一个科学家团队耗费近十年才破解的难题，AI智能体仅用两天便给出了完全一致的答案——这听起来颇具科幻色彩，但它确确实实发生了。
帝国理工学院的微生物学家 José Penadés 长期致力于一项核心研究：某些“超级细菌”究竟是如何传播抗生素耐药性的？经过多年反复实验，团队逐步确认，部分细菌会“窃取”病毒身上的尾部结构，并将其作为“钥匙”，从而顺利侵入不同的宿主物种。
这项研究成果当时尚未公开发表。2024 年，Penadés 将一个简化版的研究问题提交给谷歌 DeepMind 开发的 AI 智能体 Co-Scientist。结果在 48 小时内，Co-Scientist 便给出了五种可能的解释，并按照优先级进行了排序。排名第一的假设，恰恰与团队多年实验得出的结论完全吻合。
Penadés 的第一反应并非惊喜，而是怀疑自己的电脑遭到了入侵。他立即联系谷歌，确认系统是否曾读取过实验室未公开的研究数据。得到的回复是：没有。AI 并未“偷看答案”。
更令人意外的是，Co-Scientist 提出的另外四个额外假设中，有一个方向是研究团队此前从未考虑过的——目前，这一方向正在接受进一步的验证。
Penadés 坦言，如果研究初期就能借助这样的工具，团队确实可以少走多年弯路。但必须警惕的是，即便 Co-Scientist 能在两天内提出正确的假设，它也无法独立完成证明。真正让答案成为科学知识的，仍然是研究团队多年积累的实验数据与验证结果。
最近，谷歌 DeepMind 发布了一份名为《Conjecture Machines: AI agents and the new validation bottleneck in science》的报告，专门探讨了 AI 智能体如何改变科学研究的方式。报告采访了多位内部研究人员和工程师，并结合 Co-Scientist、AlphaEvolve 等实际案例指出：智能体正在加速假设生成和候选方案搜索，但实验、评审和结果理解的速度并未同步跟上，“验证”因此可能成为科学研究中新的瓶颈。
为何 AI 智能体变得更好用了？
在讨论这一瓶颈之前，报告首先解释了一个现实问题：早期的 AI 智能体表现并不稳定，而科学研究恰恰对严密性和可靠性有着极高的要求。那么，是什么因素让智能体在近一年内突然具备了参与真实科研工作的能力？
报告将答案归结为三个关键因素：基础模型变得更为强大，模型外部的“脚手架”逐渐成熟，以及智能体更容易根据具体科研需求进行定制化调整。
（来源：DeepMind）
首先，基础模型的推理能力得到了显著提升。报告指出，当前领先模型在 Humanity’s Last Exam、FrontierMath 等科学测试中的表现已超越人类专家。比测试成绩更重要的是，模型不再急于给出答案，而是能够进行多步推理，在不同方案之间探索、比较和修正。
这使得智能体能够处理更复杂的科研问题，从海量论文中挖掘出容易被忽略的信息，建立跨学科联系，并自主判断何时需要搜索文献、运行代码或调用其他工具。
其次，智能体拥有了更成熟的“脚手架”。你可以将其理解为包裹在基础模型外部的一套工作系统，它为模型增添了规划、记忆和使用工具的能力。借助这套系统，智能体可以检索论文、执行代码、使用科学软件，也能与其他智能体协作。
早期的脚手架往往只适用于特定模型或任务，一旦模型升级就需要重新设计，也难以迁移到其他智能体系统上。不过，随着智能体之间通信、调用工具的标准逐渐形成，这类系统有望实现更便捷的复用，对定制化脚手架的依赖也会随之减少。
第三，智能体变得更容易定制。基础模型掌握了论文和教科书中的大量知识，但缺少科学家在长期实践中积累的经验——比如如何培养特定细胞、处理实验异常，或者确保复杂模拟顺利运行。
现在，研究人员可以将部分工作方法整理成“智能体技能”，用一组指令明确告诉智能体如何执行任务、调用哪些工具、产生什么结果。这些技能可以在团队内部共享和积累，实验室也可以在安全条件下，让智能体使用历史实验记录等内部资料。
在这种模式下，智能体并非独立完成科学研究，而是承担文献整理、代码运行、数据分析和候选方案生成等工作。科学家则负责设定目标、检查结果并做出最终判断。
计算生物学家 Natasha Latysheva 已经将自己研究流程中的部分方法整理成了智能体技能。她认为，尽管目前的 AI 智能体还不完全可靠，但科研人员的工作方式可能逐渐从亲自执行转向更高层次的调度。“我们每天会先检查智能体在夜间完成的实验和分析，再调整研究方向，并安排下一轮任务。”
AI 智能体正在如何改变科学研究？
AI 智能体带来的最直接变化，是成为科学家的数字助手。文献筛选、数据库查询、数据整理和代码编写等任务，都可以部分交给智能体处理。谷歌 DeepMind 高级研究科学家 Matej Balog 认为，这能让研究人员完成一些过去受编程能力限制、难以独立完成的工作。
但报告更关注的是智能体对科研核心流程的影响——从构思、寻找最优解到验证，AI 正在不同程度上参与科学发现的过程。
在构思阶段，科学家通常并不缺少想法，真正的难点在于判断哪些方向值得投入时间和实验资源。智能体可以阅读大量公开文献，寻找分散在不同学科中的线索，然后让多个子智能体分别提出假设、相互批评并排序。
斯坦福大学的研究人员 Gary Peltz 曾使用 Co-Scientist 寻找可用于重新治疗肝纤维化的现有药物。基于文献和多年经验，Peltz 选了两个候选药物，而 Co-Scientist 则推荐了三个。
结果在人体肝细胞实验中，Peltz 选的两个药均未起效。而 AI 推荐的三个候选药物中，有两个不仅抑制了纤维化，还促进了肝细胞再生。
这无疑是一个成功的案例。不过，智能体提出的假设并不一定都靠谱。Co-Scientist 负责人 Vivek Natarajan 指出，一份长篇分析中，即使只有一项关键内容由模型虚构，也可能导致整个结论失效。他认为，科研智能体需要具备“认识论上的谦逊”——能够判断自己何时缺少信息，并明确表达不确定性，而不是仅仅给出一个看似完整的答案。
（来源：DeepMind）
构思之后，智能体还可以在大量候选方案中寻找更优解。AlphaEvolve 的方法就是先生成多种候选算法，再按预设标准评分，保留表现优异的结果，并以此为基础继续迭代。据报告介绍，它已被用于辅助设计谷歌下一代 TPU 芯片、处理数学中的 Erdős 问题，以及改进基因组数据分析。
“算法几乎可以描述这个世界上的大部分科学和自然过程，”Balog 表示。正因如此，当一个问题能够用代码表达、且候选方案可以被快速评分时，智能体就能在较少人工干预的情况下持续搜索。
但在材料、化学和生命科学领域，计算得分较高的方案通常只是一条线索。一个由智能体设计的催化剂仍需要被合成和测量，一种可能有效的药物也需要经过细胞、动物和临床试验。AI 可以加快候选方案的生成，但不能跳过现实验证。
数学和计算机科学在一定程度上是例外，因为部分验证可以在计算机内完成。DeepMind 开发的 Aletheia 将证明生成器与自然语言验证器结合起来：一个系统提出证明，另一个系统检查问题并将错误返回修改。在今年 2 月的首届 First Proof 挑战中，Aletheia 在一周内解决了十道未公开研究问题中的六道，是所有参赛系统中成绩最好的。
但自动验证也带来了新的问题。Aletheia 项目负责人 Thang Luong 将其称为“证明消化不良”：AI 产生数学结果的速度，可能超过人类专家阅读和审查的速度。
同样从事数学 AI 研究的 Alex Davies 也在思考这场变革会将数学家推向何方。他说：“我可以想象这样一个世界：机器负责发现，而数学家要做的，是理解这些发现，并判断接下来哪些问题真正值得追问。”
从构思、搜索到验证，AI 智能体的作用逐步深入，但不同环节的进展并不一致。机器可以迅速增加假设和候选方案的数量，而实验设施、专家审查和自然过程却无法以同样的速度扩张。
科研体系如何应对验证瓶颈？
随着 AI 智能体能够快速生成假设和候选方案，科研体系也需要扩大筛选、验证和理解这些结果的能力。报告认为，政策制定者和科研资助机构需要重点处理四个关键问题：智能体的可及性、科研数据、实验设施，以及同行评审。
第一，让更多科学家能够使用先进的智能体。报告将其类比为过去超级计算机的访问权——一个国家除了要考虑能否训练出自己的前沿模型，还需要考虑能否将智能体真正部署到大学和科研机构，以及实验室该如何承担相应费用。
虽然单位 AI 能力的成本可能持续下降，但随着科研人员将越来越多、越来越复杂的任务交给智能体，实验室在模型调用上的总支出恐怕不会同步减少。报告因此建议，科研资助机构需要尽快判断：是在现有资助项目中增加预算，还是设立专门针对智能体使用的新资助渠道。同时，报告也建议简化采购流程，让研究人员可以按实际需要自主选择工具，而不必经过繁琐的审批。
第二，智能体需要能够读取真正适合机器使用的科研数据。目前，不少科研资料以网页、PDF 或下载文件的形式存在，虽然可供人阅读，但缺少统一格式、清晰的元数据和稳定接口，很难被智能体持续调用。
报告建议，将开放或风险较低的公共数据整理为“智能体就绪”的数据资源，并加强质量控制、长期维护和跨平台兼容。对于医疗、基因组和病毒学等敏感数据，则需要设置权限管理、隐私保护和操作审计机制。报告以英国 OpenSAFELY 项目为例：研究人员可以在受控环境中分析医疗数据，而无需直接接触原始数据，未来类似的机制也可以延伸到智能体的数据访问上。
第三，扩大实验验证能力。许多研究人员目前已经在为仪器和实验设施的排期发愁，而当智能体持续产出新的候选假设，需要被验证的项目只会越积越多。
报告提出了两条路径：一是加大对现有公共实验设施的投入，将更多实验台位和仪器运行时间开放给外部研究团队；二是推动自动化实验室建设，利用机器人和自动化仪器全天候运行标准化实验。
谷歌 DeepMind 已经在英国弗朗西斯·克里克研究所建立了一间湿实验室，并为部分使用 Co-Scientist 的独立研究人员提供实验经费；美国的 Genesis Mission 计划则试图打通能源部下属国家实验室、高校和 AI 企业之间的资源。由于自动化实验室的建设成本高昂，报告建议采用公共投资和共享设施的模式，降低单个团队使用这些资源的门槛。
第四，调整同行评审机制。AI 已经大幅降低了撰写论文和基金申请书的成本，这意味着投稿和申请数量还会继续攀升，而文字表达本身也越来越难以直接反映研究质量。学者 James Wilsdon 和 Geraint Rees 指出，问题不只是供给量的增加，写作质量本身已经不再是一个可靠的筛选标准。如果申请人普遍借助智能体准备材料，而评审者仍完全依靠人工逐一审阅，现有的评审压力只会进一步加剧。
报告建议，评审者同样可以借助智能体检查引用是否准确、数据是否存在错误、证据链是否完整，从而将更多精力留给对研究价值本身的判断。不过，由于评审材料通常尚未公开，相关工具的使用也需要满足严格的保密和数据安全要求。
此外，研究人员还需要更清楚地说明 AI 在研究中的作用。报告提到了“人机交互卡”（Human-AI Interaction Cards）这一设想：记录下产生关键研究思路时所使用的提示词、模型输出和后续的人工修改，让评审者能够追溯一项成果究竟是如何形成的。
显然，智能体的普及会影响下一代科研人才的培养。但如果年轻研究人员在真正掌握基础方法之前，就已经习惯将大量工作外包给 AI，未来可能难以形成审视和质疑机器输出所需的专业判断力。报告因此建议，科研训练体系可以保留一定的无智能体阶段，让学生先扎实掌握基本方法，再逐步将智能体作为协作伙伴使用。
1.https://datumo.com/blog/insight/co-scientist-google-ai-en/
2.https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/
注：封面由 AI 辅助生成
