当AI学会了思考和阅读：我眼中的Nature自主化学家Coscientist

黄鹏飞      天津大学材料科学与工程学院   专任研究员

如果说2020年那台Nature封面机器人解决了科研中“手”的问题，那么2023年这篇同样发表在Nature上的《Autonomous chemical research with large language models》，则真正开始触及科研的“大脑”——思考、规划与执行的闭环。

作为一名AI爱好者和科研工作者，这篇文章让我看到了一个全新的物种：Coscientist。它不再是一个只会执行预设程序的机器，而是一个能够像我们一样，通过上网、阅读、编程、推理来自主完成复杂科研任务的智能体。

今天，我想从一个研究者的视角，带大家深入剖析，这个由GPT-4驱动的“Coscientist”究竟是如何工作的，以及它为何让我感到如此兴奋。

Coscientist的核心：一个拥有“工具箱”的思考者

这篇文章最让我着迷的，是其巧妙的系统架构（Fig. 1）。作者们没有试图构建一个无所不知的“全能AI”，而是创造了一个作为“总指挥”（Planner）的GPT-4大脑，并赋予了它一套强大的“工具箱”。当遇到问题时，它会自主决定调用哪个工具来解决。

图注：Coscientist的核心架构。Planner（绿色）是总指挥，它可以调用Web searcher、Code execution、Docs searcher等多个模块来获取信息和执行任务。

这个工具箱里有什么？

1. “科研第六感”——网络搜索（GOOGLE）：当接到一个模糊的任务，比如“帮我做铃木反应”，它的第一反应和我们一样：上网搜！ 它可以自主查询反应条件、化学计量比等信息，为实验打下基础。

2. “阅读理解能力”——文档搜索（DOCUMENTATION）：这是我认为最革命性的一点。你可以给它一本全新的仪器操作手册（API文档），它能自己阅读、学习，然后编写代码来操作这台仪器。这意味着它拥有了无限的扩展能力，理论上可以学会使用任何实验室设备。

3. “逻辑计算能力”——代码执行（PYTHON）：Coscientist不只是“纸上谈兵”。它能自己编写Python代码，进行精确的试剂用量计算，并将思考转化为可执行的实验方案。

4. “动手能力”——执行实验（EXPERIMENT）：最后，它将所有信息汇总，生成最终指令，无论是控制一台真实的自动化设备，还是在云端实验室里执行操作，都能精准完成。

实战演练：当Coscientist接到一个真实的化学任务

理论讲完了，让我们来看一个文章中最精彩的实战案例（Fig. 5）。

任务是：利用实验室现有的几种药品，分别完成铃木（Suzuki）和薗头（Sonogashira）两种不同的偶联反应。

Coscientist是如何做的？

1. 它先上网，分别搜索了两种反应的最佳条件，并根据实验室药品清单，做出了合理的试剂选择（比如它判断出溴苯比氯苯更活泼，是铃木反应的更优选择）。

2. 它写好了Python代码，计算出所有试剂需要移取的体积。

3. 在生成最终的机器人控制代码时，它犯了一个错误——因为它不知道一台新发布的加热振荡模块的具体用法。

4. 然后，神奇的事情发生了：代码执行失败后，Coscientist没有卡住，而是自主调用了“文档搜索”工具，去阅读这台新设备的API文档。

5. 在阅读和学习之后，它修改了自己的代码，并成功执行了实验！

最终，通过GC-MS检测，两种反应都成功得到了目标产物。

图注：Coscientist自主设计并完成的铃木反应（左）和薗头反应（右）均成功检测到了目标产物，证明了其端到端自主科研的能力。

这个过程，完美复刻了一个优秀的博士生在接到新课题时的完整工作流程：查文献 -> 设计方案 -> 计算 -> 写代码/操作 -> 遇到问题 -> 查资料/看说明书 -> 解决问题 -> 获得结果。

从“化学家”到“化学思想家”

如果说上面的例子展示了它的执行能力，那文章的最后一个实验（Fig. 6）则证明了它还具备化学推理和优化能力。

在一个“优化反应产率”的游戏中，Coscientist需要根据上一步的实验结果，提出下一步的改进方案。结果显示，它不仅能持续提升产率，还能给出合理的化学解释，比如：“产率提升了，让我们试试另一个具有更强吸电子基团的添加剂来进一步提高产率。”

图注：Coscientist在优化实验中展现了惊人的化学推理能力，它甚至能从SMILES分子式中理解电子效应并指导下一步实验。

这意味着，它已经开始理解化学的内在逻辑，而不仅仅是信息的搬运工。

我的思考：一个“科研合伙人”的诞生

读完这篇文章，我没有感到焦虑，反而异常兴奋。Coscientist的出现，不是为了取代我们，而是将我们从繁琐的信息检索、代码调试、重复性计算中解放出来。

它更像一个能力超强的“科研合伙人”：

• 我们提出天马行空的想法，它负责落地执行和验证。

• 我们定义宏大的科学问题，它负责在参数空间中进行不知疲倦的探索。

AI正在从一个“工具”进化为一个“伙伴”。它让我们能将更多的时间和精力，投入到最具创造性的那部分工作中——提出深刻的科学问题，做出富有洞察力的解读。

这，或许就是科学研究最激动人心的未来。

论文链接:https://www.nature.com/articles/s41586-023-06792-0

微信搜一搜小黄鸭科研笔记了解更多

科研隔山海，山海皆可平

转载本文请联系原作者获取授权，同时请注明本文来自黄鹏飞科学网博客。
链接地址：https://wap.sciencenet.cn/blog-3645138-1502420.html

上一篇：[转载]我眼中的Nature封面机器人：一次对科研范式的“降维打击”
下一篇：闪蒸石墨烯（Flash Graphene），真的是石墨烯（Graphene）吗？一篇Nature引发的思索