在科研领域重复实验的困难一直被视作创新的主要障碍之一。如今一支由DeepMind校友组成的英国团队声称他们的人工智能代理已经能够高效完成这项任务而且比业界巨头Anthropic和OpenAI做得更好。这一突破的主角是AI初创公司Inherent新发布的代理——Faraday。据TechCrunch报道Inherent将其定位为科学家的“AI队友”能够自动阅读论文、提取实验步骤并执行复现流程从而显著提升科研效率。DeepMind校友的“AI队友”Inherent由曾任职于DeepMind的研究人员创立团队成员大多拥有机器学习、计算生物学和实验室自动化等交叉领域的背景。他们希望用AI缓解科研中枯燥且重复的验证工作让科学家解放双手专注更有创造力的任务。Faraday的工作方式并不仅仅是“读论文”。它会把论文中的方法部分转化为可执行的协议通过模拟环境或对接真实实验设备自动运行。Inherent表示Faraday不仅能记录实验数据还能自动对比结果、定位异常甚至提出修正假设。这种设计使其更像一名“队友”而非单纯的自动化工具。超越Claude Research与Deep Research当前Anthropic和OpenAI均已在科研场景中布局AI代理。前者推出了Claude Research后者则有Deep Research。然而Inherent宣称在“论文复现”这一细化基准中Faraday的端到端成功率明显高于这两者。“这不仅仅是速度上的提升而是质的不同。”Inherent联合创始人兼CEO MorganEllis表示“过去需要博士生数月才能完成的复现实验Faraday数天内就能给出可信结论。”但需要注意的是这一结果来自Inherent的自测数据尚未经过独立第三方验证。这也提示我们AI代理的横向对比往往具有局限性真实表现还需在开放基准上接受检验。可复现性危机中的新变量科学界长期饱受“可重复性危机”的困扰。统计显示相当比例已经发表的研究结果无法被其他团队复现导致大量经费与时间的浪费。Faraday这类工具的价值恰好在于它有可能在论文发表前就暴露潜在问题并在研究早期帮助科研人员验证假设。从更广阔的行业视角看AI for Science正成为AI落地的核心方向之一。无论是AlphaFold在蛋白质结构预测上的突破还是工业界构建的全自动实验室都表明AI正在从“辅助工具”走向“研究主体”。Faraday的出现或许会加速这一进程。编者按让AI成为科研的“垫脚石”而非“捷径”Faraday的进步令人兴奋但我们也应保持审慎。其核心能力来源于对已有论文的理解和复制因此它更擅长沿袭既有范式而难以突破知识边界。如果过度依赖AI进行复现可能会诱发“为AI而AI”的研究方式甚至让论文数据变得更加同质化。此外AI代理在访问学术内容时涉及版权与数据合规问题其结果的可信度也缺乏行业标准。未来我们需要配套的监管框架与伦理规范确保AI真正成为科学创新的“垫脚石”而不是被滥用的“捷径”。无论如何当AI学会了“复现”科学下一步或许就是“重做”科学。这个由DeepMind校友团队开启的微小开端可能正是未来科研范式的起点。本文编译自TechCrunch本文首发于赢政天下https://www.winzheng.com获取更多深度技术内容与资源欢迎访问官网。