人工智能（AI）領域的的長期愿景是開發(fā)出能夠做出重大科學發(fā)現(xiàn)、自主學習和自主獲取知識的AI系統(tǒng)。
雖然“AI 科學家”（AI scientist）這一概念還只是一種理想化的愿景，但基于智能體（agent）的AI技術的發(fā)展，為開發(fā)能夠進行對話、具備反思學習和推理能力的AI智能體（AI agent）鋪平了道路，這些AI智能體能夠協(xié)調大型語言模型（LLM）、機器學習（ML）工具、實驗平臺，甚至是它們的組合。
近日，哈佛大學醫(yī)學院 Marinka Zitnik實驗室（高尚華博士為第一作者）在 Cell 期刊發(fā)表了題為：Empowering biomedical discovery with AI agents 的文章，系統(tǒng)介紹了利用 AI 智能體（AI agent）推動生物醫(yī)學發(fā)現(xiàn)。
該文章提出了這樣一個觀點——“AI 科學家”可以被由人類、大語言模型、機器學習模型及其他工具（例如實驗平臺）組成的復合AI系統(tǒng)所支持的 AI 智能體（AI agent）所實現(xiàn)。
我們將“AI 科學家”設想為具備批判性學習和推理能力的系統(tǒng)，它們能夠通過協(xié)作智能體整合 AI 模型和生物醫(yī)學工具，并與實驗平臺相結合，從而為生物醫(yī)學研究提供助力。
生物醫(yī)學 AI 智能體不是將人類排除在發(fā)現(xiàn)過程之外，而是將人類的創(chuàng)造力和專業(yè)知識與 AI 分析大量數(shù)據(jù)、探索假設空間和執(zhí)行重復性任務的能力相結合。AI 智能體將能夠熟練完成各種任務，規(guī)劃發(fā)現(xiàn)工作流程并進行自我評估，以識別并解決其知識中的差距。這些智能體使用大語言模型（LLM）和生成式模型來實現(xiàn)結構化記憶以進行持續(xù)學習，并使用機器學習工具將科學知識、生物學原理和理論融入其中。AI 智能體可以影響從虛擬細胞模擬、可編程的表型控制到細胞回路設計以及開發(fā)新療法等各個領域。
生物學的復雜性要求靈活地將復雜的問題分解為可執(zhí)行的任務。AI 智能體可以將問題分解為可管理的子任務，然后由具有特定功能的AI智能體解決目標問題和整合科學知識。在不久的將來，AI 智能體可以通過使工作流程更快、更資源高效的方式加速發(fā)現(xiàn)過程。
利用AI智能體推動生物醫(yī)學研究
數(shù)據(jù)驅動模型的不斷發(fā)展和應用
生物醫(yī)學領域中AI智能體——從基于LLM的AI智能體到集成了AI模型、工具和物理設備的多重智能體系統(tǒng)
AI智能體的自主性等級
AI智能體在遺傳學、細胞生物學和化學生物學中的自主性等級的案例
機器學習的核心術語
AI智能體中的關鍵模塊：感知、交互、推理和記憶模塊
生物醫(yī)學AI智能體的組件
AI智能體在生物醫(yī)學發(fā)現(xiàn)中的挑戰(zhàn)
AI 智能體可以提高常規(guī)任務的效率，使重復過程自動化，并分析大型數(shù)據(jù)集，以在規(guī)模和精度上超越當前的人類驅動工作。這種自動化允許進行連續(xù)的、高通量的研究，而人類研究人員不可能以相同的規(guī)?；蛩俣葐为氝M行研究。
展望未來，在獲得時間和空間尺度的實驗測量數(shù)據(jù)之前，AI 智能體可以通過跨時間和空間尺度進行預測，從而提供超出傳統(tǒng)機器學習所能達到的洞察力。最終，AI 智能體可能有助于揭示生物系統(tǒng)中新的行為模式。
原文鏈接：
https://www.cell.com/cell/fulltext/S0092-8674(24)01070-5
合作咨詢
肖女士
021-33392297
Kelly.Xiao@imsinoexpo.com
2006-2025 上海博華國際展覽有限公司版權所有（保留一切權利）
滬ICP備05034851號-57
