认识Denario：助力科研全程的AI助手
研究人员开发出了一款由人工智能驱动的“科研助手”，其设计目标是通过帮助科研人员确定新的研究问题、分析和解读数据以及撰写科研文献，从而加速科学研究进程。
这款工具名为Denario，利用大型语言模型（Large Language Models, LLMs）辅助科学家完成从提出新假设到整理论文稿件的各项任务。研发团队希望 Denario能使科研过程更高效、更动态，更富跨学科属性。
目前，人工智能（AI）已能在科研流程的部分环节中提供帮助，例如 ChatGPT 可用于数据可视化或撰写摘要。然而，这些工具通常一次只能处理一个步骤。
相比之下，Denario 则是科研人员研发的一款新型助手：它能够综合已有文献、提出新的研究问题、分析数据，并撰写文稿。
该工具的研发团队（由剑桥大学、熨斗研究所（Flatiron Institute）和巴塞罗那自治大学牵头）在预印本平台arXiv.org上发表的一篇论文中，对 Denario 进行了概述，并指出该工具有望加速并拓展科研过程，使科学家能根据自身需求将其灵活运用于各环节。
“有时候，最有趣的部分在于想法本身，因为它可能是一个尚未被探索的新点子。” Denario的主要开发者之一、来自熨斗研究所的Francisco Villaescusa-Navarro博士表示，“有时它也是一种从未应用于某个数据集的新方法。Denario能在许多层面上拓展我们的思维，启发全新的研究方向。”
然而，该团队强调，Denario并不是科研人员的替代品。目前版本仍存在明显缺陷：仅有约 10% 的输出结果能提供有价值的见解，且在部分情况下，Denario 会编造数据。对 Denario 输出内容的人工审核，仍是科研过程中不可或缺的环节。
Denario的研发工作由剑桥大学的Boris Bolliet博士、巴塞罗那自治大学的Pablo Villanueva Domingo博士和Villaescusa-Navarro博士共同主导。团队成员来自天体物理学、生物学、生物物理学、化学、材料科学、神经科学、数学、机器学习、量子物理和哲学等多个领域。
随着ChatGPT、谷歌Gemini及Anthropic公司的Claude等大型语言模型的近期发展，研究人员看到了新的可能——测试此类模型在科研全过程中的表现。
Denario由一组AI“智能体”组成，每个智能体均专精于某一特定任务。Denario可以实现从端到端的完整科研流程，也可将各个智能体独立使用于特定步骤。
“我们以模块化架构设计Denario，以便用户能够根据研究需求选择最适合的组件，无论是编程、探索研究思路、总结结果，或是其他任务。”来自剑桥大学卡文迪许实验室的Bolliet博士解释道。
若要端到端地使用 Denario，研究人员需上传数据集及任务简述。第一组智能体会生成并优化研究设想，产出可能的研究项目；接下来，另一组智能体会检索相关文献，以确保研究思路兼具创新性与对先前研究的继承性。
一旦研究思路完善，方法智能体和规划智能体会提出数据分析方案；下一组智能体将借助名为CMBAgent的多智能体系统（Denario后端分析系统）执行这些方案，包括编写、调试和运行代码，并解读分析结果。最后，写作模块与审稿模块会生成并修订研究发现的概要。
“正是所有智能体的协同工作，才让这一切成为可能。”Villanueva Domingo博士表示。他强调，研究人员可轻松检查各模块的输出内容，或根据需要单独运行某一智能体。
截止目前，Denario已在天体物理学、神经科学、化学、生物学和材料科学等多个学科的数据集上进行了数百次端到端测试。虽然在专家评审中，大部分输出被认为不符合要求，但约有10%的输出产生了有价值的研究问题或发现。
由于Denario能够跨学科地整合知识，该团队希望它能提出一些专业研究者可能未曾想到的问题。
“Denario能从科学家不熟悉、甚至从未考虑过的其他领域中提取思路，这种跨学科属性非常令人振奋。” Villanueva Domingo博士说。
研究人员还希望Denario能帮助科学家赢回最宝贵的资源：时间。
“我希望Denario能为研究人员提供工具，帮助他们减少在琐碎任务上的耗时——比如浏览arXiv、规范图片格式或总结分析——从而让他们能更多地投入于深度创造性思考。” Bolliet博士表示。
在下一阶段迭代中，该团队计划提升Denario的效率和输出质量，包括自动识别并过滤低质量结果。
但像Denario这样的工具仍面临挑战。系统生成的一些最终文稿不能充分表达结果中的不确定性，并且有时难以清晰地引用先前的研究 —— 即便它能准确描述这些研究的内容。
此外，还存在技术与伦理层面的考量，包括Denario可能引用 AI“幻觉”（具有误导性或虚假信息）的风险，以及围绕版权与作者身份的相关问题。研究人员甚至不得不在Denario捏造数据后添加指令，禁止其生成“虚拟数据”。
该团队表示，他们期待与外界共同探讨如何正确使用Denario及类似工具并防止其被潜在误用。他们强调，Denario的研发成功离不开学术界和业界的跨领域通力合作。
Boris Bolliet博士现为剑桥大学三一学堂（Trinity Hall）研究员。
本文摘录自剑桥大学官方网站，您可点击文末“阅读原文”或访问如下网址以查阅原文。
