# 多个 AI 智能体共同解决化学难题 [译]

- Link: https://paooo.com/ai-study/7161/
- Published: 2024-03-17T18:18:44+08:00
- Author: 宝玉的分享

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 三智能体协同的 Coscientist，让[大模型](https://paooo.com/ai-study/)从查文献、
   读手册到控设备形成闭环。
 * 系统在样品盘识别、化学合成与反应优化中均完成实测，且能纠正硬件操作错误。
 * GPT-4 与 [Claude](https://paooo.com/aigc-news/) 1.3 表现最佳，说明多智能体比单一
   模型更适合复杂科研任务。

##  “助手型” AI 智能体负责核查文献、阅读设备说明书，以及准备化学实验。

![实验室空无一人，因为所有研究人员都在公园里休息，而 AI 正在完成他们的工作。](https://
paooo.com/wp-content/uploads/2024/03/GettyImages-1445732386-jpg.webp)

实验室空无一人，因为所有研究人员都在公园里休息，而 AI 正在完成他们的工作。

阅读目录

 * [“助手型” AI 智能体负责核查文献、阅读设备说明书，以及准备化学实验。](https://paooo.com/ai-study/7161/#8220%e5%8a%a9%e6%89%8b%e5%9e%8b8221-ai-%e6%99%ba%e8%83%bd%e4%bd%93%e8%b4%9f%e8%b4%a3%e6%a0%b8%e6%9f%a5%e6%96%87%e7%8c%ae%e9%98%85%e8%af%bb%e8%ae%be%e5%a4%87%e8%af%b4%e6%98%8e%e4%b9%a6%e4%bb%a5)
 * [人工智能三合一体系](https://paooo.com/ai-study/7161/#%e4%ba%ba%e5%b7%a5%e6%99%ba%e8%83%bd%e4%b8%89%e5%90%88%e4%b8%80%e4%bd%93%e7%b3%bb)
 * [实践中的系统应用](https://paooo.com/ai-study/7161/#%e5%ae%9e%e8%b7%b5%e4%b8%ad%e7%9a%84%e7%b3%bb%e7%bb%9f%e5%ba%94%e7%94%a8)
 * [优化](https://paooo.com/ai-study/7161/#%e4%bc%98%e5%8c%96)

尽管人工智能技术飞速发展，但 AI 目前还无法完全替代人类从事科学研究。然而，这并不
意味着 AI 不能在一些日常的科学实验工作中提供自动化的帮助。举个例子，就在几年前，
研究人员就已经让 AI 控制自动化实验室设备，并成功让它全面记录所有可能发生的化学反应。

虽然这种方法很有效，但最初设立这个系统时仍需要研究人员大量的干预。现在，卡内基梅
隆大学的一个团队已经探索出了一种方法，让 AI 系统能够自行学习如何进行化学操作。这个
系统需要三个专门化的 AI [智能体](https://paooo.com/trends/)，每个负责不同的任务。
一旦设置完成并提供了所需原料，你只需告诉它你想进行的反应类型，它就能自行解决了。

##  人工智能三合一体系

研究人员关注的是大语言模型（LLMs）能为科学研究带来哪些能力。因此，他们在这项研究
中主要使用了诸如 GPT-3.5 和 GPT-4 这样的大语言模型，同时也测试了 Claude 1.3 和 Falcon-
40B-Instruct 等其他模型。（其中 GPT-4 和 Claude 1.3 表现最优。）但是，他们并没有
依赖单一的系统来完成化学领域的所有工作，而是设置了几个不同的模块，这些模块在工作
分配上互相配合，共同构成了一个名为“Coscientist”的系统。

![a, Coscientist 由多个模块组成，这些模块可以交换信息。蓝色背景的方框代表 LLM 模
块，规划模块显示为绿色，输入提示为红色。白色方框代表不使用 LLM 的模块。b, 实验类型，
展示使用单个模块或模块组合时的能力。c, 带液体处理装置的实验装置图片。UV-Vis，紫外
可见光。](https://paooo.com/wp-content/uploads/2024/03/figure1.webp)

a, Coscientist 由多个模块组成，这些模块可以交换信息。蓝色背景的方框代表 LLM 模块，
规划模块显示为绿色，输入提示为红色。白色方框代表不使用 LLM 的模块。b, 实验类型，
展示使用单个模块或模块组合时的能力。c, 带液体处理装置的实验装置图片。UV-Vis，紫外
可见光。

他们使用了以下三个模块：

 1. **网络搜索器（Web searcher）：** 这个模块有两项核心功能：一是利用 Google 的搜索
    API 来寻找可能含有有用信息的网页；二是获取这些网页的内容并从中提取信息，这有点像
    ChatGPT 在对话早期部分维持的上下文，帮助它更好地回答后续问题。研究者可以追踪这个
    模块花费时间的地方，发现它访问的页面中大约一半是维基百科。此外，它最常访问的网站
    前五名包括了美国化学学会和英国皇家化学学会发布的期刊。
 2. **文档搜索器（Documentation searcher）：** 可以把这个模块看作是用于“查阅手册”的
    AI。它将控制各种实验室自动化设备，比如机器人流体处理器，这些设备通常是通过专门的
    命令或类似 Python 语言的接口来控制的。这个 AI 模块可以访问所有这些设备的使用手册，
    以便了解如何操作它们。
 3. **规划器（Planner）：** 规划器可以向其他两个 AI 模块发出指令并处理它们的回应。它
    能够在一个 Python 编程环境中执行代码，从而进行各种计算。它还能操作自动化实验室设备，
    亲自进行和分析实验。因此，规划器就像是一个化学家，它从文献中学习，并尝试使用实验
    设备来应用所学的知识。
 4. 规划器还能识别软件错误，无论是它的 Python 脚本还是操作自动化硬件时的错误，并据此
    进行修正。

##  实践中的系统应用

这个系统最初的任务是合成一些常见的化学物质，比如对乙酰氨基酚（acetaminophen）和布
洛芬（ibuprofen）。通过在网络和科学文献中搜索，它基本能够找到可行的合成路径。这就
引出了一个问题：这个系统是否能够充分理解它所能使用的硬件，以实际应用它的理论知识。

研究人员从一个简单的实验开始：他们使用了一个标准的样品盘，上面有许多小井，排列成
矩形网格。他们让系统用不同颜色的液体在盘上填充方格、对角线条纹或其他图案，结果系统
做得非常好。

接下来的实验更有挑战性。研究人员在小井网格中随机放置了三种不同颜色的溶液，并让系统
识别每个小井的颜色。起初，这个名为“Coscientist”的系统不知道如何完成这项任务。但在
提醒它不同颜色的溶液会有不同的吸收光谱后，它利用了自己可用的光谱仪，成功地识别了
不同颜色的溶液。

在基础的命令控制看似无误之后，研究人员决定进行一些化学实验。他们准备了一个装有各种
简单化学物质和催化剂的样品盘，让系统进行一个特定的化学反应。Coscientist 在化学方面
做得很对，但在实际操作时遇到了困难，因为它向控制加热和搅拌的硬件发送了错误的命令。
这迫使它回到了文档模块进行调整，最终成功完成了化学反应。

实验取得了成功。通过光谱分析，研究人员在反应混合物中发现了目标产物的特征光谱，并
通过色谱技术进一步证实了这些产物的存在。

##  优化

在初步反应顺利实现后，研究人员进一步要求系统提升反应效率。他们将优化过程设计成一
场游戏，反应产量越高，得分也随之上升。

系统在第一轮测试反应中曾做出一些不理想的判断，但很快便锁定了更高的产量。研究人员
还发现，他们可以通过提供一些随机初始混合物的产量信息给 Coscientist（Coscientist），
从而避免第一轮中的失误选择。这表明无论 Coscientist 是从自己的反应中获得信息，还是
从外部信息源，它都能将这些信息融入其规划中。

研究人员总结，Coscientist 拥有以下几项显著能力：

 * 利用公开信息规划化学合成
 * 浏览和处理复杂硬件的技术手册
 * 运用这些知识控制各种实验室设备
 * 将这些操作硬件的能力整合到实验室工作流程中
 * 分析自身的反应并据此设计改进的反应条件。

从多个方面来看，这似乎类似于研究生第一年的学习经历。理想情况下，研究生们会逐步深入
学习。但也许 GPT-5 同样能够做到这一点。

更值得深思的是，Coscientist 的结构依靠多个专业系统的互动，这与大脑的运作方式颇为
相似。当然，大脑的专业系统能够执行更广泛的活动，且种类更多。但这种结构可能是实现
更复杂行为的关键因素。

不过，研究人员也对 Coscientist 的某些功能表示担忧。有很多化学物质（比如神经毒气），
我们不希望看到它们更容易合成。而如何告诉 GPT 实例不要做某些事情，也成了一个持续的
挑战。

Nature, 2023. DOI: 10.1038/s41586-023-06792-0  (关于 DOI)。

🧭 文中关联 AI 工具官网与参数卡（语宙 AI 导航）

**ChatGPT ↗**

OpenAI 研发的通用人工智能对话大模型，支持多模态交互与深度推理。

**Claude ↗**

Anthropic 打造的新一代安全人工智能模型，具备超长上下文理解能力，最强代码伴侣。

❓ 常见问题解答（FAQ）

Coscientist 是什么类型的 AI 系统？

Coscientist 是卡内基梅隆大学团队提出的多智能体化学研究系统，由网络搜索器、文档搜索
器和规划器组成。它结合大语言模型与实验室自动化设备，目标是让 AI 自主完成部分化学
实验流程。

Coscientist 能实际完成哪些化学任务？

文章中它完成了样品盘图案填充、溶液颜色识别、特定化学反应执行以及反应优化等任务。
系统还能通过光谱和色谱结果验证产物存在，说明其不仅能规划，还能落地操作。

这项研究说明大模型在科研中有什么价值？

它表明大模型不只是回答问题，还能通过分工协作参与文献检索、设备手册理解、实验控制
和错误修正，提升科研自动化水平。但目前仍需人类设定目标、提供原料并进行监督。

🔬 语宙深潜追问 · 进阶实操拆解

多智能体化学系统最难的环节是什么？

最难的是把规划、知识检索和真实设备控制闭环打通，同时保证安全与可追溯。实验环境里
任何一步出错都可能放大风险，因此需要权限隔离、动作白名单和实时人工接管。

这类系统如何提升实验成功率？

把任务拆成可验证子步骤，让规划器负责流程，检索器补充文献与操作细节，再用实验反馈
持续修正参数。对高风险实验，先在模拟或低危条件下验证，再逐步放开自动化程度。

🗳️ 读者观点微投票 · 您的实战立场是？

多智能体真能替代实验员做化学实验吗？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🤖 所属权威专题：AI Agent 智能体工作流 →](https://paooo.com/topics/ai-agents/)

 * [认识“Coscientist”，你的 AI 实验室伙伴 [译]](https://paooo.com/ai-study/7141/)
 * [大语言模型在自主化学研究中的应用 [译]](https://paooo.com/ai-study/7162/)
 * [AI co-scientist – 谷歌推出多智能体协作的 AI 科研助手](https://paooo.com/aigc-news/21707/)
 * [iAgents – 清华大学推出的多AI智能体协作框架](https://paooo.com/aigc-news/25586/)

[🏛️ 宝玉的分享](https://paooo.com/author/baoyu/) · 前沿大模型翻译与提示词工程实战
分享专栏，聚焦海外一手 AI 技术动态与工程实践。

[📄 Markdown 纯净版](https://paooo.com/ai-study/7161/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
