近年来，人工智能（AI）技术不断渗透到各个科研领域，天体生物学也不例外。近日，一款名为AstroAgents的创新型AI系统问世，旨在协助科学家探索宇宙生命的奥秘。这项研究成果已经在预印本平台arXiv上发表，并在新加坡举行的国际学习表征会议上引起广泛关注。
AstroAgents的核心优势在于其协同工作模式。该系统由八个独立的AI代理组成，每个代理负责不同的任务，例如数据分析、文献检索、假设构建、甚至论文撰写，形成了一条完整的科研流水线。这种模块化的设计，既提高了效率，也让我们可以更深入地理解AI参与科研的具体过程。
美国国家航空航天局（NASA）对AstroAgents寄予厚望，计划利用该系统对未来从火星采集的样本进行深入分析，希望能从中发现潜在的生物标志物，从而揭示火星是否存在生命迹象。NASA戈达德太空飞行中心的天体生物学家Denise Buckner表示，AstroAgents有望极大地促进科学家对宇宙中分子形成机制、地球生命起源以及生命分子保存条件的研究，并为未来的研究指明方向。
AstroAgents系统基于先进的大型语言模型（LLM）构建，旨在成为科研过程中的积极参与者，而不仅仅是被动的工具。它能够自主决定研究路径、执行任务、评估结果并进行调整。虽然AI在数据处理和模式识别方面能力突出，但AI代理是否能够真正提出具有原创性的科学假设，目前在学术界仍存在争议。卡内基科学地球与行星实验室的天体生物学家Michael Wong认为，将AI代理应用于天体生物学领域是一次大胆的尝试，需要进一步验证其实际效果。
为了评估AstroAgents的性能，研究人员采用了Claude Sonnet 3.5和Gemini 2.0 Flash两种大型语言模型进行测试。他们向这两个系统提供了来自八颗陨石和十份地球土壤样本的质谱数据，并进行了十轮迭代优化。结果显示，Gemini系统提出了101个假设，而Claude系统提出了48个。其中，Gemini提出的一个假设是，地球上发现的某些特定分子可能是确凿的生物标志物；另一个假设则指出，两颗陨石中发现的一组有机分子可能源于相同的化学反应。
Buckner对这些假设进行了评估，认为Gemini提出的假设中有36个是合理的，24个具有创新性。相比之下，Claude系统虽然提出的假设错误较少且表述清晰，但缺乏原创性。Buckner强调，AstroAgents系统在识别复杂模式方面的能力已经超越了单个科学家的水平。这表明AI在处理大规模复杂数据、发现隐藏关联性方面具有显著优势。
然而，Wong对AstroAgents的实际贡献持谨慎态度，认为目前仅有一位专家对系统提出的假设进行了评估，评估结果可能缺乏全面性和客观性。他建议，如果能够收集更多专家的意见，对系统假设的评价将更具说服力。这种同行评审机制对于确保科研成果的可靠性和有效性至关重要。尽管如此，佐治亚理工学院的计算机科学家Amirali Aghazadeh仍然坚信，AI代理将在未来的科研工作中发挥重要作用：“这只是个开始，AI代理的潜力远不止于此。” 随着AI技术的不断发展，我们有理由期待AI在科研领域的应用会越来越广泛和深入。
