導語

上海科學智能研究院、集智科學研究中心和阿里云聯合發布了《AI × Science十大前沿觀察》，梳理出35個研究前沿，來推動科學發展的黃金時代到來。本篇為前沿觀察4，掃描下方二維碼，可獲得完整版下載地址，并能快速鏈接論文原文。

掃描二維碼 下載完整報告

AI科學家

背景介紹

AI科學家（AI Scientist）是一種能夠自主或半自主地執行科學研究活動的人工智能系統。這類系統試圖模擬人類科學家的研究方法和思維過程，能夠參與從研究構思到實驗驗證再到成果輸出的完整科研周期。隨著數據、算力驅動的AI技術快速發展，AI科學家系統經歷了顯著演進，可以分為兩個主要階段：

第一階段：基于數據驅動的自動發現期（2020年前）

最初的AI科學家系統主要依賴于符號回歸和數據驅動方法進行科學發現，采用RNN模型、圖網絡模型、神經微分方程等，聚焦于從觀測數據中自動提取科學規律和定律，而無需深入的領域先驗知識。代表性工作包括：

• Al Feynman系統[1]：通過提高符號回歸的噪聲魯棒性與方程識別精度，展示了在復雜數據中發現科學公式的能力。該系統采用Pareto優化的符號回歸方法，利用圖模塊性來提升性能。

• Al Poincare系統[2]：專注于在動態數據中發現守恒定律。該系統能夠從未知動力學系統的軌跡數據中自動識別和提取守恒量，為物理定律的發現提供了新的途徑。

• AI Physicist系統[3]：通過模仿物理學家的四種關鍵策略——分而治之、奧卡姆、統一化和終身學習，實現了對物理規律的無監督學習。

第二階段：基于智能體的全流程自動化探索期（2020-2024）

隨著大語言模型出現，AI科學家系統開始成為自動科研探索的 AI智能體（Agent）：不再局限于單一數據分析任務，而是嘗試參與從初始構思到實驗驗證再到論文撰寫的完整科研周期。

通過對LLM在科學文獻上的預訓練和針對性微調，以及思維鏈（CoT）、檢索增強生成（RAG）等技術應用，使AI科學家能夠自主感知和決策，模擬人類科學家的推理過程，并通過工具擴展進行各種科研操作。再加上與傳統的復雜系統建模方法深度融合，使得AI科學家具備全流程的科研能力。

其中 The AI Scientis[4]和 Coscientist[8] 是兩篇比較重要的工作，前者實現了「規劃-執行-反思」范式的Agent框架，后者則實現了從化學實驗設計到硬件控制的深度集成，以及對AI科學家的優化改進，例如西湖大學開發的Nova系統[9]通過創新的技術框架將創意生成效率提升了2.5倍。下面將重點介紹這幾項工作。

研究進展

進展目錄 1. AI科學家與自主科研智能體 2. 科學家助手

推薦理由：AI科學家（The AI Scientist）是第一個完全自動化的科學發現系統，能夠獨立完成從研究構想到實驗設計、結果分析、論文撰寫到模擬評審的全過程[4]。

AI科學家（The AI Scientist）能夠從廣泛的研究方向和一個簡單的初始代碼庫開始，無縫地執行構思、文獻搜索、實驗規劃、實驗迭代、撰寫論文和同行評審，以產生有洞察力的論文。The AI Scientist自動化了整個研究生命周期，包括生成新的研究想法、編寫必要的代碼、執行實驗、總結實驗結果、可視化結果，并在完整的科學論文中展示其發現。

The AI Scientist：一個LLM驅動的端到端科學發現流程 | 來源："Lu， C.， Lu， C.， Lange， R.T.， Foerster， J.， Clune， J.， & Ha， D. (2024). The Al Scientist: Towards Fully Automated Open-Ended Scientific Discovery."

The AI Scientist框架能夠以一個開放的循環的方式運行，這意味著它可以不斷地迭代和改進。在每次循環中，系統都會基于前一次的研究成果來生成新的想法和假設，然后進行實驗驗證和論文撰寫。這個過程可以無限重復，每次迭代都會在前一次的基礎上進行改進。通過自動化的同行評審和反饋機制，The AI Scientist還能夠識別和改進其研究中的不足之處。這些評審和反饋會被用來指導下一代研究想法的生成，使得新的研究能夠建立在之前研究的基礎上，從而實現持續的改進和創新。

整個框架模仿了人類科學社區的工作方式，包括想法的生成、實驗的執行、結果的分析、論文的撰寫以及同行評審。這種模仿不僅包括科學研究的技術層面，還包括了科學社區中知識共享和反饋的社交層面。通過這種方式，The AI Scientist能夠模擬人類科學家的合作和競爭，推動科學發現的進程。

在此基礎上，西湖大學藍振忠團隊研發的Nova系統帶來了突破性進展[9]。Nova專注于科研創意生成環節，通過創新的技術框架，將創意生成效率提升了2.5倍。當The AI Scientist生成2個創意時，Nova已能產出5個高質量的創新想法。Nova采用迭代規劃、外部知識檢索、檢索增強生成等先進技術，確保生成想法的質量、多樣性和新穎性。實驗評估顯示，Nova生成的想法超過80%都是不重復的，在人工評估中獲得了最高的整體質量和新穎性評分。

The AI Scientist框架以開放循環的方式運行，通過不斷迭代和改進來推進科學發現。而Nova則通過其獨特的技術優勢，極大地提升了這一過程中創意生成的效率和質量。Nova的發展規劃分為三步：首先在單一領域實現創新并驗證效果，然后拓展到多學科領域，最終目標是實現自主的科學探索和商業創新。

Nova模型：通過迭代的方式制定搜索識別新穎性和多樣性的文獻,使得模型能夠不斷優化生成的想法 |來源："Nova: An Iterative Planning and Search Approach to Enhance Novelty and Diversity of LLM Generated Id."

此外，AMD推出的由 GPT-o1-preview 驅動的 Agent Laboratory 系統[10]，則通過整合生成式AI與半導體芯片協同設計能力，通過文獻綜述、實驗、撰寫報告三個階段，每一階段分配都有不同的任務、工具和AI Agent角色，將實驗數據處理效率提升40%，平均每年為科研團隊節省84%的經費支出。該框架接受人類提供的研究想法，允許用戶在每個階段提供反饋和指導，可以產生全面的研究成果，包括代碼庫和研究報告，并達到了最先進的性能。

Agent Laboratory：以人類的研究想法和筆記為輸入，分任務和角色喂給專門的研究智能體，最終產出研究報告和代碼庫 |來源："Agent Laboratory: Using LLM Agents as Research Assistants"

同時，斯坦福與哈佛大學的研究人員提出了一個將嚴格的統計原則與基于LLM的智能體相結合的自動化假設驗證框架POPPER[11]。該框架受卡爾·波普爾（Karl Popper）的證偽原則啟發，通過設計和執行針對假設可測量含義的證偽實驗來驗證假設。POPPER使用兩個專門的LLM智能體：實驗設計智能體和實驗執行智能體，前者負責識別可測量的子假設并設計證偽實驗，后者則負責實施實驗并生成p值以總結實驗結果。此外，POPPER引入了一種新穎的序貫測試框架，通過將多個潛在相關的LLM生成測試的證據聚合在一起，同時嚴格控制第一類錯誤率，從而構建動態化決策機制并保障統計嚴格性，決定是否拒絕假設、進行進一步實驗或終止驗證過程。

POPPER架構概覽 | 來源："Automated Hypothesis Validation with Agentic Sequential Falsifications"

POPPER在六個領域進行了驗證，包括生物學、經濟學和社會學等，展示了強大的錯誤控制能力、高功效和可擴展性。與人類科學家相比，POPPER在驗證復雜生物假設時表現出了相當的性能，同時將時間縮短了10倍，為假設驗證提供了一個可擴展且嚴格的解決方案。該框架的提出為科學發現提供了一種新的工具，能夠有效地從大量假設中篩選出有價值的假設，減少手動驗證的工作量，提高研究效率。

這幾個系統的出現標志著AI輔助科研進入新階段。The AI Scientist 提供了完整的科研流程自動化框架，Nova大幅提升了創意生成的效率和質量，Agent Laboratory 則大幅度降低了科研成本預算，POPPER可以進行自動化假設驗證。另外，Open AI 推出的基于Chagpt-o3模型的 Deep Reseach 自主研究智能體[12]，也展現出強大的獨立文獻檢索、數據分析和研究綜述工作能力。這些系統的的結合將極大推動科研效率的提升，為未來全自動科學探索開辟新的可能。

除此之外，隨著AI技術和大模型的迅猛發展，2024年還涌現出多項科學使用LLM輔助科研的研究成果，如[5][6][7]等。這些成果不僅改變了科學研究的方式，提升了科研效率，未來有望在各個領域實現更具規模的全自動科學探索。

科學家助手

推薦理由：本篇論文試圖解決如何將大型語言模型（LLMs）應用于自動化化學研究全流程的問題[8]。亮點在于開發了一個名為 Coscientist 的AI智能體系統，能夠自動設計、規劃和執行復雜的科學實驗，并具有和信息檢索，代碼管理，自動化實驗裝置等模塊相互交互的能力。

Coscientist 展示了與多個模塊（如網絡搜索、代碼執行和文檔搜索）交互的能力，從而獲取和處理解決復雜化學問題所需的知識。此外，Coscientist 在化學合成規劃、實驗室硬件控制和多變量實驗設計中也表現卓越，在優化實驗和化學推理能力方面擁有特別的應用潛力。

Coscientist系統架構圖 | 來源：Boiko， D.A.， MacKnight， R.， Kline， B. et al. Autonomous chemical research with large language models. Nature 624， 570–578 (2023)

a. 組成Coscientist的多個交互模塊。b. 使用單模塊或多模塊時可組合出不同的實驗類型。

Coscientist在化學合成規劃上表現卓越，特別是在采用GPT-4模型時，能夠提供詳盡且準確的合成步驟。系統還能通過文檔搜索模塊理解并運用技術文檔，比如Opentrons Python API和Emerald Cloud Lab的SLL，增強了實驗的精確度和可靠性。

在硬件控制方面，Coscientist 能精準操控液體處理設備，完成復雜的實驗任務，顯示了其在實際應用中的適應性和靈活性。它還能利用網絡數據進行計算，并編寫代碼以規劃和執行催化交叉偶聯實驗，展現了解決實際化學問題的能力。

Coscientist 的化學推理能力同樣出色，能夠獲取信息、處理復雜問題，并設計實驗方案，這些都是衡量智能代理在化學領域應用的關鍵指標。這些成果不僅證實了LLMs在化學研究中的應用潛力，也為自動化和智能化科學實驗的未來指明了方向。

Coscientist 是在化學領域專用的科學家助手，在通用領域，Google 推出的 AI Co-scientist 則是一個強大的跨學科科研助手系統 [13] 。

AI co-scientist 多智能體系統中的不同組件以及系統與科學家之間的交互范式的圖示 | 來源 Google Research Team. "Accelerating scientific breakthroughs with an AI co-scientist" Google Research Blog, 2024。

AI Co-scientist 是基于 Gemini 2.0 構建的多智能體人工智能系統，定位為科研助手而非替代者，通過人機協作提升研究效率。它采用了六大核心智能體協同工作的架構：

• Generation Agent (生成智能體)：負責初步假設和研究方案的生成

• Reflection Agent (反思智能體)：評估假設和方案，提供改進建議

• Ranking Agent (排序智能體)：對不同假設進行排序和評估

• Evolution Agent (進化智能體)：基于現有假設生成新的研究思路

• Proximity Agent (鄰近性智能體)：計算假設間的相似度，避免重復

• Meta-review Agent (元審查智能體)：總結分析所有假設和評估結果

系統采用了兩項關鍵技術創新。測試時計算擴展：不同于傳統AI模型在訓練階段消耗大量計算資源，Co-scientist在推理階段投入更多算力，實現更深入的科學推理；科學辯論機制：通過多智能體間的“科學辯論”，互相質疑、補充，最終達成高質量的研究假設。

AI Co-scientist 一經推出，就帶來了亮眼的科研成果。例如，在英國帝國理工學院的研究中，Co-scientist 僅用48小時就復現了科研團隊耗時10年的發現。研究聚焦于 cf-PICIs（衣殼形成噬菌體誘導性染色體島）在細菌耐藥性傳播中的作用機制。系統不僅獨立提出了正確的假設，還額外提出了4個創新性理論方向。還有，在藥物再利用研究中，提出了包括 Binimetinib、Pacritinib 等候選藥物，準確預測了藥物作用機制，實驗驗證顯示多個預測結果具有顯著療效。

Google Co-scientist 的出現標志著AI輔助科研進入新階段、擴展到了更多科學領域，它不僅能夠加速科學發現過程，更重要的是實現了一種有效的新型人機協作模式。隨著技術持續進步，我們有理由期待它能夠幫助科研人員突破更多科學前沿，推動人類知識邊界的擴展。

挑戰與展望

科學研究的全流程

隨著AI科學家、Nova以及OpenAI基于強大基礎模型的 Deep Reseach[12]等系統和功能的出現，AI科學家的發展展現出令人振奮的前景。一項[14]研究通過招募100多名NLP研究人員進行大規模人類評估實驗，首次系統性地比較了人工智能系統與專家研究人員在研究創意生成方面的能力。研究發現，AI生成的研究創意在新穎性方面顯著優于人類專家 (p<0.05)，但在可行性方面略遜一籌。

因此我們可能開發更強大的AI科學家系統，從創新能力的躍升到全流程自動化的實現，在多個維度上推動科學研究范式的革新：

未來科學AI智能體參與科學研究全流程的設想

具體來說，AI智能體在未來將可以自動提出研究想法，設計實驗，生成代碼，運行實驗，收集結果，并通過自動生成的可視化工具和語言總結實驗結果，最終撰寫完整的科研論文（見上圖總結）。這種全流程能力大大提升了AI系統在科學研究中的自主性，減少了人類科學家在繁瑣實驗和數據分析上的投入。

雖然AI智能體在科學研究中的應用取得了顯著進展，尤其是在仿真和數據驅動模型驗證方面，但它們的自主自動化能力仍然存在不少局限性，特別是在涉及與真實世界交互的實驗和科學探索領域。這些不足主要體現在以下幾個方面：

1. 與真實世界的交互能力有限：當前的LLM智能體主要依賴于仿真數據或現有數據集進行科學推理和實驗設計。然而，真實世界中的實驗涉及復雜的物理交互，要求系統能夠實時感知、操控物理對象、處理環境不確定性。這是現有數據驅動模型所無法完全勝任的。LLM在這類場景中表現較弱，因為它們缺乏與實際物理系統的直接連接。

2. 硬件支持不足：盡管LLM在軟件層面表現出強大的計算能力，但與物理世界的交互需要更加智能化的硬件支持。具身智能（Embodied Intelligence）將成為解決這一問題的關鍵，它要求AI模型不僅在虛擬環境中進行推理，還要能直接控制物理設備并適應環境變化。現有的LLM代理還未能有效整合物理硬件和AI模型之間的協同工作。

3. 實驗自主性的局限：雖然LLM代理可以自動生成代碼、設計仿真實驗并撰寫論文，但其“自主性”還不夠強。例如，AI在面對新興的、未被數據集覆蓋的實驗問題時，往往難以進行創新的實驗設計。這限制了AI在基礎科學研究中的探索能力，特別是在需要物理實驗的領域（如材料科學、生物技術等），LLM往往依賴于預先設定的框架或模型，而缺乏真正的探索創新。

4. 無法處理真實實驗中的復雜變量：真實實驗往往涉及許多復雜且難以預測的變量，如環境噪音、實驗設備的差異以及意外情況。現有的LLM系統在應對這類不確定性時表現不佳，它們更適合處理理想化或簡化的問題模型，而缺乏應對現實世界中隨機性和復雜性的能力。

盡管當前基于LLM的AI智能體展示了其在科研自動化中的巨大潛力，特別是在數據驅動的仿真和分析方面，但它們在真實世界實驗中的能力仍有待提升。要實現真正的自主科學發現，需要更強的AI模型、更智能的反饋迭代機制以及與硬件系統的深度結合。隨著具身智能和更先進的AI技術的融合發展，我們有望在未來看到完全自主的AI科學家系統，不僅能夠在虛擬世界中推理，還能夠在物理世界中進行真正的科學探索，為人類的科學進步提供前所未有的動力。

參考文獻

[1] Udrescu， S.-M.， Tan， A.， Feng， J.， Neto， O.， Wu， T.， & Tegmark， M. (2020). Al Feynman 2.0: Pareto-optimal symbolic regression exploiting graph modularity. NeurIPS 2020.

https://www.nature.com/articles/s42254-023-00581-4

推薦理由：這篇論文介紹了Al Feynman 2.0，這是一個利用圖模塊化的帕累托最優符號回歸算法，旨在從數據中自動發現物理定律

[2] Liu， Z.， & Tegmark， M. (2021). Machine Learning Conservation Laws from Trajectories Phys. Rev. Lett. 126， 180604.

https://journals.aps.org/prl/abstract/10.1103/PhysRevLett.126.180604

推薦理由：這篇論文介紹了AI Poincaré算法，這是一個機器學習工具，能夠從未知動力學系統的軌跡數據中自動發現守恒量，包括在五個哈密頓系統中發現所有精確守恒量以及周期軌道、相變和近似守恒定律的破壞時間尺度 。

[3] Wu， T.， & Tegmark， M. (2019). Toward an artificial intelligence physicist for unsupervised learning.

https://journals.aps.org/pre/abstract/10.1103/PhysRevE.100.033311

推薦理由：這篇論文提出了一個名為“AI Physicist”的無監督學習框架，該框架通過模仿物理學中的四種策略——分而治之、奧卡姆剃刀、統一化和終身學習——來提高機器學習的性能。

[4] Lu， C.， Lu， C.， Lange， R.T.， Foerster， J.， Clune， J.， & Ha， D. (2024). The Al Scientist: Towards Fully Automated Open-Ended Scientific Discovery.

https://arxiv.org/abs/2408.06292

推薦理由：這篇論文介紹了一個名為“The AI Scientist”的系統，旨在實現完全自動化的開放性科學發現，通過自我迭代的實驗設計、執行和結果分析來推動科學進步。

[5] Guo， S.， Deng， C.， Wen， Y.， Chen， H.， Chang， Y.， & Wang， J. (2024). DS-Agent: Automated Data Science by Empowering Large Language Models with Case-Based Reasoning. Proceedings of the 41st International Conference on Machine Learning (ICML).

https://arxiv.org/abs/2402.17453

推薦理由：這篇論文介紹了一個名為“DS-Agent”的自動化數據科學系統，通過將基于案例的推理賦予大型語言模型，以實現完全自動化的開放性科學發現。

[6] Ma， Y.， Gou， Z.， Hao， J.， Xu， R.， Wang， S.， Pan， L.， Yang， V.， Cao， Y.， Sun， A.， Awadalla， H.， & Chen， W. (2024). SCIAGENT: Tool-augmented Language Models for Scientific Reasoning. Retrieved from arXiv:2402.11451v2.

https://arxiv.org/abs/2402.11451

推薦理由：這篇論文介紹了一個名為“SCIAGENT”工具增強型的大型語言模型，旨在通過結合特定領域的工具集來提升科學推理能力，使模型能夠在多個科學領域中進行自動化的科學發現和問題解決。

[7] Chen， H.， Shen， X.， Ye， Z.， Feng， W.， Wang， H.， Yang， X.， Yang， X.， Liu， W.， & Bian， J. (2024). Towards Data-Centric Automatic R&D. Retrieved from arXiv:2404.11276v2.

https://arxiv.org/abs/2404.11276

推薦理由：這篇論文探討了如何實現以數據為中心的自動化研發，旨在通過自動化的方法來加速科學研究和開發過程。

[8] Boiko， D.A.， MacKnight， R.， Kline， B. et al. Autonomous chemical research with large language models. Nature 624， 570–578 (2023).

https://www.nature.com/articles/s41586-023-06792-0

推薦理由：這篇論文介紹了一個由GPT-4驅動的人工智能系統，它能夠自主設計、規劃和執行復雜的化學實驗，展示了在內的六項不同任務中的研究加速潛力，體現了大型語言模型在科學研究中的多功能性、有效性和可解釋性。

[9] Hu, Xiang, et al. "Nova: An iterative planning and search approach to enhance novelty and diversity of llm generated ideas." arXiv preprint arXiv:2410.14255 (2024).

https://arxiv.org/abs/2410.14255

推薦理由：提出了一種創新的迭代規劃和搜索方法，專門用于提升大語言模型生成內容的新穎性和多樣性。所提出的Nova框架通過結構化的迭代探索過程，有效克服了LLM生成內容單一和重復的問題。

[10] Schmidgall, Samuel, et al. "Agent Laboratory: Using LLM Agents as Research Assistants." arXiv preprint arXiv:2501.04227 (2025).

https://arxiv.org/abs/2501.04227

推薦理由：這篇論文提出了一個創新的LLM驅動的自主研究框架"Agent Laboratory"，通過文獻回顧、實驗和報告寫作三個階段實現端到端的研究自動化，實驗顯示該系統不僅能達到與現有方法相當的性能，還實現了84%的成本降低，為AI輔助科研提供了新范式。

[11] Huang, Kexin, et al. "Automated Hypothesis Validation with Agentic Sequential Falsifications." arXiv preprint arXiv:2502.09858 (2025).

https://arxiv.org/abs/2502.09858

推薦理由：這篇論文提出了一個將嚴格的統計原則與基于LLM的智能體相結合的自動化假設驗證框架POPPER，能夠有效地從大量假設中篩選出有價值的假設，減少手動驗證的工作量，提高研究效率。

[12]OpenAI Team. "Introducing Deep Research: An Autonomous Research Agent." OpenAI Technical Report, 2024.

https://openai.com/index/introducing-deep-research/

推薦理由：該報告介紹了OpenAI開發的Deep Research系統，這是一個基于大語言模型的自主研究代理，能夠獨立完成文獻檢索、數據分析和研究綜述工作。系統由最新的o3模型驅動，具有增強的推理能力、網絡瀏覽功能和數據分析能力，可以顯著提高研究效率，為科研工作者提供強大的智能輔助工具。該系統標志著AI輔助科研進入新階段，有望加速科學發現過程。

[13] Google Research Team. "Accelerating scientific breakthroughs with an AI co-scientist" Google Research Blog, 2024. https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/

推薦理由：該文介紹了Google開發的AI co-scientist 科研助手系統，展示其作為"AI聯合科學家"在材料發現、實驗設計等領域的實際應用。系統具備多模態理解、數據分析和知識整合能力，能協助研究人員完成文獻分析、實驗優化等任務。文章通過具體案例展示了AI助手如何加速科研突破，體現了大語言模型在科學發現中的實用價值，代表了AI輔助科研的重要進展。

[14] Si, Chenglei, Diyi Yang, and Tatsunori Hashimoto. "Can llms generate novel research ideas? a large-scale human study with 100+ nlp researchers." arXiv preprint arXiv:2409.04109 (2024).

https://arxiv.org/pdf/2409.04109

推薦理由：這項大規模人機對比研究首次證實了LLM在研究創意生成方面的潛力，通過嚴謹的實驗設計和統計分析，不僅量化了AI在研究想法新穎性上的優勢，也指出了當前系統的局限性。

出品：漆遠、吳力波、張江 運營：孟晉宇、王婷 撰稿：張江、楊燕青、王婷、王朝會、十三維、周莉、梁金、袁冰、江千月、劉志毅 鳴謝（按姓氏拼音順序，排名不分先后）： 曹風雷 、陳小楊 、程遠、杜沅豈 、方榯楷 、付彥偉、 高悅、黃柯鑫、李昊、劉圣超、譚偉敏、吳泰霖、吳艷玲、向紅軍、張驥、張艷、朱思語

AI+Science 讀書會

詳情請見：

1.

2.

3.

4.

5.

6.