人工智能正從實驗室的輔助工具，進化為能夠主動提出科學假設的“硅基科學家”。《自然》雜誌近期發表的兩篇論文，分別介紹了由谷歌DeepMind開發的Co-Scientist系統，以及非營利研究機構FutureHouse打造的Robin系統，它們利用多個AI智能體協同工作，在藥物重定位領域展現出驚人的效率。

兩個系統的核心突破在於，它們模擬了科學家團隊的研究思維流程。Co-Scientist被要求尋找已獲批藥物，用於治療急性髓系白血病。系統自主生成假設、篩選候選藥物，最終人類研究員從中挑選五種進行實驗室驗證，其中三種在細胞培養實驗中顯示出初步療效。整個過程僅耗時數小時，而傳統依賴人類專家頭腦風暴與文獻檢索的方式，往往需要數週甚至數月。

Robin系統則針對乾性年齡相關性黃斑變性這一眼病展開探索。它首先調用AI智能體進行文獻綜述，基於綜述結果選擇實驗室測試方案。人類研究員負責執行實驗並將數據反饋給系統，再由專門的分析智能體解讀結果。這套閉環流程最終提出了一種名為瑞舒地爾的候選藥物，該藥原本用於治療青光眼，系統還進一步給出了驗證其活性的具體檢測方法與後續實驗方案。

儘管成果亮眼，這些AI科學家的能力邊界依然清晰。所有由AI識別出的候選藥物均未經過全面評估，許多在細胞層面表現良好的分子，在更嚴格的臨床前或臨床檢測中往往以失敗告終。加州大學聖地亞哥分校健康中心的Karandeep Singh指出，這些例子證明AI系統能夠得出合理的假設，但其在日常科研中的廣泛適用性，仍有待更大範圍用戶的實踐檢驗。

幻覺問題仍是懸在AI科學家頭頂的達摩克利斯之劍。Robin和Co-Scientist均基於大語言模型構建，這類模型天然存在生成錯誤但看似合理答案的風險。瑞典烏普薩拉大學的Ola Spjuth強調，儘管前沿模型的幻覺率已顯著下降，且兩個系統都內置了智能體間相互討論、比對結果的糾錯機制，但人類監督在當前階段不可或缺。“我們現在不能把重要的決策完全委託給大語言模型和AI智能體，”他說，“我們需要監督這些方法。”

人類科學家的角色正在發生微妙轉變。谷歌DeepMind研究員Vivek Natarajan將Co-Scientist形容為“用智能體模擬科學家頭腦中的思維過程”，目標是賦予科學家超能力而非取代他們。在另一項測試中，Co-Scientist僅用幾天時間，就得出了與一組尚未發表成果的研究人員相同的假設，解釋了特定抗菌藥物耐藥性基因在多種細菌中傳播的機制。這種速度優勢，意味著AI可以成為人類研究者探索未知領域的加速器。

FutureHouse聯合創始人兼首席執行官Samuel Rodriques對AI全程主導新藥設計持謹慎樂觀態度。他認為，從確定靶點到臨床測試的全鏈條AI自主化“還有很長的路要走”，但“這是可能的”。與此同時，谷歌另一個研究團隊也在《自然》發表了實證研究輔助系統，展示了AI智能體在宇宙學、神經科學等多領域編寫高質量軟件的潛力。

這些進展共同勾勒出一個趨勢：AI在科學研究中的角色，正從被動的數據分析工具，轉向主動參與假設生成、實驗設計與結果解讀的協作者。對於藥物研發這一長週期、高成本的產業而言，任何能夠壓縮早期發現階段時間的工具，都可能對整體研發效率和資本回報率產生深遠影響。而如何平衡AI的速度優勢與人類判斷的審慎性，將是下一階段技術落地的關鍵命題。