据表示,科学发现依赖于不断提出新假设、该行业分析的循环过程。虽然AI已被证明能加快探讨过程中的单个步骤,该行业有望进一步优化整个工作流程。这两款AI利用多个自主且专业化的AI智能体,在整个商讨过程中实施不同任务。其中一篇论文基于Gemini2.0构建的Co-Scientist,是一个用于科学发该领域。该领域应用于药物发现研究,例如,Robin协助识别了针对干性年龄有关性黄斑变性的潜在治疗方案,该病是发达国家导致失明的核心原因之一。Robin还建议展开后续研究以探究潜在机制,从而发现了新的潜在药物靶点。该行业能够生成假说、提出验证假说的实验方案、解读实验结果,并基于发现结果优化假说。另一篇论文中,Robin系统与此同时采用OpenAI的o4-mini和Anthropic的Claude3.7,旨在辅助实验生物学行业的发现工作。随着科学主题日益复杂且相互交织,研究人员不仅需要深厚的专业知识,还需具备跨学科的广博知识。研究团队表示,尽管在细胞系实验中,这些建议的治疗方案显示出潜在益处,但仍需经过严格的临床前和临床评估以验证其治疗效果。这次发该范围,包括谷歌DeepMind的“Co-Scientist”和FutureHouse的“Robin”,这一研究在优化科学发现流程方面的潜力。尽管初期验证主要集中在生物医学范围,但其设计旨在适用于所有科学学科。例如,Co-Scientist为急性髓系白血病提出了新的候选药物和联合疗法。除癌症商讨外,Co-Scientist还发现针对肝纤维化的新药物靶点,并揭示出抗菌药物耐药性背后的关键遗传机制。该AI系统提出的建议,包括识别视网膜细胞内可调节的靶向过程,并推荐使用一种早前未被提议用于治疗该疾病的候选药物。论文,此类治疗方案需通过临床前测试和临床试验进行验证。
<