大模型在科研领域越来越高效了。

昨天，谷歌发布了一篇重要文章，介绍了一个能协助科研人员开发高水准科研软件的人工智能系统。

这个体系结合了大型语言技术与经典树状探索方法，可以自主生成并改进科研工作所需要的软件代码，能够搜集不同来源的既有信息，将这些信息加以融合并重新编排，从而形成一项创新的研究构想。

谷歌研发的这个系统性能优异，其水平时常超越人类专家，并且非常可靠。它在基因组学、公共卫生、数据计算等众多领域展现出卓越能力，表现甚至强于顶尖科研机构和国家层面的综合系统。

通过这种方式，科研工作者在各个学科领域都可以运用这个人工智能系统来形成创新的研究构想和验证方案，从而提升科研工作的效率。

人工智能在学术研究中的运用主要体现为自动化功能，有助于学者们确认研究项目的可行性，处理一些需要反复操作且劳动量大的任务，从而节省研究人员在重复性验证和程序调试上耗费的精力，同时也能促进学者们的创造性思考。

谷歌的这个系统能够整合研究思路并加以重新组织，在科研工作中能够形成一些新的方法，建立更优化的模式，使 AI 技术参与到科研领域的创新环节，从单纯生成一次性代码的工具，转变为依据量化指标进行的迭代式、搜索主导的软件发展。

不过也有网友表达了 AI 深入科研领域的担忧：

谷歌这次的智能系统依然存在诸多不足，其设计初衷是针对「能够进行评分的科学工作」——也就是那些可以用精确度、偏差度或标准检测等标准来衡量软件运作优劣的计算任务，尽管包含了大量的科研范畴，却没包含那些难以量化评价的工作成效。

值得注意的是，曾任职于谷歌搜索的Deedy Das介绍了这项工作，他尤其关注论文末尾的提示内容。

论文中提出的算法要求融合两种不同方法的特长，构成一种卓越的合成方案，并且该方案的整体表现要优于任意一种独立方法的表现，这表明出色的成果并不必然依赖极其详尽的指令说明。

论文详细内容如下：

这项研究开发了一个人工智能工具，它能够自主为科研计算工作开发出专业水准的实证程序。该工具融合了巨型语言模型和树状搜索技术，通过反复地构思、检验和优化科学软件的方案。它的关键突破在于，大型语言模型不再局限于单次代码编写，而是转变为系统探索中的一个智能"变体"装置，可以汇集并重构学术文献里的研究方法。

图 1: （a）系统构造：说明可评测题目与研究方案怎样被送入到大型语言模型，由它编写程序，随后在隔离区里测试，成效以树形探索方式排列。（b）成效对照：比较了各种方法的成功比例，表明融合专家建议的树搜索（TS）获得了最佳成功率。研究思路的获取途径有多个方面，首先来自于资深人士的丰富经验，其次参考了众多学术著作，再者还借鉴了人工智能系统构建的整合方案。

问题与方法

该系统的宗旨是「能够评定的科研课题」—— 也就是那些能借助精确度、偏差度或参照测试等标准来衡量软件运作优劣的计算课题。此类课题遍及基因测序、疾病监控以及视觉解析等诸多科学运算领域。

该方法论围绕三个核心组件协同工作：

1. 基于 LLM 的代码变异

跟从无到有地编写代码不一样，LLM 会不断调整和提升现成的候选代码。系统借助 LLM 对编程思路和特定领域背景的认知，同时参考研究方法和性能数据，从而实施智能化的调整和优化。

2. 树搜索导航

代码生成的任务融入了树搜索的流程，旨在有计划地遍历广阔的软件解决方案范围，这个过程既注重优化当前较好的结果，也致力于发掘全新的可能性，通过一种源自 AlphaZero 的 PUCT 算法变种来实现这种平衡。

3. 研究思路的融合

该系统的一大特色是能够通过多种渠道引入外部知识：

这个系统在 Kaggle playground 比赛里完成开发跟更新，因为它迭代速度很快，而且人类表现参照标准很明确，所以是个非常适合用来做测试的地方。

跨科学领域的主要成果

基因组学：单细胞 RNA 测序

在处理单细胞 RNA 测序数据时，如何消除技术批次干扰并维护生物学信息，是一项艰巨的课题，该系统找到了 40 种全新方案，这些方案的表现超越了 OpenProblems 排行榜上所有已公布的技术。最优表现的技术 BBKNN (TS) 运用了 ComBat 校正的 PCA 嵌入，并融合了批次均衡 K 近邻，其效果比当前最优方法（ComBat）强了 14%。

图 2 展示了树木搜索的演变情况，能够看到随着步骤的推进，效果变得越来越好，并且特别指出了实现重大突破时的核心算法改进之处。这个系统找到了改进批次效应图制作以及执行 ComBat 基因值调整的途径。

地理空间分析：卫星图像分割

运用DLRSD 数据集对卫星影像实施密集像素级语义划分时，前三甲的系统方案明显超越了近期学术文献中的成果，其平均交并比数值超过 0.80。这些方案依托既有框架（UNet++、SegFormer），不过对它们同强力预训练解码器及宽泛数据扩充手段的结合进行了改良。

图 3：展示卫星图像分割的样例，上方是原始影像，中间是实际遮蔽层，下方是系统判别结果。该系统能够准确识别多种目标，诸如飞机场、跑道、飞行器以及相关建筑设施。

神经科学：全脑神经活动预测

在斑马鱼脑部构建了包含七万多个神经元的活动模型（ZAPBench），系统生成的最优模型在多步预测上超越了所有基准方案，并且训练进程比同类视频模型快了无数倍。该系统已成功将生物物理神经元模拟器（Jaxley）融入了高效能体系中。

时间序列预测

GIFT-Eval基准测试包含了28个不同类型的时间序列数据集，该系统在其中的多个数据集上表现更佳，超越了排行榜上的其他系统。特别之处在于，该系统自主开发了一个预测库，这个库可以灵活适配各种不同的数据集，并且能够将时间序列拆分成多个基本单元。

图 4 展示了系统识别出的有效预测方法的分布情况。其中，梯度提升方法（GBM）和集成方法在各种预测工作中表现最为突出，是应用最广泛的成功策略。

数值分析：复杂积分

在处理那些具有无限持续时间的振荡积分（这类积分让 scipy.integrate.quad 等常规方法束手无策）时，开发的程序能够精准计算出预设的十九个保留积分中的十七个，误差范围被控制在百分之三点之内。这套方法运用了精密的数学优化技巧，例如区域分割和欧拉公式改写，以此来提升级数运算的效率。

技术创新：研究思路与重组

一项核心的突破在于整合研究方法并实施智能化的调整。这套机制能够剖析各种技术的基本运作方式，同时生成融合多种技术的操作指南。

图 5：对方法组合效果进行解析，呈现基础方法与融合版本之间的成效对照。成功的优化以绿色条形图体现，效果减弱以红色条形图标示，未变更的表现则用蓝色条形图表示。

总结

这项研究揭示，人工智能不仅能完成自动化任务，更能在众多科学范畴里，持续展现出超越人类在科研与软件开发方面的能力。具体来说，系统在生物信息学、流行病学、地理空间分析、神经科学以及数值分析等不同领域，不断获得专家级别的成果，部分表现甚至超越了人类水平，这充分证明了它的广泛应用价值。

这一技术代表科研编程模式的革新，由原先的「一次性编程」转变为「围绕可衡量科研目的的持续改进、基于搜索的软件演化」。它将研发时间从「数周或数月」压缩到「数小时或数日」，显著攻克了科研领域的核心难题，有望推动所有依赖量化标准的计算探索进程。

该系统在庞大的可能性范围内进行条理清晰的搜寻，综合多种研究方法，并且能够精准地识别出优秀的成果方案。这种特性表明它或许能彻底革新科研软件的制作流程：

有助于众多科研工作者普遍使用尖端的技术手段，同时还能持续扩大科研活动在运算能力方面的极限。