“求是引擎”：AI自主搞科研

AI系统能自主开展科学研究吗？近日正式发布的“求是引擎”系统给出答案。

该系统由浙江大学信息与电子工程学院科研团队研发，首次实现千步级长程科研推理能力，能够自主组织和持续推进科研工作，有望为科研提供持续、主动的支撑。

具备长程科研推理能力

一直以来，大模型科研系统大多作为辅助工具，主要帮助科研人员完成查阅文献、编写代码、处理数据、实现流程自动化等基础功能。然而，面向没有固定路径的开放科学问题，如何让大模型自主判断、动态调整、持续推进研究，并自主探索出重要科学发现，仍是全球业界面对的挑战。

浙江大学信息与电子工程学院研究员、“求是引擎”的创造者杨怡豪介绍，“求是引擎”的最关键突破在于其能够长程自主推进科研流程。“简单来说，只要给出一个研究方向或研究目标，‘求是引擎’就可以像科研人员一样，把一个科学问题一步步推进下去，最终发现原创科研成果。”

现有大模型在科研方面的应用高度依赖研究人员提出明确问题，仍然停留在科研流程局部环节。与之相比，“求是引擎”更关注整个科研过程：研究目标如何被拆解为可执行的问题？创新想法如何转化为可验证的方案？初步结果如何判断是否可靠？当结果不理想时，系统能否重新设计下一步？

杨怡豪介绍，“求是引擎”的核心特点是能够围绕研究目标进行持续判断和动态调整，不断尝试、失败、修正、再验证，帮助处理真正开放的科研问题。在这一过程中，系统会根据当前研究进展自主判断下一步做什么，并不断生成后续任务，把一个科研问题持续推进下去，支撑千步级长程科研推理。“‘求是引擎’不再只是一个科研辅助工具，而更接近一种新型自主研究工具。”杨怡豪说。

“求是引擎”如何做到自主研究？据了解，“求是引擎”采用了多智能体协同的思路，系统内部有多个分工不同的智能体协同工作：有的规划研究路线，有的构建方法，有的执行任务，有的分析结果，有的质疑和检查风险。它们共同推进一个复杂科研任务，更接近真实科研团队的工作方式。

多领域产出原创成果

在一项真实光学实验平台验证中，研究人员向“求是引擎”系统给出一个开放研究目标。之后，系统连续自主研究十几个小时，自主开展文献调研、理论分析、实验方案设计、程序编写、数据分析和结果判断，并根据真实实验反馈，经历多轮失败、原因排查、方案修正和再次验证等步骤，最终自主发现多项原创科研成果，形成了可验证的研究结果。

杨怡豪说，“求是引擎”可以在数小时到数十小时内，实现数千次大模型调用，持续完成大量中间探索工作。如果这一过程由科研人员独立推进，通常需要数周到数月的集中投入。

让大模型面临真实的科研环境，是一件极具挑战性的工作。真实科研环境非常复杂：实验设备可能有误差，数据可能有噪声，模型可能只是近似，结果也可能存在多种解释……为了有效应对这些挑战，“求是引擎”不是只停留在文字推理或代码生成层面，而是面向计算平台、数据分析工具、实验设备和专业科研软件进行设计。系统需要理解这些工具能做什么、不能做什么，也需要根据工具返回的复杂结果调整下一步研究策略。

“大模型可以生成大量看似合理的内容，但科学研究不能停留在‘看起来正确’的层面。”浙江大学信息与电子工程学院院长、“求是引擎”科研团队负责人陈红胜说，“我们要让大模型不只是生成内容，而是参与真实研究；不只是回答问题，而是推进研究过程；不只是完成局部任务，而是在人的目标设定和结果审查下，自主推进科学探索发现全过程。”

中国工程院院士、人工智能专家潘云鹤说，当前，全球科技竞争正在从“谁拥有更强的大模型”，进一步转向“谁能用大模型在真实场景中解决好复杂问题”，科学研究正是其中最重要的方向之一。目前，“求是引擎”已在物理学、光学、生命医学和数学等10余个研究方向开展自主研究。该系统在计算物理领域针对一个延续数十年的基础难题，提出了新的理论方法；在光谱学领域，建立了一套具有基础性意义的新理论框架；在光计算领域，发现了新的光计算机制。据介绍，相关成果已经通过内部多轮核验，将于近期陆续公开。（记者 江耘）