近日，科学界迎来了一项创新突破：一款名为AstroAgents的人工智能系统横空出世，专注于天体生物学领域，旨在探索宇宙生命的奥秘。这一成果不仅已在预印本平台arXiv上发表，还在新加坡举办的国际学习表征会议上大放异彩。
AstroAgents系统由八大AI代理协同工作，它们各司其职，从数据分析到科学假设的提出，无所不能。更令人惊叹的是，该系统整合了一系列AI工具，形成了一条从文献检索、假设构建到论文撰写的完整科研流水线。NASA已计划利用这一尖端技术，对未来从火星采集的样本进行深入分析，以期发现能够揭示生命迹象的有机分子。
NASA戈达德太空飞行中心的天体生物学家Denise Buckner对该系统寄予厚望，她认为AstroAgents将极大地促进科学家对分子在太空中的形成机制、地球生命起源的理解，以及生命分子的保存条件的研究。这一工具的引入也将为未来的研究方向指明道路。
AstroAgents系统基于先进的大型语言模型（LLM）构建，其设计初衷是超越传统AI工具的被动角色，成为科研过程中的主动参与者。它能够自主决定研究路径、执行任务、评估结果并作出相应调整。然而，关于AI代理是否能真正提出具有原创性的科学假设，学术界内部存在广泛争议。卡内基科学地球与行星实验室的天体生物学家Michael Wong指出，将AI代理应用于天体生物学领域是一次前所未有的大胆尝试。
为了验证AstroAgents系统的性能，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，并经过十轮迭代优化。测试结果显示，Gemini系统提出了101个假设，而Claude系统则提出了48个。其中，Gemini提出的一个假设认为地球上发现的某些特定分子可能是确凿的生物标志物；而另一个假设则指出，两个陨石中发现的一组有机分子可能源于相同的化学反应。
Buckner对这些假设进行了细致的评估，她认为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。
然而，Wong对AstroAgents的实际贡献持保留态度，他指出目前仅有一位专家对系统提出的假设进行了评估，因此评估结果可能缺乏全面性和客观性。他认为，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。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举足轻重的作用。他强调：“这只是个开始，AI代理的潜力远不止于此。”
