AIGS: 从 AI 驱动的自动化证伪中生成科学

人工智能的快速发展极大地加速了科学发现的进程。通过大规模观测数据训练，深度神经网络以端到端的方式提取潜在模式，并在未见场景中为人类研究人员提供高精度的预测。近期大语言模型 (LLM) 的兴起及其赋能的自主智能体，使科学家能够在研究的不同阶段（包括但不限于文献综述、研究构思、想法实现和学术写作）通过交互获得帮助。然而，由基础模型赋能的智能体实例化、具备全流程自主性的 AI 研究员仍处于起步阶段。在本文中，我们研究 $\textbf{AI 生成科学}$ (AIGS)，其中智能体独立自主地完成整个研究过程并发现科学定律。通过重新审视科学研究的定义，我们认为 $\textit{证伪}$ 是人类研究过程和 AIGS 系统设计的本质。从证伪的视角来看，先前尝试 AI 生成科学的系统要么在其设计中缺失该部分，要么严重依赖现有的验证引擎，从而将应用局限于特定领域。在这项工作中，我们提出了 Baby-AIGS，作为全流程 AIGS 系统的初步演示，它是一个包含代表关键研究流程角色的智能体的多智能体系统。通过引入 FalsificationAgent 来识别并验证可能的科学发现，我们赋予了系统显式的证伪能力。在三个任务上的实验初步表明，尽管无法与经验丰富的人类研究人员相媲美，Baby-AIGS 能够产生有意义的科学发现。最后，我们详细讨论了当前 Baby-AIGS 的局限性、可操作的见解以及相关的伦理问题。