核心内容总结
《自然》杂志最新发表的两篇论文介绍了两个AI系统（谷歌DeepMind的Co-Scientist和FutureHouse的Robin），它们能像“硅基科学家团队”一样，自动生成研究假设、设计实验方案、分析数据，帮人类快速找到治疗疾病的候选药物（比如白血病和干性黄斑变性）。这些系统比纯人工操作快得多，但仍需人类参与（比如执行实验、审核结果），且存在AI“幻觉”（编造看似合理但错误的信息）的问题，未来潜力大但需严格监督。
一、两个AI系统的“实战成绩单”：帮找抗癌和眼病的候选药
这两个AI系统都在“老药新用”（药物重定位）上做了实际测试：
- Co-Scientist（谷歌）：找治疗急性髓系白血病的现有药物。它快速筛选出候选药，人类挑了5种测试，其中3种在细胞实验中有效。还曾用几天时间得出和人类研究组相同的基因耐药性结论（人类可能要花更久）。
- Robin（FutureHouse）：找治疗干性年龄相关性黄斑变性（眼病）的药。它先让AI做文献综述，选实验方案，人类执行后把数据反馈给AI分析，最终推荐了青光眼药物“瑞舒地尔”作为候选，并给出后续验证实验的建议。
这些结果虽然还没经过严格临床测试，但证明AI能提出合理的研究方向。
二、AI的“超能力”：比人类快N倍，还能模拟科学家思维
AI系统的核心优势在于效率和模拟能力：
- 速度快：比如找候选药物只需几小时，生成基因耐药性假设只需几天，远快于人类手动查文献、设计实验的时间。
- 模拟科学家思维：谷歌研究员说，这就像用AI模拟科学家大脑里的思考过程——从提出问题、查资料到设计实验，一步到位。
- 赋能科学家：目标不是取代人类，而是帮科学家节省重复劳动（比如文献综述、数据整理），让他们专注于更有创造性的决策。目前已有100多位外部科学家在测试Co-Scientist。
三、AI也会“说瞎话”：幻觉问题得警惕，人类监督不能少
AI系统基于大语言模型，天生有“幻觉”毛病——会编造看似合理但错误的信息（比如假的研究数据或文献引用）。这可能导致科学家走弯路，浪费时间和钱。
怎么解决？
- 审核决策过程：科学家可以查看AI的思考步骤，知道它为什么选某个药物或假设，方便纠错。
- AI互相“吵架”：Robin和Co-Scientist会让多个AI智能体讨论假设、对比结果，能剔除部分错误。
- 必须人类监督：专家强调，现在不能把重要决策全交给AI，比如最终选哪个药物测试，还是得人类拍板。
四、未来可期但路还长：AI能接管更多，但全程自动化还早
AI在科研中的角色会越来越重要，但还有不少挑战：
- AI+机器人：谷歌另一篇论文提到，AI能写科研软件（用于宇宙学、神经科学），未来可能和机器人结合，直接执行实验室实验（比如自动培养细胞、做测试）。
- 药物研发全程自动化：现在AI只能帮部分环节（假设生成、实验设计），要实现从靶点确定到临床测试全由AI主导，还需要很长时间，但专家认为“有可能”。
- 人类角色转变：科学家可能从“动手做实验”变成“AI监督者”——审核AI的结果，调整研究方向，把精力放在更核心的创新上。
总之，AI已经能当科学家的“超级助手”，但还不是“全能选手”。未来它会帮人类加速科研，但人类的判断和监督永远是关键。