人工智能智能体与科研领域全新验证瓶颈

AI 代理正在重塑科学研究，从提出假设到设计实验，再到发现算法，其能力已超越人类专家。然而，验证 AI 代理生成的想法成为新的瓶颈。

核心观点与关键数据：

1. AI 代理的优势：更强的前沿模型、支架技术和可定制性使 AI 代理在科学研究中发挥重要作用。例如，Co-Scientist 帮助微生物学家在两天内提出五个潜在假设，其中排名第一的假设与人类团队花费十年时间得出的结论相同。
2. AI 代理的应用：科学家将日常任务（如文献筛选、数据库查询、数据分析）交给 AI 代理，显著提高效率。AI 代理尤其擅长编写代码，科学家只需用自然语言描述需求，即可快速获得可用代码。
3. 验证瓶颈：AI 代理擅长生成想法和候选解决方案，但在验证这些想法方面仍存在局限。例如，AI 代理可以提出治疗肝纤维化的药物候选，但无法确定其有效性。数学和计算机科学领域是例外，AI 代理可以生成可验证的证明，如 Aletheia 在 First Proof 挑战中解决了 10 个问题中的 6 个。

政策建议与研究结论：

1. 确保 AI 代理的广泛访问：政策制定者和科研资助者应确保所有科学家都能访问最佳 AI 代理，以加速发现并评估 AI 代理的效用。这类似于历史上将超级计算机提供给所有科学家的挑战。
2. 使国家数据资产适用于 AI 代理：开放或低风险数据应通过 API 向 AI 代理开放，并确保数据质量和元数据。对敏感数据，需要开发隐私保护解决方案。AI 代理还可以帮助识别最重要的数据集。
3. 解决验证瓶颈：投资现有实验验证基础设施，加速自动化实验室的发展。例如，美国国家科学基金会已投入 1 亿美元建立分布式设施网络。
4. 赋能同行评审：同行评审过程面临挑战，AI 代理的广泛应用使评审更加困难。解决方案包括更清晰地记录 AI 代理的使用，并允许同行评审人员使用 AI 代理进行辅助工作，如检测错误。

未来展望： AI 代理将推动科学研究进入新的时代，需要升级现有的科研基础设施和制度。各国应将此视为结构性变革的机遇，进行重大投资，以解锁最大公共价值并塑造未来科学研究的发展方向。