哪种“AI科学家”适合你的实验室？一份困惑者指南

2023年6月30日，Anthropic公司推出了一个名为Claude Science的平台，该平台专为生物学研究设计。这并非首个面向科研的AI工具，在此之前已有OpenAI的通用模型、Google DeepMind的Co-Scientist以及开源平台Biomni等涌现。这些被称为“AI科学家”的工具基于大型语言模型，能够协助科学家完成文献综述、数据分析、图表生成和手稿撰写等任务。它们属于代理型AI，可将复杂请求拆解为多个步骤，并常常调用外部软件系统完成工作。

斯坦福大学的遗传学家和心脏病学家Euan Ashley分享了一次令人印象深刻的体验：他让Claude分析自己的基因组，结果30分钟内就正确识别出阿尔茨海默病的风险等位基因和影响药物代谢的基因变异。而2010年，他的团队曾花费9个月才完成类似分析。Ashley在LinkedIn上写道：“这无论如何都是非常了不起的。”

这些工具在实际研究中的应用正逐渐展现价值。免疫学家Clare Bryant是Co-Scientist的早期使用者，她将该工具用于筛选科学文献以提出假说。虽然部分提议不可行，但有些恰好符合她的研究方向。目前，她的团队正根据Co-Scientist的一个想法，测试引入特定突变对流感感染的影响。Bryant表示，自己最终也可能想到这个实验，但可能需要两年时间。同样，生物医学科学家Gary Peltz利用Co-Scientist成功找到了可治疗肝纤维化类器官模型的现有药物。

对于如何选择工具，专家们给出了建议。云平台Benchling的总裁Ashu Singhal指出，目前只有不到20%的实验室完全将AI科学家整合到研究中。他建议研究人员实际试用多种工具，而不是盲目相信头条新闻。假设生成型AI（如Co-Scientist）适用于项目早期阶段，而Claude Science和Biomni等工具则可用于基因组数据分析等具体任务。Boltz公司的联合创始人Gabriele Corso则建议从容易验证的小任务开始，即使失败也能快速重做。

尽管AI科学家展现出巨大潜力，但信任问题仍是关键。科学家们强调，所有输出都必须经过实验验证。当前，这些工具主要作为辅助手段，帮助研究人员将更多精力投入到需要人类智慧的科学问题上。随着技术发展，AI科学家有望成为实验室不可或缺的成员，但前提是它们能够持续证明自身的可靠性和准确性。