AI科学家获诺贝尔奖，重新定义科研角色

关键信息

AlphaFold利用深度学习高精度预测蛋白质结构——现已通过AlphaFold数据库开放给超过2亿种蛋白质使用。斯坦福大学的虚拟实验室结合多个AI代理设计新型抗体片段，而其他系统则将大型语言模型直接接入机器人实验室进行迭代实验。

资讯摘要

文章探讨了人工智能如何从辅助工具演变为科学发现的主动参与者，以谷歌DeepMind的AlphaFold获得2024年诺贝尔化学奖为标志。这一荣誉凸显了AI在解决复杂问题（如蛋白质折叠）中的作用，对药物研发和疾病理解具有重要意义。OpenAI和Anthropic等公司正竞相构建完全自主的人工智能研究员，例如GPT-Rosalind和增强型生物学工具，能够提出假设、设计实验甚至在自动化实验室中执行实验。

尽管这可能显著加快研究速度，但研究表明，AI可能会因聚焦于数据丰富的领域而缩小科学探索范围，导致较少研究的问题被忽视。人工智能在科学领域的未来不仅需要技术创新，还需要深思熟虑的治理来维护科学研究的多样性和完整性。

资讯正文

人工智能科学家

AI公司经常以人工智能驱动的科学发现可能性作为其存在理由：如果这项技术最终能治愈癌症并解决气候变化问题，那么所有碳排放和低质量视频都值得。

目前，大型语言模型（LLMs）已经能够以多种方式协助科学家。它们可以引导研究人员找到相关文献，撰写期刊文章，当然还能编写代码。但AI公司和学术研究者都有更雄心勃勃的愿景——打造AI合作者科学家。他们希望开发出能作为科研团队完整成员运作的系统，甚至更进一步，能在有限的人类指导下自主发起并执行研究项目。

多年来，谷歌DeepMind一直在科学AI领域投入大量资源，2024年终于取得成果：该公司CEO德米斯·哈萨比斯和约翰·詹珀因AlphaFold系统获得诺贝尔化学奖。该系统专门用于预测蛋白质的三维结构。

现在，它的竞争对手正在努力追赶。2025年10月，OpenAI成立了一个专注于科学AI的团队；Anthropic也在同一时期宣布推出多个专为生物科学设计的Claude功能。OpenAI尤其将打造自主研究员视为其“北极星目标”。最近，它发布了GPT-Rosalind，这是计划中一系列专业科学模型的第一个版本。谷歌则在去年2月推出了自己的AI合作者工具。

这些科学AI系统的底层机制实际上是多个专用AI代理协同工作。例如，谷歌的合作者使用监督代理、生成代理和排序代理等多个模块，根据人类科学家提供的目标生成潜在假设和研究计划。最近，斯坦福大学AI for Science实验室的研究人员在詹姆斯·邹的带领下设计了一个由多个代理组成的“虚拟实验室”，每个代理扮演不同科学领域的专家角色。他们发现，这个系统能够设计出可与导致新冠肺炎的SARS-CoV-2病毒结合的新抗体片段。

然而，与人类科学家不同的是，这些代理团队目前还无法亲自进入实验室验证想法。为了突破这一限制，一些研究人员正尝试将大型语言模型接入实验机器人。今年2月，OpenAI宣布已将GPT-5直接连接到Ginkgo Bioworks公司构建的自动化生物实验室，使AI系统能够在较少人工干预的情况下迭代提出实验方案并解读结果。这种方法让系统得以运行海量实验，并成功制定出一种新配方，使某种特定蛋白质的合成成本降低了40%。

人工智能驱动的科学研究似乎对前沿实验室和社会整体都是利好。但研究显示，这可能带来意想不到的后果。一项最近发表在《自然》杂志上的研究发现，虽然单个科学家采用人工智能能获得职业优势，但从整体上看，科学可能会因此受损，因为人工智能缩小了科学界探索的范围。这可能是因为人工智能特别擅长分析已有的数据集和文献，使用AI的科学家倾向于集中在已有大规模数据的成熟领域。这可能导致较少的科学家去研究那些不太适合用AI处理的问题。将人工智能有效融入科学研究，不仅仅是技术问题：在人工智能时代保持科学的活力与多样性，可能需要科学界共同努力。

深度解析

OpenAI正全力投入打造全自动科研人员

独家对话OpenAI首席科学家雅库布·帕乔基，探讨该公司新的重大挑战及人工智能的未来。

宝可梦GO如何为配送机器人提供精准的世界视角

独家报道：Niantic的人工智能衍生公司正在利用玩家贡献的300亿张城市地标图像，训练一种全新的世界模型。

来源与参考

1. 原始链接
2. Artificial scientists