英国系统性资助AI科学家项目细节与申请指南

（来源：麻省理工科技评论）

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

多家初创企业与高校正在研发能自主在实验室中开展实验的“AI 科学家”，相关成果涵盖机器人生物学家与机器人化学家等领域。这些机构近期获得了英国政府突破性研发项目资助机构的额外资金支持。

该竞赛由英国先进研究与发明署（ARIA）发起，从中可以直观地看到该领域的进展速度。该机构共收到 245 份提案，均来自已在开发相关工具的研究团队，这些工具能逐步推进实验室工作的自动化。

ARIA 将 AI 科学家定义为一种能够运行完整科研流程的系统，它可以提出假设，设计并执行实验来验证这些假设，并对结果进行分析。在许多情况下，系统还会将实验结果反馈给自身，不断重复这一循环，而人类科学家则转变为监督者，负责提出最初的研究问题，随后将大量基础性工作交由 AI 科学家完成。

ARIA 首席技术官 Ant Rowstron 表示：“博士生还有更有价值的事情可做，而不是在实验室里一直等到凌晨三点，只为了确保一次实验顺利跑完。”

在 245 份提案中，ARIA 最终选出了 12 个项目予以资助。由于申请数量庞大且整体质量较高，ARIA 将原计划投入的资金总额翻了一倍。其中一半团队来自英国其余来自美国和欧洲。这些团队既包括高校研究人员，也包括产业界的研究团队。每个项目将获得约 50 万英镑（约合 67.5 万美元）的经费，用于支持为期九个月的研究。

在项目结束时，这些团队需要证明，其研发的 AI 科学家能够产生新的研究发现。

获资助的团队之一是美国公司 Lila Sciences。该公司正在开发一种被称为“AI 纳米科学家”的系统，用于设计并执行实验，以寻找量子点的最佳合成与加工方式。量子点是一种纳米尺度的半导体颗粒，被广泛应用于医学成像、太阳能电池板和 QLED 电视。

Lila 物理科学首席科学官 Rafa Gómez-Bombarelli 表示：“我们希望利用这笔资金和这段时间，验证一个核心观点。”他说，这项资助使团队能够围绕一个明确的科学问题，设计一个真正可运行的 AI 机器人闭环，生成其有效性的证据，并将整个流程整理成方法文档，供其他研究者复现和拓展。

另一个来自英国利物浦大学的团队正在开发一名机器人化学家。该系统可以同时运行多项实验，并在机器人发生错误时，借助视觉语言模型进行排错。

此外，一家位于伦敦、仍处于隐秘阶段的初创公司正在开发一款名为 ThetaWorld 的 AI 科学家系统。该系统利用 LLMs 来设计与电池性能密切相关的物理和化学相互作用实验。这些实验随后将在美国的 Sandia National Laboratories 的自动化实验室中执行。

与 ARIA 通常资助的、周期两到三年、规模约 500 万英镑的项目相比，50 万英镑只能算小额投入。但 Rowstron 表示，这正是设计初衷，因为这对 ARIA 自身也是一次实验。通过在短时间内资助一批不同项目，该机构希望对最前沿的进展做一次摸底，以判断科学研究的方式正在如何变化，以及变化的速度有多快。ARIA 从中获得的认知将成为未来资助大型项目的基线。

Rowstron 也承认，当前存在大量炒作，尤其是在多数头部 AI 公司都组建了面向科学的团队之后。当成果通过新闻稿发布而没有经过同行评议时，就很难判断技术能力边界在哪里。他表示，这一直是资助前沿研究的机构面临的挑战。要支持前沿工作，就必须先弄清楚前沿到底在哪里。

目前的前沿路径，是代理型系统能够按需调用现有工具。Rowstron 表示，这些系统会使用大语言模型来完成构思，再用其他模型做优化并运行实验，然后把结果再反馈回系统中。在他看来，这项技术是分层堆叠的。最底层是人类为人类设计的 AI 工具，例如 AlphaFold。这些工具可以帮助科学家跳过科研流程中缓慢且繁琐的环节，但验证结果往往仍需要数月的实验室工作。AI 科学家的目标之一，是让这部分工作也实现自动化。

Rowstron 认为，AI 科学家处在这些人类工具之上的一层，并会按需调用这些工具。他表示，未来会出现一个时间点，而且他不认为要等到十年之后，AI 科学家这一层会意识到自己需要某种尚不存在的工具，并在解决另一个问题的过程中直接构建出类似 AlphaFold 的工具。到那时，底层的大部分工具都会实现自动化。他也强调，这仍然需要一定时间才能实现。ARIA 目前资助的项目都采用调用现有工具的方式，而不是自行生成新工具。

代理型系统整体也存在尚未解决的问题，这限制了它们在无人干预的情况下能够持续运行的时间，因为系统可能偏离目标或产生错误。比如，印度 AI 实验室 Lossfunk 的研究人员上周在线发布了一项题为《Why LLMs aren’t scientists yet》的研究，报告称，在一次尝试让 LLM 代理完整跑通科研工作流的实验中，系统四次尝试里有三次失败。研究人员认为，失败原因包括初始规格发生变化，以及在明显失败的情况下仍过度兴奋并宣布成功。

Rowstron 指出，显然这些工具目前仍处于发展早期，后续也可能出现进展放缓。他说，他并不指望它们赢得诺贝尔奖。

“不过，我们可以预见，其中一些 AI 科学家会迫使科研活动以更快的速度运转。”他补充道，“如果最终走向那样的局面，在那之前，人类提前做好准备就变得非常重要。”

https://www.technologyreview.com/2026/01/20/1131462/the-uk-government-is-backing-ai-scientists-that-can-run-their-own-experiments/