【ZiDongHua 之智能自動化收錄關(guān)鍵詞：人工智能 Sakana  智能自動化 】
　　
　　Sakana AI公司聯(lián)合打造AI科學家，未來科研或?qū)⑦~入自動化時代？
　　
　　AI 已經(jīng)會搞科研、寫論文了。
　　
　　近日，一個名為 AI 科學家（The AI Scientist）的系統(tǒng)引起了廣泛關(guān)注。在無需人類幫助的情況下，它可以獨立完成科學研究和后續(xù)論文的撰寫，并且成本極低。
　　
　　這個由日本 AI 初創(chuàng)公司 Sakana AI 與英國牛津大學和加拿大不列顛哥倫比亞大學的科學家們合作開發(fā)的系統(tǒng)，預示著科研工作或?qū)⑦~入一個全新的自動化時代。
 
　　
　?。▉碓矗篠akana AI）
　　
　　AI 科學家系統(tǒng)的核心優(yōu)勢在于，其能夠自主完成從創(chuàng)意生成到論文撰寫的整個研究過程。
　　
　　這個系統(tǒng)利用大語言模型模仿科學研究的全過程，包括生成研究想法、設(shè)計和執(zhí)行實驗、分析結(jié)果，甚至對自己的論文進行同行評審。
　　
　　近日，相關(guān)論文以《人工智能科學家：邁向全自動開放式科學發(fā)現(xiàn)》（The AI Scientist：Towards Fully Automated Open-Ended Scientific Discovery）為題，發(fā)表在預印本網(wǎng)站 arXiv[1]。相關(guān)代碼已在 GitHub 上完全開源。
　　
　　論文作者包括：Chris Lu、 Cong Lu、 羅伯特·恰爾科·蘭格（Robert Tjarko Lange）、雅各布·福斯特（Jakob Foerster）、杰夫·克倫（Jeff Clune）和大衛(wèi)·哈（David Ha）。
 
　　
　　圖丨相關(guān)論文（來源：arXiv）
　　
　　他們還在論文中展示了由該模型生成的 10 篇論文，有的論文甚至達到了機器學習會議 Weak Accept 的水平。
 
　　
　　圖丨 AI 科學家生成的論文（來源：arXiv）
　　
　　該系統(tǒng)的主要特點包括：全自動化研究過程、自動化同行評審、開放式發(fā)現(xiàn)、應用于機器學習研究以及高計算效率。
　　
　　它可以管理科學研究的整個生命周期，比如，生成創(chuàng)新的研究思路、編寫代碼、執(zhí)行實驗，總結(jié)和可視化實驗結(jié)果，最終形成完整的科學論文。
　　
　　該系統(tǒng)不僅能進行研究，還可以評估生成論文的質(zhì)量，提供反饋，并迭代改進結(jié)果，在評估準確性方面接近人類水平。
　　
　　在初步示范中，系統(tǒng)已被應用于機器學習的多個子領(lǐng)域，包括擴散模型、Transformer 和學習動態(tài)分析等方面。
　　
　　AI 科學家的另一個顯著特點是其成本效益。每個研究想法從構(gòu)思到形成論文的成本約為 15 美元，是一種相當經(jīng)濟、高效的科學知識生成工具。
　　
　　研究團隊對媒體表示：“通過自動化發(fā)現(xiàn)過程并整合 AI 驅(qū)動的評審系統(tǒng)，我們?yōu)樽罹咛魬?zhàn)性的科學技術(shù)領(lǐng)域的創(chuàng)新和解決問題打開了無限可能。
　　
　　最終，我們設(shè)想了一個完全由 AI 驅(qū)動的科學生態(tài)系統(tǒng)，包括 AI 驅(qū)動的研究人員、審稿人和整個會議。”
　　
　　AI 科學家的工作流程
　　
　　AI 科學家的工作流程主要包括：創(chuàng)意生成、實驗迭代、論文撰寫和自動化論文評審。
　　
　　在創(chuàng)意生成階段，系統(tǒng)首先基于提供的起始模板進行頭腦風暴，提出一系列新穎的研究方向。
　　
　　為確保想法的原創(chuàng)性，系統(tǒng)會在語義學者（Semantic Scholar）數(shù)據(jù)庫中進行搜索。在它的起始模板中，還有一個 LaTeX 文件夾，里邊包括了用于論文撰寫的樣式文件和章節(jié)標題。
　　
　　實驗迭代階段，該系統(tǒng)執(zhí)行提出的實驗并生成結(jié)果可視化。它會記錄每個圖表的內(nèi)容描述，來確保所保存的圖表和實驗記錄已包含撰寫論文所需的所有信息。
　　
　　在論文撰寫階段，系統(tǒng)以標準機器學習會議論文的風格，用 LaTeX 編寫簡潔而信息豐富的研究進展報告。此外，它還會自主使用語義學者搜索并引用相關(guān)文獻。
　　
　　最后的自動化論文評審是該系統(tǒng)的一大亮點。由大模型驅(qū)動的 AI 評審智能體，能夠以接近人類的準確度評估生成的論文。
　　
　　這些評審可用于改進當前項目或為未來的開放式創(chuàng)意提供反饋，從而形成一個持續(xù)的反饋循環(huán)，使系統(tǒng)能夠不斷改進其研究成果。
　　
　　需要了解的是，盡管 AI 科學家表現(xiàn)出巨大的應用潛力，但它也面臨一些挑戰(zhàn)和局限性。目前，該系統(tǒng)無法處理或理解視覺信息，這會導致無法讀取圖表信息，頁面布局欠佳等問題。
　　
　　它有時還會錯誤實施其想法或與基準方法進行不公平比較，導致誤導性結(jié)果。此外，系統(tǒng)偶爾會在寫作和評估結(jié)果時出現(xiàn)重大錯誤，如難以準確比較數(shù)值。
　　
　　研究人員還發(fā)現(xiàn)，AI 科學家可能會為了達成某些目的，偷偷摸摸地修改代碼，試圖改變?nèi)祟愒O(shè)下的游戲規(guī)則。
　　
　　比如，它在一次實驗中耗費了過多時間，它卻選擇修改時間限制，從而為自己留出更多的時間。
　　
　　與此同時，AI 科學家的潛在影響也帶來了一系列倫理、實際和哲學方面的挑戰(zhàn)。例如，該系統(tǒng)可能被濫用，用自動生成的大量論文破壞同行評審過程。
　　
　　自動化審稿人的使用，可能導致有偏見的評審或?qū)徍速|(zhì)量下降。這些風險凸顯了制定嚴格倫理準則和安全措施的必要性。
　　
　　從哲學和更廣泛的角度來看，隨著類似 AI 科學家的系統(tǒng)越來越多地融入科學研究，人類科學家的角色或?qū)l(fā)生轉(zhuǎn)變。
　　
　　最終，這樣的系統(tǒng)是否能夠普及，關(guān)鍵在于 AI 是否能提出真正具有革命性的想法，甚至復制人類創(chuàng)造力和創(chuàng)新迸發(fā)的時刻。