发布日期：2025-12-22 浏览：287
在科学发现领域，人工智能正学会不再独占主导权。随着"自驱"实验室日益普及，研究人员一直在争论：机器应完全接管实验，还是仅辅助人类科学家？美国阿贡国家实验室与芝加哥大学的最新研究提出了第三种路径——让人工智能与人类科学家共享控制权。
该研究引入的"AI顾问"模型旨在引导而非主导自主实验室运作。系统不会将实验锁定在单一算法策略中，而是持续分析结果，并在人类判断可能提升结果时发出提示。这一由芝加哥大学普利兹克分子工程学院助理教授、兼任阿贡实验室研究员的徐杰团队开发的模型，借鉴了金融交易软件的思路：AI实时处理数据，经验丰富的研究人员则保留战略决策权。
徐杰表示，该顾问会持续评估实验室表现，并在需要调整策略时提醒科学家。"顾问将进行实时数据分析，监控自驱实验室的自主探索进程。若发现性能下降，便会提示研究人员是否需切换策略、优化设计空间等。"
共享主导权的新型模式
与传统自驱实验室全程遵循固定方案不同，顾问驱动系统能随实验进展动态调整。徐杰指出，这种灵活性"使整个决策流程具备适应性，显著提升系统性能"。共同通讯作者、阿贡实验室纳米科学与技术部科学家陈亨利强调，目标并非在人类与AI间二选一，"而是采取协作模式，让人类在过程中持续发挥作用，促进人机协作以实现共同发现"。
为验证模型效能，团队在阿贡纳米材料中心的自驱实验室Polybot中部署了该系统，任务目标是设计用于电子材料的混合离子-电子导电聚合物（MIECP）。实验结果引人注目：通过AI顾问开发的材料，其混合导电性能较此前最先进方法提升150%。
人类不可替代的价值维度
除性能提升外，该顾问还帮助研究人员揭示了材料性能改善的机理。系统识别出提升体积电容的两个关键因素：更大的晶体层状间距和更高的比表面积。芝加哥大学分子工程学院副教授王思宏指出，这种性能提升与机理洞察的双重成就对材料科学至关重要，"材料研究存在两个相互关联的目标：一是提升材料性能或开发新性能；二是理解设计选择如何影响结果。通过大幅拓展结构变异空间，此AI模型实现了双重目标同步突破"。
研究团队认为，在数据稀缺场景中，AI仍存在局限，而这正是人类直觉价值所在。徐杰指出："虽然AI擅长此类数据分析，但在数据点不足的决策场景中仍会失误。"展望未来，团队希望深化人机双向交互。陈亨利表示："我们希望实现AI与人类更紧密的融合"，让AI能直接学习人类决策并优化自身推理逻辑。
粤公网安备44190002007368号
