本周二，Nature期刊发布了两篇论文，描述了旨在帮助科学家开发和测试假设的AI系统。其中一个是谷歌的"Co-Scientist"，被设计为他们所说的"科学家在环"系统，意味着研究人员会定期应用他们的判断来指导系统。第二个系统来自一家名为FutureHouse的非营利组织，它更进一步，训练了一个能够评估来自特定类型实验的生物数据的系统。
尽管谷歌表示其系统也可用于物理学，但两组研究都只呈现了生物学数据，且主要是简单的假设——这种药物对那种疾病有效。因此，这并非试图取代科学家或科学过程，而是帮助处理当前AI最擅长的事情：梳理人类难以掌握的大量信息。
这有什么用？
这两个系统之间存在一些区别，但它们都被认为是"代理型"系统；它们在后台运行，调用单独的工具。(微软在其科学助手中也采取了类似方法；OpenAI似乎是个例外，它只是简单地为生物学调整了一个大语言模型。)虽然它们之间存在差异，但它们都专注于同一个普遍问题：科学信息的极度泛滥。
随着在线出版的便利，期刊数量激增，随之而来的论文数量也大幅增加。任何研究人员都难以跟上自己领域的最新进展。在其他领域寻找可能相关材料确实是个挑战。例如，如果你专注于眼睛发育，所使用的一个信号系统可能也与肾脏有关，而你可能会轻易错过人们在该领域的发现。
FutureHouse团队对这个问题的表述是："通过专注于'组合合成'(识别不同领域之间不明显的联系)，Robin有效地针对了人类专家可能因科学知识的分割而忽视的'低垂果实'。"
这项任务非常适合AI，因为它可以在研究人员做其他事情时在后台梳理同行评审的文献。这实际上不是AI能否比人类做得更好或更差的问题；而是是否会有任何人最终进行这类搜索的问题。
通过在不同研究之间找到足够的联系，这些工具可以提出建议——实际上是假设——关于生物学。这可以包括什么过程支撑生物行为，什么通路和网络调节这些过程。在本文探讨的案例中，它还包括建议可能针对患病细胞中这些通路的已知药物：谷歌案例中的急性髓系白血病，以及FutureHouse的黄斑变性。
Co-Scientist
正如你可能想象的，谷歌的系统基于该公司的Gemini大语言模型。这有助于系统解释人类科学家提供的研究目标陈述，并开始文献搜索以找到相关信息并形成假设。这些假设随后在"锦标赛"中相互评估，其结果由Reflection代理评估。Evolution代理随后可以对任何幸存的想法进行改进，这些想法可以送回流程中。
在整个过程中考虑的关键标准包括合理性、新颖性、可测试性和安全性。Reflection工具可以访问外部搜索工具，因为访问科学文献"防止了看似新颖但不合理的假设的幻觉"，公司方面表示。
正如论文所述，科学家始终参与其中。在寻找针对白血病的潜在药物时，系统提出的建议基于专家小组的评审进行优先排序，该小组可以访问Co-Scientist用于形成建议的文献。
结果正如你对癌症疗法所期望的那样。一些被识别的药物有效，但仅针对一组髓系白血病细胞的子集。这并不罕见，因为不受控制的生长有多条途径，因此阻断一种细胞类型所遵循途径的药物可能对采取不同途径的细胞无效。
谷歌还提到，该系统可以进行不涉及药物的更一般性假设，例如细菌中毒力基因的传播。但这项工作的细节相当稀少。
该系统还设置为模型无关，允许随着AI系统的发展切换到性能更好的模型。但他们也警告说，"Co-Scientist也继承了其基础模型的内在限制，包括事实性不完美和产生幻觉的潜在可能。"
以及Robin
FutureHouse的系统有一些相似之处，但也有一些关键差异，这超出了将所有代理工具以鸟类命名的范畴。主系统Robin可以访问专门的文献搜索工具。其中一个工具Crow为论文生成简明摘要，而Falcon则提供论文中包含信息的深入概述。描述该系统的论文清楚地展示了这里的优势："Robin在30分钟内分析了551篇论文，而人类估计需要540小时。"
利用这些摘要，Robin随后形成了一系列关于黄斑变性疾病机制的假设，并使用这些工具为每个机制提供详细的证据报告。一个LLM法官随后在假设之间进行成对比较，结果得到相对排名——有点像谷歌的锦标赛系统。
以类似方式，该系统被重新部署以建议可能提供黄斑变性模型的细胞系和培养条件，并准备了30种候选药物的报告。FutureHouse团队表示："这些报告既包含为什么每种药物适合缓解体外模型中代表的疾病机制的理由，也包含药物可能带来的潜在限制。"同样，这些报告由人类专家评估，以确定继续进行哪些测试。
Robin还建议了测试药物的实验方法，人类对此进行了评估（在大多数情况下，他们似乎使用了建议方法的变体）。
Robin与Co-Scientist的关键区别在于，它包含一个名为Finch的工具，可以自动化评估来自某些标准生物筛选实验的数据，如流式细胞术和RNA测序。因此，只要你的测试涉及Finch可以处理的实验方法，就可以由系统执行额外步骤。
如上所述，Robin提出了一个新颖的假设：增强视网膜细胞清除细胞外碎屑的能力可能为疾病提供某种保护。并且它识别出一种药物似乎能在其提议的实验中提供这种提升。
正如谷歌所发现的，设计专门用于与科学文献交互的工具很重要。用OpenAI的o4-mini替换Crow将幻觉引用率从零提高到了45%。FutureHouse还考察了OpenAI以研究为重点的工具的性能，发现在其建议Robin未提出的药物的所有情况下，这些药物对这些细胞都没有效果。
这让我们处于什么位置？
首先，重要的是要注意，这些成功发生在药物开发中相对容易的部分（尽管药物开发的任何部分都很难说容易）。AI并没有被要求设计全新的分子，而且大多数药物在动物和临床试验阶段失败，而不是在细胞培养测试中失败。这并不是说重新利用现有药物不重要——我们已经拥有这些分子的安全档案和机构批准，而且许多已经过专利期，因此价格低廉。但我们还没有达到AI解决难题的程度。
这种假设——这种机制导致那种疾病，而那里的药物可以针对它——也是生物学中比较具体的假设形式。在我作为科学家的职业生涯中，我不得不开发旨在解决诸如"具有这种突变的小鼠在非常不同的组织中有大量缺陷；是否存在一个单一机制支撑它们？"或者"在这个基因表达边界的什么地方正在改变细胞对这种信号分子的反应？"的问题的假设。目前尚不清楚这些系统如何处理这些更开放的科学问题。
话虽如此，文献过载的问题在许多领域确实存在，旨在解决这一问题的系统可以帮助我们避免所需信息已经存在十年但无人将其整合在一起的情况。鉴于我们仍在经历AI的成长阵痛，我很高兴至少有两个独立开发的系统在处理这个问题，这样我们就可以同时运行两者并比较结果。
Nature, 2026. DOI: 10.1038/s41586-026-10652-y, 10.1038/s41586-026-10644-y
【全文结束】
