别再关注炒作——真正的人工智能革命正在一个充满酵母的实验室里发生

当公众正专注于能写诗或生成虚假视频的人工智能聊天机器人时，瑞典查尔姆斯理工大学（Chalmers University of Technology）的一个实验室里正在发生一场更具颠覆性的变革。几十年来，科学发现的形象一直是人类研究人员蜷缩在显微镜前，等待灵光一现的时刻。这种形象现在已经过时了。研究人员开发了一位名为 Eve 的人工智能科学家，它不仅是协助人类工作，Eve 还能自主生成假设、设计实验并解释结果，且不需要喝咖啡休息。

这不是模拟实验。这是一个软件和硬件协同工作以探索生物学奥秘的闭环实验室。具体而言，该系统正在研究酿酒酵母（Saccharomyces cerevisiae）。虽然对于如此先进的技术来说，酵母似乎是一个简单的研究对象，但它是生物学研究的基础生物。机器能够自主驾驭活体基因组的复杂性，标志着我们开发新药物和理解生命本身的方式发生了系统性变化。

永不疲倦、永不眠的实习生

要理解这为何重要，请看人类科学家的典型工作流程。研究人员阅读数百篇论文，形成理论，手动准备培养皿，等待反应，然后花几天时间分析数据。这是一个缓慢的周期性过程，容易出现人为错误和疲劳。Eve 的工作方式就像一个拥有完美记忆力且不知疲倦的实习生。研究人员利用大语言模型和自动推理对这个机器人科学家进行了更新，使其能够消化海量的科学文献，这是任何人类一生都无法读完的。

在底层逻辑上，Eve 将现代人工智能的思维能力与实验室自动化的物理能力结合在一起。它可以访问酵母的整个基因组和代谢系统。当 Eve 确定了一个想要回答的生物学问题时，它不会等待许可。它会建议一项实验，使用机械臂执行实验，然后评估结果。如果结果不是它预期的，它会完善自己的理解并立即开始下一个循环。

实验室里的自动驾驶汽车

查尔姆斯理工大学的研究员伊夫根尼娅·秋科娃（Ievgeniia Tiukova）将这一发展比作自动驾驶汽车。在自动驾驶汽车中，人工智能必须处理视觉数据，得出关于交通的结论，并通过转向或制动采取物理行动。人工智能科学家对生物数据做同样的事情。它处理过去研究的信息，得出关于基因如何相互作用的结论，并在物理实验室中采取行动。

从历史上看，科学领域的人工智能是一种被动工具。你给它数据，它给你图表。现在，人工智能坐在了驾驶座上。考虑到现代遗传学涉及的巨大数据量，这种转变是透明且合乎逻辑的。人类大脑的进化并不能跟踪代谢网络中成千上万个同时发生的化学反应，但人工智能可以。

为什么酵母是生物学的数字原油

人们很容易好奇，为什么这么多的高科技火力被对准了酿酒酵母。对于普通用户来说，酵母是用来做面包或啤酒的东西。然而，在生物技术世界中，酵母是一个活的工厂。由于酵母细胞与人类细胞共享许多基本功能，它们是药物研发的实用模型。如果你能理解如何操纵酵母细胞来生产特定的化学物质或对某种化合物做出反应，你通常可以将这些经验应用于人类医学。

查尔姆斯理工大学教授、该研究的高级作者罗斯·金（Ross King）指出，自主实验室调查生物系统的速度将比现在快得多。这种速度是最终目标。通过使用人工智能自动化常规的测试周期，我们可以在几个月而不是几十年内找到疾病的新疗法。底线是，发现的速度不再受限于房间里合格人类的数量。

揭开闭环系统术语的神秘面纱

简单来说，闭环系统意味着人工智能负责研究的整个圆环。当今大多数人工智能应用都是开环的——人类给出提示，人工智能给出答案，过程到此结束。在 Eve 的实验室里，人工智能自身的实验结果变成了它下一步行动的提示。这创造了一个加速的反馈循环。

这项技术具有韧性，因为它不会对重复性任务感到厌倦。生物学研究的大部分内容都极其乏味，涉及数千次将微量液体从一个管子转移到另一个管子。人类这样做时会犯错，而机器人这样做时，结果是一致的。这种一致性是科学有效性的基础。它确保了当一项发现产生时，是因为生物学本身，而不是因为研究人员在周五下午 4:00 手抖了。

这对你的医药箱意味着什么

从消费者的角度来看，自主人工智能科学家的影响最终将体现在医疗保健的价格和普及性上。药物研发过程目前是世界上最昂贵且波动最大的行业之一。将一种新药推向市场需要耗资数十亿美元，这在很大程度上是因为大多数实验都失败了。

通过使用人工智能科学家来优化实验室资源，生物技术公司可以更快、更廉价地经历失败。这并不意味着人类失业了。相反，人类科学家的角色正在发生转变。罗斯·金强调，人类对于定义研究优先级和确保伦理监督仍然至关重要。人工智能处理“如何做”，而人类专注于“为什么做”。我们正在向一种伙伴模式迈进，在这种模式下，人工智能负责数据和实验的重活，而将高层战略留给我们。

全球研究市场不断变化的现实

从大局来看，这一发展是专业知识去中心化更广泛趋势的一部分。随着这些自主系统变得更具可扩展性，较小的实验室将能够进行以前需要庞大企业基础设施才能完成的研究。大语言模型的集成意味着人工智能现在可以弥补阅读教科书与执行物理任务之间的差距。

这是迈向未来的一步，在那个未来，科学突破将是源源不断的流，而不是罕见的事件。我们正看到一种新型医药工业支柱的出现。正如微芯片成为 20 世纪的数字原油一样，自主发现引擎正成为 21 世纪的引擎。

对未来障碍的务实审视

我们应该保持一些健康的怀疑态度。虽然 Eve 令人印象深刻，但该系统仍运行在酵母生物学的狭窄范围内。从单细胞生物跨越到人体内数万亿个细胞是复杂性上的巨大飞跃。人工智能还必须应对生物系统不透明的本质，其中一个微小的改变可能会产生不可预见的连锁反应。

此外，这些实验室的硬件成本仍然很高。虽然软件可能容易复制，但机械臂、传感器和专用设备却并非如此。这创造了一个暂时的准入门槛。然而，随着技术的成熟，我们可以预期这些成本会下降，就像前几十年家用电脑或 3D 打印机的价格下降一样。

最终，自主人工智能科学家的到来促使我们改变看待进步的方式。我们不再仅仅是构建帮助我们思考的工具，我们正在构建能够代表我们思考和行动的系统。当你开始新的一天时，请记住，在瑞典的一个实验室里，一个机器人正悄悄地处理成千上万种生物可能性，寻找某天可能挽救你生命的下一次突破。下次你看到关于人工智能的头条新闻时，请记住酵母。最重要的工作往往发生在最小的细胞中，由我们建造过的最先进的思想引导。

来源

• Chalmers University of Technology, 新闻稿: "AI scientist autonomously generates and validates new biological discoveries."
• Journal of the Royal Society Interface, 研究论文: "Autonomous discovery of biological knowledge by a robot scientist."
• Wallenberg AI, Autonomous Systems and Software Program (WASP), 资助与项目报告。
• University of Cambridge, 关于自动推理的协作研究文档。