導(dǎo)語

科學(xué)發(fā)現(xiàn)的軌跡，如同交織在人類歷史中的璀璨織錦，經(jīng)歷了一系列范式的演進(jìn)。早期的探索，主要依賴于由直覺、反復(fù)試驗(yàn)或機(jī)緣巧合驅(qū)動的經(jīng)驗(yàn)發(fā)現(xiàn)。隨后，以牛頓力學(xué)為代表的理論框架，為我們洞察自然現(xiàn)象的基本原理提供了基石。高性能計算的崛起，則開啟了跨學(xué)科、多尺度建模的計算科學(xué)時代。而這些過程產(chǎn)生的海量數(shù)據(jù)，又將我們推向了以揭示高維數(shù)據(jù)隱藏關(guān)系為核心的數(shù)據(jù)科學(xué)范式。

如今，我們正迎來一個可能的新范式——智能體科學(xué)（Agentic Science）。在這個范式中，AI 智能體能夠（半）自主地進(jìn)行探索和學(xué)習(xí)，解鎖前所未有的科學(xué)發(fā)現(xiàn)路徑。

關(guān)鍵詞：AI智能體，自動科學(xué)發(fā)現(xiàn)

曾利丨作者

周莉丨審校

論文題目：Towards agentic science for advancing scientific discovery 論文鏈接：https://www.nature.com/articles/s42256-025-01110-x 發(fā)表時間：2025年9月10日 論文來源：Nature Machine Intelligence

智能體AI的崛起：從專家系統(tǒng)到通用大模型

從歷史上看，人工智能智能體的概念可以追溯到AI的黎明時代。1965年，DENDRAL系統(tǒng)應(yīng)用基于規(guī)則的推理來分析化學(xué)數(shù)據(jù)、推斷分子結(jié)構(gòu)，成為最早的領(lǐng)域?qū)Ｓ肁I系統(tǒng)之一 [1]。1966年，ELIZA通過模擬心理治療師的文本對話，展示了自然語言交互的潛力 [2]。此后數(shù)十年，專家系統(tǒng)、概率模型和機(jī)器學(xué)習(xí)技術(shù)不斷拓展著AI智能體的能力邊界。

2010年代深度學(xué)習(xí)的革命性突破，使系統(tǒng)能夠大規(guī)模處理非結(jié)構(gòu)化數(shù)據(jù)，學(xué)習(xí)復(fù)雜模式。而近期，大語言模型（LLM）的飛速發(fā)展，極大地拓寬了智能體AI的可及性、適應(yīng)性和科學(xué)相關(guān)性，為其跨研究領(lǐng)域的整合開辟了新紀(jì)元。

核心能力：AI智能體如何思考與行動？

AI智能體的一個決定性特征，是其獨(dú)立的能動性（Agency）[3]。這種靈活性由作為其核心的多模態(tài)大語言模型所驅(qū)動，使其能夠跨越文本、圖像、音頻、視頻乃至化學(xué)式、數(shù)學(xué)表達(dá)式等結(jié)構(gòu)化數(shù)據(jù)進(jìn)行高級推理。

通過主動學(xué)習(xí)和與外部工具（如軟件、自動化實(shí)驗(yàn)室硬件）的無縫集成，AI智能體可以直接與物理世界和數(shù)字資源互動，收集新數(shù)據(jù)。最新的進(jìn)展，如“模型上下文協(xié)議”（Model Context Protocol）和“Agent2Agent”通信協(xié)議，正在為構(gòu)建由多個自主智能體協(xié)同工作的分布式系統(tǒng)鋪平道路。

這些發(fā)展共同賦予了AI智能體解釋觀察、理解用戶指令、制定行動計劃并實(shí)時調(diào)整策略的能力。其多步驟的戰(zhàn)略思維使其能夠預(yù)見行動后果，平衡短期與長期目標(biāo)。憑借其遠(yuǎn)見卓識、模塊化架構(gòu)和強(qiáng)大的工具集成能力，智能體AI正引領(lǐng)科學(xué)研究從大規(guī)模數(shù)據(jù)分析，邁向自主實(shí)驗(yàn)設(shè)計的新時代。

這一變革的基礎(chǔ)，是旨在自動化整個科研工作流程的AI智能體框架——從假設(shè)生成、實(shí)驗(yàn)規(guī)劃、數(shù)據(jù)分析到最終的成果發(fā)表。

實(shí)踐前沿：當(dāng)AI走進(jìn)實(shí)驗(yàn)室

• Sakana AI推出的AI Scientist等新興系統(tǒng)，已在嘗試自主管理整個研究周期，包括構(gòu)思、設(shè)計、分析乃至稿件撰寫和審閱，力求最大限度地減少人工干預(yù) [4]。

圖1：Sakana AI所設(shè)計的人工智能科學(xué)家系統(tǒng)說明。人工智能科學(xué)家首先集思廣益一組想法，然后評估它們的新穎性。接下來，它編輯由自動代碼生成的最新進(jìn)展提供支持的代碼庫，以實(shí)現(xiàn)新穎的算法。然后，科學(xué)家進(jìn)行實(shí)驗(yàn)以收集由數(shù)字?jǐn)?shù)據(jù)和視覺摘要組成的結(jié)果。它制作了一份科學(xué)報告，解釋結(jié)果并將其置于背景中。最后，人工智能科學(xué)家根據(jù)頂級機(jī)器學(xué)習(xí)會議標(biāo)準(zhǔn)生成自動同行評審。該審查有助于完善當(dāng)前項(xiàng)目，并為后代提供開放式構(gòu)思的信息。

• FutureHouse平臺則展示了如何將多個專門的AI智能體（如文獻(xiàn)分析師、新穎性檢測器、實(shí)驗(yàn)規(guī)劃師）組合成一個強(qiáng)大的化學(xué)研究流水線 [5]。

圖2：FutureHouse 平臺提出的多智能體科學(xué)發(fā)現(xiàn)體系的四層架構(gòu)。該圖展示了人類科學(xué)家與人工智能系統(tǒng)在科研過程中的協(xié)同關(guān)系：最上層由人類科學(xué)家提出核心科學(xué)問題與探索目標(biāo)（，作為整個系統(tǒng)的研究驅(qū)動力；第二層的 AI 科學(xué)家通過構(gòu)建世界模型、生成假設(shè)并開展實(shí)驗(yàn)，形成自動化的科學(xué)推理與驗(yàn)證循環(huán)；第三層的 AI 科研助手由針對特定學(xué)科流程的智能體組成，如可執(zhí)行文獻(xiàn)檢索、蛋白功能注釋、新蛋白設(shè)計、單細(xì)胞測序分析等任務(wù)，為 AI 科學(xué)家的推理提供數(shù)據(jù)與知識支持；最底層的 AI 工具層包括預(yù)測模型（如 AlphaFold）、API 接口與實(shí)驗(yàn)室自動化實(shí)驗(yàn)系統(tǒng)，為上層智能體提供算法支撐與實(shí)驗(yàn)驗(yàn)證。整個架構(gòu)體現(xiàn)了從工具到智能體再到智能科學(xué)家的遞進(jìn)式協(xié)作，旨在推動復(fù)雜科研任務(wù)的智能化與系統(tǒng)化。

• 專注于材料科學(xué)的LLaMat模型，在生成化學(xué)上有效的晶體結(jié)構(gòu)和從文獻(xiàn)中提取技術(shù)數(shù)據(jù)方面，展現(xiàn)了前所未有的能力 [6]。

圖3：LLaMat 在材料科學(xué)領(lǐng)域的開發(fā)流程與功能示意。該圖展示了 LLaMat 的兩階段開發(fā)過程：首先進(jìn)行基于材料科學(xué)語料的持續(xù)預(yù)訓(xùn)練（上方），隨后通過兩條專門的指令微調(diào)路徑進(jìn)行優(yōu)化（左右分支）。預(yù)訓(xùn)練數(shù)據(jù)主要來源于學(xué)術(shù)論文、晶體結(jié)構(gòu)文件以及通用文本語料。兩條微調(diào)路徑分別產(chǎn)出兩個模型：LLaMat-Chat——可輔助材料研究、執(zhí)行結(jié)構(gòu)化信息抽取與材料語言處理任務(wù)；以及LLaMat-CIF——專注于晶體結(jié)構(gòu)的分析與生成。圖中示例展示了模型在處理不同類型材料科學(xué)問題與任務(wù)時的表現(xiàn)。

這些新興框架，正推動我們朝著一個可擴(kuò)展、透明和協(xié)作的智能體生態(tài)系統(tǒng)邁進(jìn)，以加速科學(xué)發(fā)現(xiàn)。

跨學(xué)科的差異：并非所有領(lǐng)域都已準(zhǔn)備就緒

重要的是要認(rèn)識到，智能體AI的影響力因?qū)W科而異。在化學(xué)和材料科學(xué)這類問題結(jié)構(gòu)化、數(shù)據(jù)豐富且自動化程度高的領(lǐng)域，智能體方法已帶來切實(shí)的好處。

• 在化學(xué)領(lǐng)域，Coscientist系統(tǒng)利用LLM解釋自然語言指令，自主設(shè)計實(shí)驗(yàn)并通過API操作云端實(shí)驗(yàn)室設(shè)備 [7]。

圖 4：AI co-scientist的多智能體架構(gòu)設(shè)計。該系統(tǒng)能夠接收研究者以自然語言形式輸入的科研目標(biāo)，并將其解析為可執(zhí)行的研究計劃配置。隨后，計劃被發(fā)送至監(jiān)督智能體（Supervisor agent），由其評估整體方案，分配各專業(yè)智能體的權(quán)重與資源，并根據(jù)權(quán)重優(yōu)先級將其排入任務(wù)隊(duì)列。各工作進(jìn)程依次執(zhí)行隊(duì)列中的智能體任務(wù)，系統(tǒng)最終整合所有結(jié)果，生成包含研究概述、詳細(xì)假設(shè)與方案建議的輸出，為科研人員提供支持。在圖中，“AI 共研智能體的專用智能體”部分中的紅色方框表示具有不同邏輯與功能的獨(dú)立智能體，藍(lán)色方框表示科研人員參與與反饋的環(huán)節(jié)；深灰色箭頭表示信息在系統(tǒng)中的傳遞路徑，而紅色箭頭則代表各專用智能體之間的信息反饋循環(huán)。

• 在材料科學(xué)領(lǐng)域，A-Lab作為一個全自主固態(tài)合成實(shí)驗(yàn)室，集成了機(jī)器人、機(jī)器學(xué)習(xí)和從頭計算。雖然它也使用LLM預(yù)測合成方案，但尚未形成閉環(huán)的智能體行為 [8]。相比之下，采用檢索增強(qiáng)生成（RAG）的LLaMP框架，則通過分層推理-行動智能體，實(shí)現(xiàn)了真正意義上的高保真知識動態(tài)合成 [9]。

圖5：LLaMP 系統(tǒng)中的分層 ReAct 智能體規(guī)劃架構(gòu)圖。該架構(gòu)通過標(biāo)準(zhǔn)化的 LangChain 接口部署了兩層智能體：上層為監(jiān)督型 ReAct 智能體，下層為多個助理型 ReAct 智能體。監(jiān)督智能體負(fù)責(zé)統(tǒng)籌與調(diào)度底層助理智能體的工作，每個助理智能體都配備有獨(dú)立的工具集和數(shù)據(jù)/文檔存儲，以完成不同類型的科研任務(wù)，包括高保真材料信息檢索、原子級建模與仿真、以及文獻(xiàn)搜索等。

然而，在社會科學(xué)等統(tǒng)一數(shù)據(jù)集稀缺、研究問題定義模糊的領(lǐng)域，AI仍難以有效施展。同樣，在臨床診斷或動物行為研究等需要細(xì)致人類判斷和倫理敏感性的任務(wù)中，AI智能體必須服從于人類專家的智慧，其邊界條件明確。

核心挑戰(zhàn)（一）：幻覺與事實(shí)的邊界

AI智能體在科學(xué)應(yīng)用中的一個關(guān)鍵挑戰(zhàn)，是LLM固有的“幻覺”傾向——即產(chǎn)生聽起來似是而非但無法驗(yàn)證或不正確的信息。盡管這種推斷偶爾可能觸及未知的創(chuàng)新領(lǐng)域，但它也極有可能引入錯誤，破壞科學(xué)的嚴(yán)謹(jǐn)性。

為了管理科學(xué)推理的復(fù)雜性，AI智能體必須植根于領(lǐng)域知識。通過整合知識圖譜（如化學(xué)反應(yīng)網(wǎng)絡(luò)、基因本體庫）等結(jié)構(gòu)化資源，智能體可以交叉驗(yàn)證其輸出，減少事實(shí)錯誤。

然而，“幻覺”的形式可能更為微妙。一種被稱為“草率”（slopsquatting）的現(xiàn)象——即LLM“發(fā)明”并引用不存在的軟件包或文獻(xiàn)——凸顯了對缺乏知識基礎(chǔ)的輸出產(chǎn)生無端信心的巨大風(fēng)險。在需要持續(xù)推理和上下文感知的長期、多步驟任務(wù)中，這一問題尤為突出。METR等最新基準(zhǔn)測試表明，即使是先進(jìn)的LLM智能體也難以應(yīng)對此類任務(wù)，往往會隨著時間推移累積并放大微小錯誤。這凸顯了整合領(lǐng)域知識、外部驗(yàn)證和人類監(jiān)督對于確保AI智能體安全可靠部署的重要性 [10]。

核心挑戰(zhàn)（二）：如何評估一個“AI科學(xué)家”？

在提高事實(shí)可靠性的同時，另一個根本性挑戰(zhàn)在于如何評估智能體AI的性能。傳統(tǒng)的機(jī)器學(xué)習(xí)指標(biāo)（如準(zhǔn)確率、精確度）顯然不適用。對于一個交互式、多步驟、目標(biāo)驅(qū)動的“AI科學(xué)家”，我們該如何衡量其優(yōu)劣？

最近，學(xué)界提出了一些新指標(biāo)，如pass@k（k次嘗試中至少成功一次）、步數(shù)、推理圖中的最短路徑距離等 [11]。針對特定領(lǐng)域的基準(zhǔn)測試也在涌現(xiàn)，例如，自主顯微鏡的AFMBench基準(zhǔn)就在真實(shí)實(shí)驗(yàn)室任務(wù)中測試了LLM驅(qū)動的智能體，揭示了其在復(fù)雜科學(xué)工作流程中的關(guān)鍵故障模式 [12]。

然而，這些指標(biāo)和基準(zhǔn)遠(yuǎn)未標(biāo)準(zhǔn)化，且缺乏跨領(lǐng)域的普適性。在材料科學(xué)等領(lǐng)域，工作流程的多樣性、實(shí)驗(yàn)結(jié)果的變異性以及高度依賴上下文的成功定義，都使一致性評估變得異常困難。最終，對這些系統(tǒng)的真正考驗(yàn)，或許不僅在于形式化的指標(biāo)，更在于它們是否能在實(shí)際科研中提供可衡量的效用。

核心挑戰(zhàn)（三）：提示詞的“蝴蝶效應(yīng)”

與評估挑戰(zhàn)緊密相關(guān)的，是提示詞脆弱性（Prompt Fragility）問題：智能體系統(tǒng)對自然語言輸入的細(xì)微變化或歧義極為敏感。就像動力系統(tǒng)中的初始條件，一個措辭不當(dāng)或含糊的提示，可能引導(dǎo)模型走向完全不同甚至錯誤的路徑。

這種“脆弱性”在科學(xué)背景下尤其危險。為了解決這個問題，智能體框架必須內(nèi)置驗(yàn)證機(jī)制和安全聯(lián)鎖。例如，在關(guān)鍵決策點(diǎn)，中間輸出應(yīng)由人類專家或?qū)ｉT的“驗(yàn)證智能體”進(jìn)行審查。一旦檢測到不一致或不合理的行動（如提議使用不存在的化合物或違反安全規(guī)程），系統(tǒng)應(yīng)能自動暫?；蛐拚媱?。沒有這樣的保障，多步驟的自主性就有可能將小錯誤累積成重大的科學(xué)脫軌。

解決這些技術(shù)障礙需要多管齊下的方法：通信協(xié)議和數(shù)據(jù)格式的標(biāo)準(zhǔn)化、可擴(kuò)展的計算資源，以及遷移學(xué)習(xí)、自監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)等先進(jìn)學(xué)習(xí)方法的集成。

超越技術(shù)：重塑科研的嚴(yán)謹(jǐn)性與倫理

除了解決技術(shù)難題，AI智能體還有望從根本上提升科學(xué)研究的嚴(yán)謹(jǐn)性和可復(fù)現(xiàn)性。通過系統(tǒng)性地分析文獻(xiàn)、識別矛盾和被忽視的缺口，AI智能體能幫助研究人員更深入、更一致地驗(yàn)證假說。

為了實(shí)現(xiàn)這一目標(biāo)，涉及智能體AI的科學(xué)報告必須包含詳盡的透明文檔（如所用模型版本、代表性提示詞和智能體對話），以便他人復(fù)現(xiàn)。期刊和會議也應(yīng)建立類似實(shí)驗(yàn)方案的標(biāo)準(zhǔn)化報告指南。

與此同時，倫理考量是部署智能體AI的核心。我們必須警惕算法偏見（例如，AI可能傾向于強(qiáng)化主流趨勢而忽視非傳統(tǒng)路徑），并確保決策過程的透明度。在整個人工智能管道中設(shè)置制衡機(jī)制，并始終保持“人類在環(huán)”（Human-in-the-loop），讓人類科學(xué)家提供戰(zhàn)略監(jiān)督和批判性審查，是至關(guān)重要的。

結(jié)語：邁向人機(jī)協(xié)同的未來

負(fù)責(zé)任地整合AI智能體，需要一種整體性方法，確保這些技術(shù)在成為科學(xué)發(fā)現(xiàn)催化劑的同時，始終與嚴(yán)謹(jǐn)?shù)目茖W(xué)精神和社會價值觀保持一致。一個由AI處理高通量任務(wù)、人類提供戰(zhàn)略監(jiān)督和倫理把關(guān)的人機(jī)協(xié)同新范式，正向我們走來。它不僅將加速科學(xué)的步伐，更有可能提升科學(xué)探究的標(biāo)準(zhǔn)，培育一個更加透明和值得信賴的科研文化。

參考文獻(xiàn)

[1] Lindsay, R. K., Buchanan, B. G., Feigenbaum, E. A. & Lederberg, J. Artif. Intell.61, 209–261 (1993).

[2] Weizenbaum, J. Commun. ACM9, 36–45 (1966).

[3] Masterman, T., Besen, S., Sawtell, M. & Chao A. Preprint at https://doi.org/10.48550/arxiv.2404.11584 (2024).

[4] Lu, C. et al. Preprint at https://doi.org/10.48550/arxiv.2408.06292 (2024).

[5] Narayanan, S. M. et al. Preprint at https://doi.org/10.48550/arxiv.2506.17238 (2025).

[6] Mishra, V. et al. Preprint at https://doi.org/10.48550/arxiv.2412.09560 (2024).

[7] Boiko, D. A., MacKnight, R., Kline, B. & Gomes, G. Nature624, 570–578 (2023).

[8] Szymanski, N. J. et al. Nature624, 86–91 (2023).

[9] Chiang, Y., Hsieh, E. Chou, C.-H. & Riebesell, J. Preprint at https://doi.org/10.48550/arxiv.2401.17244 (2024).

[10] Kwa, T. et al. Preprint at https://doi.org/10.48550/arxiv.2503.14499 (2025).

[11] Yao, S., Shinn, N., Razavi, P. & Narasimhan K. Preprint at https://doi.org/10.48550/arxiv.2406.12045 (2024).

[12] Krishnan, N. M. A. et al. Preprint at https://doi.org/10.48550/arxiv.2501.10385 (2024).

「大模型時代下的Agent建模與仿真」讀書會

集智俱樂部聯(lián)合山東工商學(xué)院副教授高德華、天津大學(xué)教授薛霄、北京師范大學(xué)教授張江、國防科技大學(xué)博士研究生曾利共同發(fā)起。讀書會自2025年7月8日開始，每周二晚上7:30-9:30進(jìn)行，現(xiàn)讀書會已結(jié)束，支持查看課程回放。掃碼加入Agent建模與仿真的前沿探索之旅，一起共學(xué)、共創(chuàng)、共建、共享「大模型時代下的Agent建模與仿真」社區(qū)，共同暢想大模型時代人工社會的未來圖景！

核心問題

Agent建模與仿真是什么，核心技術(shù)發(fā)生了怎樣的演變？

大模型時代，Agent建模與仿真會給復(fù)雜系統(tǒng)理論帶來哪些突破？

大模型如何賦能Agent實(shí)現(xiàn)自主思考與動態(tài)適應(yīng)？

大模型驅(qū)動的Agent交互會涌現(xiàn)出什么新型的社會現(xiàn)象？

Agent建模與仿真如何改變金融、心理、管理、軍事等領(lǐng)域的研究范式？

你將收獲

梳理Agent建模與仿真的歷史發(fā)展脈絡(luò)與方法論；

掌握一套理解、分析、控制、預(yù)測復(fù)雜系統(tǒng)的計算實(shí)驗(yàn)框架；

掌握基于多主體強(qiáng)化學(xué)習(xí)的復(fù)雜系統(tǒng)優(yōu)化方法；

領(lǐng)略領(lǐng)域前沿學(xué)者的研究體系與科研路徑。

詳情請見：

1.

2.

3.

4.

5.

6.