人工智能如何做科学研究

不是那种只会给你写一段实验报告的人工智能——而是那种会运行实验、解读结果并自动修正错误的人工智能。这是一份关于研究型人工智能的简要指南。

问一位科研人员，他们一周的时间都花在了哪里，你会惊讶地发现，很多时候答案都与科研本身无关。而是那些琐碎的维护工作：安装软件、转换文件格式、将一个工具的输出整合到另一个工具的输入中、调试损坏的环境、重新运行运行了三个小时后崩溃的脚本等等。真正的发现往往被埋没在这些繁琐的事务之中。

如果能把所有这些工作都交给一位不知疲倦、能用通俗易懂的语言执行指令的实验室助理，那该多好？这样的助理正在逐渐出现。值得我们去了解它的实际运作方式——抛开那些耸人听闻的标题和夸张的宣传。

描述与行动

大多数人接触人工智能的方式都是聊天机器人：你提问，它回复。这种人工智能进行描述——它可以流畅地告诉你实验是如何进行的。研究代理与聊天机器人有一个决定性的区别：它会执行实验。它编写代码，并在真正的计算机上运行它。“真正的计算机” ——沙箱：一台由代理完全控制的隔离机器，因此它可以安装工具和运行代码，而不会触及任何它不应该触及的东西。它会查看运行结果，发现问题所在，修复问题，然后重新运行——无需每一步都等待你

描述与行动之间的差距才是故事的全部。

研究代理人采取的四项行动

抛开专业术语，研究人员执行的四步循环与严谨的科学家执行的循环相同——只是速度更快，而且全天候进行。

同样的循环，快速且全天候运行：收集已知信息，将其分解成步骤，在沙箱中执行工作，然后验证——然后重新开始。

01 — 阅读

收集已知信息

一切都从研究的起点——文献——开始。代理人会搜索论文和数据库，阅读它们，并提取与您的问题相关的事实——附带引用，方便您核实其工作。

02 — 计划

将问题分解成几个步骤

一个大问题无法一次性解答，因此智能体会将其分解成一系列具体步骤。对于难题，它可以将工作分配给不同的专业子智能体——例如文献阅读者、程序员和审稿人——这些子智能体共享同一个工作空间，就像一个小型实验室团队。

03 — 跑步

在沙盒环境中完成工作

这就是关键所在。在一个与世隔绝的沙箱——一台它无法破坏任何重要文件的私人计算机中，智能体编写并运行真实的代码，使用专业工具，浏览网页，并查看输出结果。当出现故障时，它会读取错误信息并重试。整个过程是实际执行的，而不是叙述的。真正的工具，预装完毕。

04 — 检查

核实并记住。

无法信任的结果就不能称之为结果。因此，智能体会验证其生成的内容并保留记录：每项结论都源自哪条命令、哪篇论文、哪行代码，以便人工审核。而且它会记住——本周学习到的内容下周依然存在。

一个设计真正抗体的“虚拟实验室”。

这并非假设。在2025年发表于《自然》杂志的一项研究中，一个由人工智能代理组成的团队——一个“首席研究员”代理指导化学家和计算机科学家等专家，并配备一个批评代理进行质疑——设计出了针对SARS-CoV-2变种的新型纳米抗体（微型抗体）。这些设计并非停留在屏幕上。实验室的实验验证发现，正如作者所说，“一系列功能性纳米抗体对SARS-CoV-2变种具有良好的结合特性”。人类研究人员制定了研究计划并检查了工作；而人工智能代理则完成了实际操作。

Swanson 等人，《自然》（2025）：首席研究员代理指导专家代理和评论家；这些设计在实验室中得到了验证。

强大的力量，而非魔法

仅仅关注成功案例是不负责任的。当研究人员构建严谨的基准来测试人工智能代理在真实、数据驱动的科学任务上的表现时，发现这些代理在没有人类帮助的情况下只能解决一小部分问题——而精妙的演示与可靠结果之间的差距，正是严谨评估不断揭示的。诚实的框架就像是副驾驶，而非自动驾驶：人工智能可以倍增科学家的能力，而科学家仍然拥有提出问题、做出判断以及对真理负责的权力。

去除繁琐工作的科学

如果这些基础架构真的可以共享，其影响将远远超出任何一个实验室。团队过去需要花费数月时间来构建和组装工具，现在可能只需几天就能完成。过去需要专家和计算集群才能掌握的方法，现在好奇的学生或小型诊所也能轻松使用，因为工具是共享的，界面也通俗易懂。而且，由于每一步都会留下痕迹，最终的科研成果更容易复现，而不是更难复现。