美國華盛頓大學計算社會科學家杰文·韋斯特表示，該“AI科學家”行云流水般完成了整個科研流程，令人印象深刻，有望加速科學發(fā)現(xiàn)的步伐。

在最初的演示中，該“AI科學家”針對擴散模型、Transformer模型(一種用于處理語言數(shù)據(jù)的神經網絡模型)，以及AI“領悟”(grokking)等機器學習子領域進行了深入研究，總共生成了10篇論文，每篇論文的成本約15美元。

艾倫人工智能研究所計算機科學家湯姆·霍普表示，目前該大語言模型“仍無法提出并制定新穎有用的科學方向”。勞倫斯伯克利國家實驗室材料科學家赫布蘭德·希德則認為，即使該系統(tǒng)在短期內無法完成更具創(chuàng)造性的工作，仍可將科研過程中一些重復性內容自動化。

Sakana AI也強調，此類系統(tǒng)能否提出真正的變革型想法仍未有定論。未來的“AI科學家”能否發(fā)明出像人工神經網絡或信息論一樣的概念也還是個未知數(shù)。

杏彩体育官网登录入口據(jù)《自然》網站近日報道，日本Sakana AI公司和加拿大、英國科學家攜手，創(chuàng)建了一種基于大語言模型的“人工智能(AI)科學家”。從閱讀文獻到提出新假設，再到嘗試各種解決方案并撰寫論文，整個研究周期，“AI科學家”能一氣呵成。

例如，解決數(shù)學問題需要邏輯推理，而目前大多數(shù)AI模型都不擅長邏輯推理。鑒于此，谷歌深度思維公司開發(fā)出AlphaGeometr，將語言模型與符號引擎(使用符號和邏輯規(guī)則進行推理)相結合，構建出一種神經—符號混合系統(tǒng)。在今年的奧林匹克數(shù)學競賽中，升級后的AlphaGeometry2在19秒內就解答出一道題，令人類選手望塵莫及。

Sakana AI公司指出，“AI科學家”目前還不具備視覺功能，因此無法修復論文中出現(xiàn)的圖表問題。例如，它生成的圖表有時無法讀取，表格有時會超出頁面范圍，頁面布局也并不美觀。

那么，能否利用基礎模型將整個科研過程自動化呢？包括加拿大不列顛哥倫比亞大學機器學習專家在內的團隊，成功創(chuàng)建出首位“AI科學家”。

研究人員堅信，目前的迭代只是個開始?！癆I科學家”就像AI科研自動化領域的GPT-1。隨著不斷迭代，它將如目前的GPT-4一樣，引發(fā)新的科研革命。

此外，該“AI科學家”有時會出現(xiàn)想法正確但執(zhí)行錯誤的情況，也會因比較不當而生成誤導性的結果。在撰寫論文和評估結論時，它還可能會犯嚴重錯誤。例如，它很難比較兩個數(shù)字的大小，這是大語言模型的“通病”。為了部分解決這個問題，研究團隊確保所有實驗結果都可以重復，并存儲了所有執(zhí)行文件。

AI技術不斷進步，讓科學家能借助一些模型來集思廣益或編寫代碼。然而，這些模型仍然需要大量人工監(jiān)督，或僅囿于執(zhí)行特定任務。

研究人員表示，為擴大該“AI科學家”的能力，讓其能夠研究更抽象的領域，如純數(shù)學領域，可能需要調遣語言模型之外的其他技術。

在想法生成階段，該“AI科學家”基于一個起始模板，先進行“頭腦風暴”，提出多個不同研究方向，并進行廣泛搜索，以確保某些想法是新穎且有趣的；在實驗迭代階段，對于第一階段提出的某個想法，“AI科學家”會先開展實驗，然后生成圖表可視化結果，并給每個圖表添加注釋；在論文寫作階段，它會模仿標準機器學習會議的風格，撰寫出一份文字簡練、內容豐富的論文，并自主查找相關論文進行引用；在自動化同行評審階段，研究團隊開發(fā)出一個自動化的“AI審稿人”，其評估生成論文的準確性堪與人類相媲美。評估結果和建議可用于改進該項目，實現(xiàn)持續(xù)的反饋循環(huán)，使“AI科學家”能夠迭代改進其研究成果。