自動(dòng)駕駛或自動(dòng)設(shè)計(jì)已經(jīng)成為 AI 引導(dǎo)技術(shù)發(fā)展中一道顯眼的標(biāo)簽。在這過(guò)程中，AI 負(fù)責(zé)引導(dǎo)整個(gè)發(fā)現(xiàn)過(guò)程，幫助設(shè)計(jì)實(shí)驗(yàn)與完善決策策略。

這種由 AI 實(shí)時(shí)分析數(shù)據(jù)并提示研究者何時(shí)調(diào)整策略的「人機(jī)協(xié)作實(shí)驗(yàn)室」逐漸流行起來(lái)。但這種形式時(shí)常會(huì)引起研究者的討論：科學(xué)研究到底是誰(shuí)占據(jù)主導(dǎo)，人或是 AI？

來(lái)自美國(guó)阿貢國(guó)家實(shí)驗(yàn)室（Argonne National Laboratory）與芝加哥大學(xué)（The University of Chicago）的團(tuán)隊(duì)提出了一種名為AI 顧問(wèn)（AI advisor）的決策模型，該模型允許人工智能與人類專家共同主導(dǎo)「自主實(shí)驗(yàn)室」的發(fā)現(xiàn)流程。

相關(guān)研究?jī)?nèi)容以「Adaptive AI decision interface for autonomous electronic material discovery」為題，于 2025 年 12 月 18 日發(fā)布在《Nature Chemical Engineering》。

論文鏈接：https://www.nature.com/articles/s44286-025-00318-3

AI 顧問(wèn)

「自主實(shí)驗(yàn)室」是近年來(lái)科研自動(dòng)化領(lǐng)域的熱門概念，它借助機(jī)器人、自動(dòng)化儀器和 AI，能夠自動(dòng)執(zhí)行實(shí)驗(yàn)、調(diào)整參數(shù)、分析結(jié)果。自主實(shí)驗(yàn)室的目標(biāo)是讓研究過(guò)程更快、更系統(tǒng)、更少依賴人工重復(fù)勞動(dòng)。

但這種全自動(dòng)流程也帶來(lái)了一個(gè)關(guān)鍵問(wèn)題：AI 在分析和優(yōu)化時(shí)雖能處理大量數(shù)據(jù)，卻在面對(duì)有限數(shù)據(jù)時(shí)的決策能力方面不如人類專家，后者可以憑借經(jīng)驗(yàn)和直覺靈活調(diào)整策略。

這促成了 AI 顧問(wèn)的誕生這是一種協(xié)作模型，并非追求「AI 絕對(duì)主導(dǎo)」或「人類絕對(duì)主導(dǎo)」的極端方式，而是設(shè)計(jì)一個(gè)能在關(guān)鍵時(shí)刻提醒人類介入的AI 顧問(wèn)系統(tǒng)

圖 1：利用 AI/AE 平臺(tái)加速 MIECP 探索。

這款 AI 顧問(wèn)的運(yùn)作流程與特點(diǎn)大致如下所述：

實(shí)時(shí)性能監(jiān)測(cè)：AI 顧問(wèn)持續(xù)分析自主實(shí)驗(yàn)室運(yùn)行數(shù)據(jù)，以識(shí)別性能趨勢(shì)的下降或偏離預(yù)期的變化。

策略提示機(jī)制：當(dāng) AI 識(shí)別到性能降低或可能的策略瓶頸時(shí)，它會(huì)提示研究者考慮是否改變策略、重新定義實(shí)驗(yàn)設(shè)計(jì)空間，或改進(jìn)參數(shù)設(shè)置。

共享控制權(quán)：這種模式強(qiáng)調(diào)「人機(jī)共有主控權(quán)」，AI 負(fù)責(zé)高速處理數(shù)據(jù)、人類負(fù)責(zé)綜合判斷與策略調(diào)整。

靈感來(lái)自金融投顧軟件：團(tuán)隊(duì)參考了幫助投資者做實(shí)時(shí)交易決策的軟件邏輯，用于科學(xué)探索場(chǎng)景。

作者團(tuán)隊(duì)表示：人們一直在關(guān)注自我改進(jìn)的 AI——能夠修改自己的算法、生成自己的數(shù)據(jù)集、重新訓(xùn)練自己等等。但這里他們采取了合作的方式，人類也能參與其中。希望這些努力促進(jìn)人類與 AI 的合作，與 AI 共同發(fā)現(xiàn)成果。

圖 2：AI 顧問(wèn)的實(shí)時(shí)進(jìn)展監(jiān)控和分析及其可選交互。

顧問(wèn)能發(fā)揮的作用

研究團(tuán)隊(duì)將 AI 顧問(wèn)模型部署在 Argonne 國(guó)家納米尺度材料中心的自主實(shí)驗(yàn)室Polybot中，用于研究和設(shè)計(jì)一種名為混合離子-電子導(dǎo)電聚合物（MIECP）的電子材料。該材料對(duì)于未來(lái)的能源設(shè)備與電子元件開發(fā)具有重要意義。

在這種協(xié)作框架下完成的實(shí)驗(yàn)結(jié)果顯示：

• 與傳統(tǒng)「最先進(jìn)技術(shù)」相比，AI+人類協(xié)作產(chǎn)生的MIECP 材料在混合導(dǎo)電性能上提高了約 150%
• AI 顧問(wèn)幫助研究者識(shí)別出兩個(gè)關(guān)鍵設(shè)計(jì)因素：更大的晶體層狀間距（crystalline lamellar spacing）和更高的比表面積（specific surface area），這兩個(gè)因素是提高材料體積電容性能的關(guān)鍵。
• 這種成果不僅提升了材料性能，而且通過(guò)協(xié)作過(guò)程形成了更全面的性能——設(shè)計(jì)參數(shù)關(guān)系理解。

圖 3：采用 AI/AE 平臺(tái)實(shí)現(xiàn)自主 MIECP 探索。

作者對(duì)此的評(píng)價(jià)是：對(duì)于材料學(xué)有兩個(gè)相互關(guān)聯(lián)的目標(biāo)——提升材料性能或開發(fā)新性能。想要實(shí)現(xiàn)這點(diǎn)就需要深入了解不同材料設(shè)計(jì)策略、參數(shù)與加工影響。通過(guò)大幅擴(kuò)大整個(gè)結(jié)構(gòu)變異空間，AI 顧問(wèn)確實(shí)幫助實(shí)驗(yàn)團(tuán)隊(duì)達(dá)到了這兩個(gè)目標(biāo)。

更緊密的雙向溝通與學(xué)習(xí)

傳統(tǒng)自主實(shí)驗(yàn)流程往往意味著科研者提前設(shè)定好策略，然后讓自動(dòng)系統(tǒng)完成所有循環(huán)，再由研究者分析結(jié)果。這種方式在面對(duì)復(fù)雜多變量問(wèn)題時(shí)固然高效，但卻可能陷入「單一策略陷阱」。

AI 顧問(wèn)的提出，為這種流程提供了動(dòng)態(tài)調(diào)整機(jī)制。

團(tuán)隊(duì)下一步計(jì)劃實(shí)現(xiàn)更緊密的雙向互動(dòng)，使模型能夠：從人類決策中學(xué)習(xí)并優(yōu)化自身策略邏輯，將反饋納入后續(xù)建議中，構(gòu)建「可逆學(xué)習(xí)循環(huán)」，而不是單向建議輸出。也就是說(shuō)，AI 顧問(wèn)將不再只是「提醒者」，而有望逐步成為「可學(xué)習(xí)的協(xié)作者」。

相關(guān)報(bào)道：https://phys.org/news/2025-12-ai-advisor-labs-creation-generation.html