科技日报记者 江耘
如果有一款AI系统能够自主开展科学研究，你会相信吗？
7月15日，浙江大学举行的“求是引擎”成果新闻发布会上，正式对外宣布了由浙江大学信息与电子工程学院科研团队最新研发的“求是引擎”系统。该系统首次创新实现了具备千步级长程科研推理能力、能够自主组织和持续推进科研工作的科学发现系统，有望为人类开展科研探索提供一种持续、主动的新型支撑。
不只辅助，AI自主完成科研流程
一直以来，大模型科研系统多作为工具辅助，主要帮助科研人员完成查阅文献、编写代码、处理数据、实现流程自动化等基础功能。
然而，面向没有固定路径的开放科学问题，如何让大模型自主判断、动态调整、持续推进研究，并自主探索出重要科学发现，仍是全球业界面对的挑战。
“求是引擎”的创造者、浙江大学信息与电子工程学院研究员杨怡豪介绍，“求是引擎”最关键突破在于其能够“长程自主推进”科研流程。“简单来说，只要给出一个研究方向或研究目标，‘求是引擎’就可以像科研人员一样，把一个科学问题一步步推进下去，最终发现原创科研成果。”
相比于现有大模型在科研方面的应用高度依赖研究人员提出明确问题，仍然停留在科研流程局部环节，“求是引擎”更关注整个科研过程：研究目标如何被拆解为可执行的问题？创新想法如何转化为可验证的方案？初步结果如何判断是否可靠？当结果不理想时，系统能否重新设计下一步？……
杨怡豪表示，“求是引擎”的核心特点是围绕研究目标进行持续判断和动态调整，不断尝试、失败、修正、再验证，帮助处理真正开放的科研问题。在这一过程中，系统会根据当前研究进展自主判断下一步做什么，并不断生成后续任务，把一个科研问题持续推进下去，支撑千步级长程科研推理。
“‘求是引擎’不再只是一个科研辅助工具，而更接近一种新型自主研究工具。”杨怡豪说。
“求是引擎”如何做到自主研究的呢？据了解，“求是引擎”采用了多智能体协同的思路，系统内部有多个分工不同的智能体协同工作：有的负责规划研究路线，有的负责构建方法，有的负责执行任务，有的负责分析结果，有的负责提出质疑和检查风险。它们共同推进一个复杂科研任务，更接近真实科研团队的工作方式。
量级跃升，极速产出原创科研成果
在一项真实光学实验平台验证中，研究人员向“求是引擎”系统给出一个开放研究目标。之后，系统连续自主研究十几个小时，自主开展文献调研、理论分析、实验方案设计、程序编写、数据分析和结果判断，并根据真实实验反馈经历多轮失败、原因排查、方案修正和再次验证，最终自主发现了多项原创科研成果，形成了可验证的研究结果。
杨怡豪表示，“求是引擎”可以在数小时到数十小时内，实现数千次大模型调用，持续完成大量中间探索工作。相较而言，如果这一过程由科研人员独立推进，通常需要数周到数月的集中投入。
让大模型面临真实的科研环境，是一件极具挑战性的工作。真实科研环境非常复杂：实验设备可能有误差，数据可能有噪声，模型可能只是近似，结果也可能存在多种解释……
为了有效应对这些挑战，“求是引擎”不是只停留在文字推理或代码生成层面，而是面向计算平台、数据分析工具、实验设备和专业科研软件进行设计。系统需要理解这些工具能做什么、不能做什么，也需要根据工具返回的复杂结果调整下一步研究策略。
“大模型可以生成大量看似合理的内容，但科学研究不能停留在‘看起来正确’。”浙江大学信息与电子工程学院院长、“求是引擎”科研团队负责人陈红胜说，“我们要让大模型不只是生成内容，而是参与真实研究；不只是回答问题，而是推进研究过程；不只是完成局部任务，而是在人的目标设定和结果审查下，自主推进科学探索发现全过程。”
目前，“求是引擎”已在物理学、光学、生命医学和数学等十余个研究方向开展自主研究。该系统在计算物理领域针对一个延续数十年的基础难题，提出了新的理论方法；在光谱学领域，建立了一套具有基础性意义的新理论框架；在光计算领域，发现了新的光计算机制。
相关成果已经通过内部多轮核验，将于近期陆续公开。
中国工程院院士、人工智能专家潘云鹤表示，当前，全球科技竞争正在从“谁拥有更强的大模型”，进一步转向“谁能用大模型在真实场景中解决好复杂问题”，科学研究正是其中最重要的方向之一。“‘求是引擎’做好了，将对国家乃至全球的科学研究都会有很大的贡献。”潘云鹤说。
网友评论
