2024年春的一天，美国斯坦福大学病理学家托马斯·蒙廷开启了一场前所未有的“实验室会议”——与6位由人工智能（AI）驱动的“虚拟科学家”共商阿尔茨海默病的治疗策略。这些AI被赋予不同的专业角色，从神经科学家到药物化学家，在几分钟内展开多轮讨论，最终生成了一份长达一万多字的会议纪要。这场看似科幻的情景，其实是一个新兴趋势的缩影：以多智能体语言模型组成“AI科研团队”，模拟真实研究协作过程，帮助科学家节省时间、完善假设，甚至激发新的科学灵感。开发者称这种系统为“联合科学家”。
图片来源：科技媒体Freethink网站
多家机构打造“虚拟实验室”
今年2月，谷歌旗下“深度思维”公司推出了一款名为“AI联合科学家”的软件。该软件由6个AI代理组成，分别负责想法生成、反思或批评、概念演进、去重、排序和总结审稿，均由谷歌的Gemini 2.0模型驱动。这套系统是谷歌生物医学AI研究工作的延伸。在一项早期测试中，该系统在两天内就解决了困扰科学家十多年的科学谜题。
美国斯坦福大学也在去年11月推出了“虚拟实验室”系统，蒙廷试用的正是这个版本。科技媒体Freethink网站报道称，目前，该系统以OpenAI的GPT-4o为基础，默认配备“首席研究员”和“评论者”两个角色，用户可自由添加更多代理并设定他们的专业领域，快速生成模拟会议记录。
在中国，上海人工智能实验室的研究团队也在开发虚拟科学家系统，名为“VirSci”，专注于模拟科学家团队的合作过程，以推动科研创新。
英国《自然》杂志报道称，这些系统所用的大型语言模型（LLM）不仅仅是在“你一言我一语”地交换观点，它们还具备联网检索信息、执行代码、调用专业工具等功能，属于一种“代理式AI”系统。这一术语目前尚不严格，但一般指LLM在一定程度上能自主承担任务。美国阿贡国家实验室的计算机科学家里克·史蒂文斯指出，多个AI代理协同作战，可连续数小时专注于解决复杂科学问题，不会走神，也不会疲惫。
AI科研团队是否靠谱
那么问题来了：这些AI之间的对话，像是一屋子的诺贝尔奖得主，还是一群本科生？它们的想法是天方夜谭、空洞无趣，还是令人振奋、值得深挖？
现阶段的AI代理系统确实存在“幻觉”问题，即生成错误或虚构的信息。但芝加哥大学计算机科学家史蒂文斯指出，通过引入“评论者”或“评审者”的角色，系统往往能有效筛除不合理内容，提升整体可靠性。他还认为，即便是“幻觉”，在头脑风暴场景下也可能激发出意想不到的创意，前提是有专家把关。
现有研究也发现，多代理协作确实优于单一AI。以GPT-4o为例，斯坦福大学团队发现，若在对话中加入一名“评论者”，该模型在研究生水平的科学测试中的表现会提高几个百分点，在实际科研应用中的回答也更加精准，例如在放射治疗方案设计方面更具逻辑。
谷歌也曾对其联合科学家系统展开评估，结果显示，人类专家更倾向于由多个AI协作生成的回答，认为其更具新意和科研潜力。
关于多少名AI代理、几轮互动最为有效，科学界也正在寻找答案。上海人工智能实验室计算机科学家董楠卿等人开发VirSci系统时发现，最佳创造力出现在“8个代理人×每人5轮发言”的设置下。而斯坦福大学的斯旺森则表示，超过3个专家后输出常常变得冗余，3轮之后系统也容易跑题。
AI的点子到底有多新
谷歌在宣布其联合科学家系统时表示，该系统帮助研究者提出了“新颖的预测”。例如，斯坦福大学的加里·佩尔茨用谷歌的“AI联合科学家”系统寻找治疗肝纤维化的新药时，AI团队在分析背景信息后提出3种药物建议，其中2种在实验中显示出疗效，反而优于他自己挑选的方案。但同时，一些科学家则认为这些建议其实“谈不上什么新意”。
类似的争议也出现在帝国理工学院微生物学家何塞·佩纳德斯团队测试谷歌系统时。AI在阅读背景文献后，提出了一种未见于任何文献的新假设：移动遗传元件可“跨细胞偷取”噬菌体尾部。这一观点挑战主流，却与该团队通过未公开实验得出的结论一致。佩纳德斯认为，尽管AI只是把已有信息作了一个“显而易见”的推理，但其本身就是科学进步。
《自然》杂志指出，这类AI系统目前更像是一种科研助理：它们通过总结资料、激发灵感、提出新角度或查漏补缺，帮助研究者节省时间，提高效率。但是否能催生真正颠覆性的想法，还需长期验证。
目前，这类多智能体语言模型系统尚未以大众化、便捷的方式广泛提供。但研究人员普遍认为，AI联合科学家终将成为科研日常的一部分，就像搜索引擎一样，不过这并不意味着它能取代人类。史蒂文斯提醒，如果年轻科研人员过度依赖AI，可能会损害其自主思考和学习能力。西班牙癌症研究者巴里加也表示，过度依赖AI，就如同把思考过程“外包”，而那正是科研中最有趣的部分。
