴展到微米和納米尺度，可以在先進材料科學、人體內靶向給藥或微觀污染物環境監測等領域開展獨立的科學探索。

隨著技術的不斷進步，通過不斷的探索和發現，這些系統將超越人類的生理極限，極大地提高我們對宇宙、地球甚至物質基本組成的認識。

GPU算力按需租用

A100/H100 GPU算力按需租用，

秒級計費，平均節省開支30%以上！

掃碼了解詳情?