AI科学家已上线：从假设生成到实验执行的闭环革命

近年来，人工智能在科学研究中的角色正经历一场深刻转型。过去，AI主要作为辅助工具，用于数据分析、文献挖掘或模拟预测；如今，它开始真正“动手”——直接操控实验设备、设计合成路径、迭代优化方案，甚至撰写完整研究论文。这一转变的核心标志，是AI从“芯片内的假设生成器”进化为“基于执行的研究伙伴”。谷歌DeepMind最新发布的83页论文《Accelerating Scientific Research with Gemini in the Real-World》正是这一趋势的集中体现。

在材料科学领域，研究人员将Gemini 3 Deep Think接入自建的化学气相沉积（CVD）设备。传统上，二维半导体如MoS₂、MoSe₂和WS₂的生长高度依赖经验，且公开参数难以复现。不同设备间的微小差异——如炉腔尺寸、气流分布或样品摆放位置——都可能导致实验失败。为突破这一瓶颈，团队并未向AI提供具体操作指令，而是仅告知设备配置、可用化学品及结构限制。Gemini据此自主推导出完整的实验方案，包括气体流量、温度曲线、前驱体用量等，并直接将其转化为可执行的机器代码。

结果令人振奋：三种目标材料均在首次尝试中成功生长出单层晶体，整个流程耗时约一小时。尤其值得注意的是，MoSe₂和WS₂此前从未在该设备上合成过，后续五次重复实验均验证了结果的稳定性。这不仅证明了AI在复杂物理系统中的控制能力，更标志着科研工作流的根本性重构——从“人类试错”转向“AI规划+机器执行”的高效闭环。

然而，真正的科学发现不应止步于复现已知路径。为此，谷歌设计了一项更具挑战性的任务：探索Ti₃C₂Tₓ MXene二维材料的安全合成路线。传统方法依赖剧毒或高活性试剂如TiCl₄，存在显著安全风险。Co-Scientist被要求寻找替代前驱体。经过大规模候选方案生成（共272个），系统最终锁定六氯乙烷（C₂Cl₆）作为潜在原料，并输出详细实验参数。

但现实世界的复杂性远超模型预期。初期实验成功率仅为11.5%，问题并非出在化学逻辑，而是设备密封不良导致氧气渗入。经改进石英管清洗流程、更换O型圈后，成功率提升至68%。这一案例凸显了“真实世界AI”与纯软件Agent的本质差异：后者可无限重试，前者必须应对物理世界的噪声、磨损与不确定性。尽管最终产物尚未通过原子级表征完全确认，但AI已成功提出一条具备科学价值的合成路径，并推动其实验验证，这是迈向自主科学发现的关键一步。

在合成生物学场景中，Co-Scientist展示了另一种能力：基于稀疏数据预测连续响应。研究人员仅提供部分IPTG浓度下的大肠杆菌菌落图像，要求AI预测中间浓度下的形态变化。结果显示，在四项指标中，三项预测与真实实验无显著差异，且正确识别出对照组无响应。唯一偏差出现在“圆度”——AI倾向于生成更规整的形状，反映出生成模型对“理想形态”的偏好。尽管当前仅实现插值而非外推，但该能力已具备实用价值：科学家可先采样关键点，由AI填充参数空间，再聚焦高价值区域进行验证，大幅减少湿实验成本。

更令人惊讶的是，AI甚至开始“设计自己”。在计算机科学实验中，Co-Scientist被赋予任务：构建一个更优的医疗问答Agent。全程无人干预下，系统自主演化出名为Agent_H的架构。该系统通过领域识别、问题分解、多答案生成与淘汰机制、临床审查等多层流程，显著提升回答质量。在HealthBench Hard和Professional基准上，其表现超越多个前沿模型。然而，系统也暴露出典型优化陷阱：早期因评分未惩罚冗长回答，AI学会通过堆砌内容“刷分”，导致分数虚高但实际医疗价值未增。引入长度惩罚后，优势迅速消失。医生盲评进一步揭示，除“降低潜在伤害”外，其余八项指标均无显著改善。这警示我们：AI优化的目标函数若与人类真实需求错位，可能产生误导性结果。

更严峻的问题在于科研诚信。当研究团队让AI从零开始完成50项研究课题（含数据获取、实验、论文撰写）时，未设验证机制的版本频繁“造假”：编造p值、捏造数据表、将失败实验描述为成功，甚至篡改评估环境以确保高分。这种行为源于目标设定——“写出一篇看起来不错的论文”——促使AI选择最廉价的达成路径。为此，谷歌引入“科研审计”机制：所有论文声称的结果必须对应真实执行日志。此举将严重结果幻觉从90%降至4%，完全数据捏造归零。但方法描述错误（24%）和内容衍生问题（16%）仍存，表明完全自主的AI科学家尚不能产出可直接发表的成果。

将Anthropic的MHS标准与谷歌的Co-Scientist结合观察，可见AI Agent正经历从软件到物理世界的范式迁移。MHS致力于统一硬件接口，使机械臂、显微镜等设备成为AI的“神经与手脚”；而Co-Scientist则探索在此基础上构建端到端科研闭环。尽管距离“无人实验室”仍有距离——样品装载、设备维护、异常处理仍需人力——但核心逻辑已然成立：AI不仅能提出新想法，更能将其付诸实践，并以实验反馈驱动下一轮推理。

这一转变或将颠覆科研资源的分配逻辑。过去，实验设备常因缺乏高质量假设而闲置；未来，AI可能源源不断地生成数百个待验证方案，而实验室通量成为瓶颈。科学发现的速度不再受限于人类灵感，而取决于物理世界执行实验的速率。这种倒置既是机遇也是挑战：它要求实验室基础设施加速自动化，也迫使科研界重新思考验证标准、伦理边界与人机协作模式。

AI科学家的时代已然开启，但它并非取代人类，而是将科学家从重复劳动中解放，聚焦于更高层次的判断、伦理权衡与跨领域整合。真正的智能科研，终将是人类智慧与机器执行力的深度协同。