摘要：该系统在上个月发布在bioRxiv上的预印本中进行了描述，它能够设计出一种名为纳米体的抗体片段，这种抗体片段可以与导致COVID-19的病毒结合，在一个全人类研究小组所需的一小部分时间内，提出了近100种这种结构。

人类与人工智能的合作会成为跨学科研究的未来吗？

该系统在上个月发布在bioRxiv上的预印本中进行了描述，它能够设计出一种名为纳米体的抗体片段，这种抗体片段可以与导致COVID-19的病毒结合，在一个全人类研究小组所需的一小部分时间内，提出了近100种这种结构。

“这些虚拟实验室的人工智能代理已经显示出相当有能力完成很多任务，”该研究的合著者、加州斯坦福大学的计算生物学家James Zou说。“我们对探索虚拟实验室在不同科学领域的潜力感到非常兴奋。”

科罗拉多大学位于奥罗拉的安舒茨医学院研究人工智能医疗应用的Yanjun Gao表示，该实验“代表了一种将人工智能视为合作者、而不仅仅是工具的新范式”。但她补充说，人力投入和监督仍然至关重要。“我认为现阶段我们还不能完全信任人工智能来做决定。”

01

跨学科的人工智能

世界各地的科学家已经探索了大型语言模型（llm）加速研究的潜力——包括创建一个可以执行部分科学过程的“人工智能科学家”，从提出假设、设计实验到起草论文。但Zou说，大多数研究都集中在LLM在小范围实验中的应用，而不是探索其在跨学科研究中的潜力。他和他的同事们建立了虚拟实验室，以结合不同领域的专业知识。

他们首先为他们的虚拟团队培训了两名llm：团队领导的首席研究员（PI）拥有人工智能研究方面的专业知识，以及一名“科学评论家”，负责在整个过程中发现其他LLM的错误和疏忽。作者给这些llm设定了一个目标——设计新的纳米体来靶向SARS-CoV-2病毒——并指示他们开发其他可以实现这一目标的llm。

PI随后创建并培训了另外三名人工智能科学家代理人来支持研究工作。这些“科学家”中的每一位都接受过特定学科的培训——免疫学、计算生物学或机器学习。“这些不同的代理人将有不同的专业知识，他们将共同解决不同类型的科学问题”。

人工智能代理独立完成虚拟PI分配的任务，例如计算参数或为新的机器学习模型编写代码。他们还可以利用其他人工智能研究工具，比如蛋白质设计工具AlphaFold和Rosetta。一名人类研究员指导LLM定期召开“团队会议”，评估他们的进展。

“虚拟实验室的设计主要是自主的，因此代理可以相互讨论。他们决定要解决什么问题，采取什么方法，以及如何实施这些方法。”“人类研究人员专注于提供更高层次的反馈，以指导虚拟实验室的方向。”团队会议包括几轮“讨论”，但每次只花5-10分钟。

02

通用的系统

这些药物最终设计了92个纳米体，其中90%以上的纳米体在验证研究中被证明与SARS-CoV-2的原始变体结合。其中两种纳米体也显示出针对新变种病毒的希望。

研究人员乐观地认为，他们的系统可以帮助加强多个领域的科学研究。“我们把它设计成一个非常通用的平台。所以原则上，我们可以使用这些虚拟实验室代理，并要求他们解决不同的科学问题，”Zou说。他强调，人工干预和反馈是虚拟实验室成功的关键。“我们仍然需要验证和验证这些假设；这就是进行真实世界实验的重要性所在。”

Gao说，未来的研究应该进一步评估人工智能科学家的反应，以了解LLMs为什么会犯错误或意见相左。“安全和评估是我希望在未来人类与人工智能合作中看到更多的东西，”Gao说。

来源：佑信医管