前不久，清華大學(xué)和北京中關(guān)村學(xué)院聯(lián)合產(chǎn)出的一組實(shí)驗(yàn)數(shù)據(jù)在AI業(yè)界“刷屏”。在為期一周的實(shí)驗(yàn)中，AI科研智能體——AutoSOTA，發(fā)現(xiàn)了105個(gè)超越最新人類研究成果的SOTA（當(dāng)前最佳水平）模型，打破了人們對AI性能迭代效率的認(rèn)知。傳統(tǒng)印象里反復(fù)打磨、徹夜調(diào)參的工作模式被徹底顛覆。

什么是AutoSOTA？以它為代表的Agent for Science（科研智能體）有何特點(diǎn)？AI智能體給科研帶來哪些變革？科技日報(bào)記者就此采訪了多位專家。

讓AI給AI“動手術(shù)”

AI for Science（人工智能驅(qū)動的科學(xué)研究）被視為科學(xué)發(fā)現(xiàn)的“第五范式”，已走過10余年發(fā)展道路，近年來在生命科學(xué)、材料科學(xué)、數(shù)學(xué)、物理學(xué)等許多領(lǐng)域取得了突出進(jìn)展。比如，預(yù)測生物分子結(jié)構(gòu)的AI模型AlphaFold，其開發(fā)者榮獲2024年諾貝爾化學(xué)獎。

“與其他AI for Science模型不同的是，AutoSOTA是讓AI給AI‘動手術(shù)’，用AI來革新AI模型開發(fā)、研究。這一功能就體現(xiàn)在AutoSOTA的命名上。”北京中關(guān)村學(xué)院學(xué)術(shù)委員會主席、清華大學(xué)電子工程系長聘教授李勇說。

SOTA即“State-of-the-Art”，是指當(dāng)下性能最頂尖的AI模型，是衡量一項(xiàng)研究價(jià)值的“金標(biāo)準(zhǔn)”。所謂AutoSOTA，顧名思義就是“自動優(yōu)化為頂尖模型”。AutoSOTA的核心任務(wù)，就是用AI自動優(yōu)化已有模型的架構(gòu)，發(fā)現(xiàn)那些效率更高、更節(jié)約算力、準(zhǔn)確率更高的SOTA模型。

為何要用AI來優(yōu)化AI？北京中關(guān)村學(xué)院兼職導(dǎo)師、清華大學(xué)電子工程系助理教授徐豐力告訴記者，當(dāng)前的SOTA研究領(lǐng)域，可謂是一個(gè)高水平、高強(qiáng)度“競技場”。一個(gè)性能最頂尖的AI模型，往往通過少量的大膽直覺和大量的持續(xù)打磨形成。以經(jīng)典的Transformer結(jié)構(gòu)為例，自2017年問世以來，全球科學(xué)家投入了大量人力、算力對其結(jié)構(gòu)進(jìn)行迭代優(yōu)化，花費(fèi)了數(shù)年時(shí)間，才將其在評測基準(zhǔn)數(shù)據(jù)集上的性能提升到90%以上。

“在當(dāng)前的AI研究中，這樣迭代的優(yōu)化固然是必要的，但它也占據(jù)了科研人員很多原本可用于原創(chuàng)性探索的精力。”徐豐力說。

為了讓繁瑣的“手藝活”變?yōu)椤傲魉€作業(yè)”，AutoSOTA研究項(xiàng)目啟動。“我們希望AI模型跳出代碼編寫的舒適區(qū)，能處理在AI實(shí)驗(yàn)中的各種復(fù)雜任務(wù)，比如配置代碼庫、實(shí)驗(yàn)環(huán)境，處理實(shí)驗(yàn)過程中遇到的各種突發(fā)情況等?！毙熵S力說。

記者了解到，為實(shí)現(xiàn)上述目標(biāo)，科研團(tuán)隊(duì)為AutoSOTA構(gòu)建了一個(gè)多智能體協(xié)作系統(tǒng)。徐豐力介紹，該系統(tǒng)模擬了人類科學(xué)家在AI研究中的分工邏輯。每一個(gè)科研智能體都具備了完善的技能庫，既可以處理AI實(shí)驗(yàn)中遇到的復(fù)雜情況，也可以做高層次思考，如反思、構(gòu)思等。

推動科研過程全自動化

端到端優(yōu)化是指將系統(tǒng)或流程視為一個(gè)整體，從起始端到終止端進(jìn)行全鏈路協(xié)同優(yōu)化的過程，旨在實(shí)現(xiàn)全局性能最優(yōu)，而非局部最優(yōu)。它可減少人工偏差、突破科學(xué)建模的瓶頸，加速科學(xué)發(fā)現(xiàn)閉環(huán)形成，是AlphaFold等突破性成果的關(guān)鍵技術(shù)之一。值得一提的是，在這方面，AutoSOTA研發(fā)出創(chuàng)新構(gòu)思引擎、多智能體協(xié)同的并行自動科研系統(tǒng)等，實(shí)現(xiàn)了高效的端到端閉環(huán)的SOTA模型自動研發(fā)，將繁瑣、高強(qiáng)度的實(shí)驗(yàn)迭代過程全自動化，而非對單一實(shí)驗(yàn)環(huán)節(jié)進(jìn)行局部加速。

全自動、全過程，這正是以AutoSOTA為代表的新一代AI for Science模型的特點(diǎn)。徐豐力解釋，過去的AI for Science模型大多是針對單一環(huán)節(jié)或任務(wù)的工具。作為特定工具，它的表現(xiàn)尤為出色，甚至超越人類，但其局限性也十分明顯。比如，AlphaFold雖可將科研人員原本數(shù)月才能完成的工作壓縮至幾個(gè)小時(shí)內(nèi)完成，但其適用范圍僅限于蛋白質(zhì)結(jié)構(gòu)預(yù)測任務(wù)。

隨著OpenClaw等智能體的出現(xiàn)，AI for Science正逐步升級為Agent for Science。正如上?？茖W(xué)智能研究院院長漆遠(yuǎn)所說，具備高能動性和自主學(xué)習(xí)能力的智能體正推動科研進(jìn)入一個(gè)新的臨界點(diǎn)。人工智能逐漸從科研流程中的“助手”，成長為能夠參與推理決策與實(shí)驗(yàn)閉環(huán)的“科研合伙人”“AI科學(xué)家”。

徐豐力特別提到，Agent for Science也有望改變AI for Science給科研帶來的“不利”影響。去年，徐豐力和團(tuán)隊(duì)圍繞AI對科研的影響問題開展了大量實(shí)證研究，最終成果發(fā)表在《自然》上。該論文顯示，AI for Science雖能促進(jìn)個(gè)體科學(xué)家職業(yè)生涯的發(fā)展，但也相應(yīng)縮小了科學(xué)家的探索廣度。研究認(rèn)為，這一現(xiàn)象的出現(xiàn)與AI for Science模型的“專用化”密切相關(guān)?！斑@就如同爬山，優(yōu)秀的AI for Science模型就像一條索道，因?yàn)樗鞯篮糜茫蠹叶柬樦@條索道往上爬，路線豐富度自然下降。”徐豐力說。

而Agent for Science則有望解決這一問題。徐豐力認(rèn)為，AI不再只是一個(gè)“小專家”，而是成為與人類能力相當(dāng)?shù)目蒲谢锇?。這種角色轉(zhuǎn)變使其能與科研人員深入交流、共同探討，從而在提升科研效率的同時(shí)，也賦予研究更豐富的視角。

放大人類創(chuàng)造力

“在此次發(fā)現(xiàn)的105個(gè)SOTA模型中，超60%具有新穎的模型結(jié)構(gòu)設(shè)計(jì)，平均性能提升達(dá)10%?！毙熵S力告訴記者，更令人驚喜的是，研究證實(shí)AutoSOTA不僅能實(shí)現(xiàn)性能突破，也可以記錄研究過程中的思路、設(shè)計(jì)理念，產(chǎn)生人類可理解的研究知識。

AutoSOTA質(zhì)效雙優(yōu)的表現(xiàn)，顛覆了人們對傳統(tǒng)科研效率的認(rèn)知。數(shù)據(jù)顯示，在當(dāng)前的AI研究中，研究人員普遍需要數(shù)月才能實(shí)現(xiàn)對SOTA模型的迭代優(yōu)化，而AutoSOTA平均只需5小時(shí)就可以發(fā)現(xiàn)一個(gè)新的SOTA模型。

這一變革無疑會促使業(yè)界重新思考科研創(chuàng)新的本質(zhì)?！拔覀儾唤獑栕约?，SOTA是否還是AI研究突破的全部內(nèi)涵？什么可以定義我們?nèi)祟惪茖W(xué)家獨(dú)一無二、不可替代的價(jià)值？”徐豐力說。

許多學(xué)者對這一變革持積極態(tài)度。他們相信，通過人智協(xié)同科研模式，人類科學(xué)家或能從重復(fù)試錯中解放出來，更多地開展“從0到1”的原始創(chuàng)新，AI則幫助實(shí)現(xiàn)“從1到100”的快速迭代優(yōu)化，成為人類創(chuàng)造力的“放大器”。

“我認(rèn)為這是Agent for Science的真正意義所在——不僅是數(shù)據(jù)提升，更是研究范式的變遷，讓科學(xué)研究重新回歸創(chuàng)新本質(zhì)?！毙熵S力說。