不久前，哈佛医学院生物医学信息学系的Marinka Zitnik教授团队在《Cell》杂志上发表了一篇题为“Empowering biomedical discovery with AI agents”的前瞻性观点文章，提出了一种新型的“AI科学家”概念，旨在通过整合人工智能模型与生物医学工具，打造能够进行反思性学习和推理的智能系统，从而推动生物医学研究的变革。

【研究背景】

长久以来，人工智能领域一直致力于开发能够自主进行重大科学发现、自我学习和知识获取的AI系统。然而，这一目标一直颇具挑战性。随着基于Agent的人工智能技术的发展，构建能够进行反思性学习和推理的人工智能体（AI agents）系统成为可能。这些系统能够协调大型语言模型（LLMs）、机器学习工具和实验平台等资源，应对生物医学研究中复杂问题的分解和解决。

【文章核心：“AI科学家”的定义与愿景】

文章阐述了“AI科学家”的核心理念，即通过将复杂的生物医学问题分解为可管理的子任务，并分配给具有特定功能的Agent来解决，从而实现对科学知识的整合和针对性问题的解决。这些AI Agent并非旨在取代人类在发现过程中的作用，而是将人类的创造力和专业知识与AI分析大数据集、探索假设空间以及执行重复性任务的能力相结合。AI Agent能够利用大型语言模型和生成模型来构建结构化的记忆，以实现持续学习，并借助机器学习工具将科学知识、生物学原理和理论纳入其中。

【“AI科学家”的核心能力】

• 反思性学习与推理

“AI科学家”能够通过对话与人类和其他AI系统合作，进行反思性学习和推理。这种能力使得“AI科学家”能够在复杂的生物学问题中灵活分解任务，并通过专门的AI Agent进行有针对性的问题解决。文章中提到，“AI科学家”可以通过自我评估识别知识空白，并通过持续学习不断优化其知识库。

• 多模态学习与生成模型

“AI科学家”利用大型语言模型（LLMs）和生成模型，结合科学知识、生物学原理和理论，进行持续学习。这种能力使得“AI科学家”能够在虚拟细胞模拟、表型编程控制、细胞电路设计和新疗法开发等领域发挥重要作用。

• 自动化与高效性

“AI科学家”能够自动化重复性任务，分析大规模数据集，以超越人类研究者的规模和精度导航假设空间。这种自动化使得“AI科学家”能够进行连续的高通量研究，而这是人类研究者单独操作时是无法实现的。例如，“AI科学家”可以通过高通量筛选和虚拟实验快速生成假设并验证其有效性。

【四种不同自主级别的AI Agent系统】

• Level 0：无AI Agent，仅使用机器学习模型作为工具。
• Level 1：AI Agent作为研究助手，执行科学家定义的任务。
• Level 2：AI Agent作为合作者，能够使用广泛的工具进行科学发现，但假设生成能力有限。
• Level 3：AI Agent作为科学家，能够生成创新假设并进行自主实验设计。

研究团队通过多个案例展示了AI Agent系统在遗传学、细胞生物学和化学生物学中的应用。例如，在遗传学研究中，AI Agent能够进行基因组关联分析（GWAS），识别与疾病相关的基因变异；在细胞生物学中，AI Agent能够预测药物抗性机制并优化实验设计；在化学生物学中，AI Agent能够设计新的药物分子并进行实验验证。

【伦理与挑战】

尽管“AI科学家”在生物医学研究中展现出巨大潜力，但其应用也带来了一系列伦理和挑战。文章提到，“AI科学家”通过机器学习工具或调用实验平台对环境进行改变可能带来危险，因此需要建立安全措施以防止伤害。此外，生物医学“AI科学家”面临的一个关键挑战是缺乏大规模、多样化的实验数据集，这限制了其在新任务中的泛化能力和新技能的获取。

【未来展望】

文章指出，“AI科学家”的发展将推动生物医学研究进入一个全新的时代。通过构建可信的沙盒环境，“AI科学家”可以在其中经历失败并从中学习，从而实现持续的进步。未来的研究方向包括提高“AI科学家”的鲁棒性和可靠性，开发全面的治理框架，以及确保“AI科学家”的行为符合伦理和安全标准。

“AI科学家”作为生物医学研究的新引擎，正在改变我们对科学发现的理解和实践。通过整合人类创造力和专业知识与AI的强大分析能力，“AI科学家”有望在未来的生物医学研究中发挥越来越重要的作用。然而，我们也需要谨慎应对其带来的伦理和挑战，确保“AI科学家”的应用能够真正造福人类健康。

参考文献：

Gao, S., Fang, A., Huang, Y., Giunchiglia, V., Noori, A., Schwarz, J. R., ... & Zitnik, M. (2024). Empowering biomedical discovery with AI agents. Cell, 187(10), 6125-6151. https://doi.org/10.1016/j.cell.2024.09.022