机器人科学家来了。但这并非坏事

这个故事刊登在《发现》杂志2020年9/10月刊上，题为“机器人科学家来了”。我们希望您能订阅《发现》，并在这个最需要的时候支持科学新闻。

起初有了亚当。我们说的不是第一个人类，而是第一台完全自动化科学过程并独立做出发现的机器。

亚当看起来一点也不像人类。它像一个大盒子，大约有一个办公隔间那么大。它配备了机械臂、培养箱、冰箱、摄像头和其他部件来帮助它工作。它进行研究所需的一切都在那里，包括执行任务的大脑。

这台机器背后的男人是瑞典查尔姆斯理工大学的机器智能教授罗斯·金。他于2004年开始建造亚当来研究酵母中的酶，后来又建造了第二个机器人——恰当地命名为夏娃——来寻找潜在的疟疾药物。

“亚当和夏娃就是我所说的机器人科学家，”金说。这些结合了人工智能和机器人实验室设备的机器，随着每次迭代都变得越来越聪明。

但是这些机器人科学家有什么特别之处呢？自动化在现代实验室中越来越常见，人工智能可以协助研究人员进行无数项目。而将自动化和人工智能结合起来，使机器能够执行科学过程的每个步骤——提出假设、进行实验、分析数据和得出结论——正是这些机器人独树一帜的原因。

尽管让机器人“像科学家一样思考”的正式尝试始于20世纪60年代，但直到过去二十年，亚当和其他智能机器才开始有效地从假设到最终报告进行实验。这些复杂的机器仍然罕见，但少数机器人科学家在从医学到数学的各个领域都帮助人类同行做出了新的发现，为科学研究的未来树立了先例。由于一项旨在到2050年创造出能够赢得诺贝尔奖的机器人的全球性挑战，您可能会在未来十年听到更多关于这些自动化研究人员的消息。

破解密码

亚当被设计来研究面包、啤酒和你最喜欢的蓬松甜点中的关键成分：面包酵母。这种不起眼的厨房必需品是一种单细胞真菌，酿酒酵母，其结构足够复杂，可以作为人类细胞的模型。

“尽管人类和酵母的最后一个共同祖先大约在十亿年前，但生物学具有令人难以置信的保守性，”金说。“所以，对酵母细胞来说是真的，对人类细胞来说也大部分是真的。”

几十年来，研究人员一直致力于研究酵母的DNA，旨在将每个基因与其功能联系起来。其中一些基因编码酶，即加速化学反应（如葡萄糖分解）的蛋白质。当生物体的基因组在1996年被测序时，遗传学家获得了大量新信息。

但要确认酶与基因之间的关系，仍然需要在实验室对酵母进行物理测试。这是一项费力的工作，拥有微生物学背景的金设想机器可以更高效地完成。

于是金为亚当配备了完成整个过程所需的一切。机器人被编程了一个包含多种生物体基因组、酶信息以及如何扫描潜在匹配项的数据库。亚当可以使用所有实验室设备和数千种酵母菌株，进行实际测试以确认潜在匹配项——并且知道如何读取实验结果，如果匹配不成功则返回重新开始。最终，亚当制定并测试了20个假设，最终提出了12个新的基因-酶匹配项。

“没有足够的生物学家来完成我们想要做的所有实验，甚至连酵母如何工作我们都无法完全理解，”金说。像亚当这样的机器人并非旨在统治世界、窃取工作或使人类科学家过时——恰恰相反。一个像科学家一样思考的机器人助手可以填补科学领域人手不足的空白。

亚当是第一台既能提出假设又能通过实验验证的机器，但此后已退役。金表示他计划将这个机器人捐赠给一家博物馆。夏娃仍在服役，不过金表示这台机器正在休眠，他正将其从英国搬迁到瑞典。

夏娃的成名之作是2018年发表在《科学报告》上的一项研究，在该研究中，这个机器人发现三氯生（牙膏和肥皂中的常见成分）可能是一种治疗疟疾的潜在药物。这种化合物此前已被认定具有阻止疟疾寄生虫生长的潜力，但研究人员很难确定体内哪些酶对这种物质最敏感。夏娃帮助将FDA批准的物质库中的化合物与对治疗有反应的酶靶点匹配起来。金表示他希望利用这台机器继续研究热带疾病的治疗方法。

与此同时，他正在计划另一个项目：研究细胞的生化组成。金称之为“创世纪”；这项雄心勃勃的项目将测试和完善数学模型，以填补对细胞工作原理理解上的空白。

“我们了解（细胞的）一些基本生物化学，”他说。“但我们无法真正定量预测，如果我们对像酵母这样简单的东西做实验，会发生什么。”

像专家一样思考

金的机器人二人组可能是第一个成功实现自动化发现的，但现代机器人科学家的起源可以追溯到近60年前。当时技术还有很长的路要走，但在1965年，斯坦福大学的研究人员就已经尝试用早期计算机自动化科学过程。

他们开始着手一个名为Dendral的项目，这是一个由两种主要算法组成的人工智能。这些算法用于通过质谱数据（有关原子重量的信息，可以帮助化学家确定化合物的结构和性质）识别未知化合物。

Dendral为最早的专家系统铺平了道路，这是一种训练计算机“像专家一样思考”的人工智能。在接下来的几十年里，新的项目不断涌现：1976年出现了自动化数学家（AM），这是一个生成新数学定理的程序；1996年，威奇托州立大学的研究人员发表了一篇关于FAHRENHEIT的论文，该项目实现了化学研究的自动化。利用人工智能的新进展来辅助数学密集型领域，促使计算机科学家专注于构建这些机器人科学家的“大脑”，同时实验室自动化也持续发展。

但是，这些未来机器人科学家的大脑和身体都需要时间，以及大量人类的构思，才能扩展到我们今天看到的项目。AM在寻找模式的能力方面令人印象深刻，但它生成了许多被数学家认为无用的定理。即使是Dendral也有其缺点——例如，它的搜索功能不是最有效的，并且它对可以计算的问题规模有限制。该项目，以其最初的形式，不再运行——没有一群化学家对该程序投入足够的精力来继承其遗产。但是，Dendral最初的创建者在1991年撰写的一项案例研究报告称，该项目对新兴的人工智能社区产生了重大影响，为科学领域自动化普及的未来打开了一扇窗。

不确定性之岛

几十年来，计算能力的增强、算法的完善和新机器人设备的出现，最终迎来了新一代机器人科学家的曙光。这些机器人正在掌握新的领域，并学习日夜不停地处理数据；其中一个机器人是麻省理工学院的智能拖曳水池。

拖曳水池是流体力学和工程研究中的常用工具，通常足够大，可以驾船穿过其内部。这种又长又窄的水池允许研究人员调节水位、波浪和其他参数，以模拟液体流动的变化。他们可以利用这些结果更好地理解摩擦、流动以及其他可能作用于船舶或结构的因素。

由于拖曳水池通常用于进行旨在理解复杂物理学的实验，因此对于研究人员来说，进行一次又一次的增量实验是一项艰巨的任务。但智能拖曳水池的机器人程序可以独立进行这项研究，并设计自己的后续实验，而无需人类的帮助。

到目前为止，这台机器面临的最大挑战之一是如何开始实验。目前，人类研究人员必须通过设置初始参数来帮助水池形成第一个假设。亚当和夏娃也有类似的缺点——它们都依赖于创造者在微生物学方面的广博背景才成为专家。

具体而言，拖曳水池旨在研究涡激振动（VIVs）。这个研究领域专注于物体对其水下环境产生的作用力，应用于工程师设计不同结构的方式——特别是那些受到强风和海浪影响的结构。像细胞和基因一样，科学家们理解VIVs的基本工作原理，但它们在不同环境下的物理工作方式仍然存在知识空白。

布朗大学应用数学教授乔治·埃姆·卡尼亚达基斯（George Em Karniadakis）在2019年共同撰写了一篇关于该水池的论文，他说，识别这些未知领域，并允许自主水池探索它们，正是这台机器帮助填补这些空白的方式。

“我们（经常）把不确定性看作敌人，”他说。“但这里的想法是，不确定性是我们的朋友。”

该项目由当时的研究生范迪夏领导，他正在将流体力学实验自动化，以更高效地完成工作。事实上，效率高到范的合作者白天很难在实验室附近找到他。

“我过去常常去那里找他，但他从来不在房间里，”卡尼亚达基斯说。“但实验一直在进行。”

水池拖着一个能在无人看管的情况下以恒定速度移动并施加振动等力的车厢。它还知道在实验之间暂停，让液体沉淀，然后再进行下一个实验，以避免结果的交叉污染。

这台机器24小时不停工作，几乎没有监督，完成了10万次实验。就像金的亚当和夏娃机器人一样，这个水池从最初的假设中创建后续研究，并持续进行研究，直到计算机可以从结果中得出全面的结论。

挑战计算机探索未知领域使其变得更智能——这就像你挑战自己，通过与排名更高的运动员比赛来提高网球水平一样。正如麻省理工学院海洋科学与工程教授迈克尔·特里安塔菲洛所解释的，“他们会把你推向你还不了解的领域。”

“如果你总是和水平相同或比你差的人玩，那就像从不探索真正的困难空间一样，”他说。机器也必须如此：它的实验需要提供一个挑战，让它收集新的数据并找到新的呈现方式。

然而，卡尼亚达基斯表示，将机器人技术和人工智能结合起来进行实验，很可能适用于他所在领域之外的领域。换句话说，一个机器人科学家可以拥有几乎任何学科的博士学位——这只是需要合适的人来构建这个机器人。

“我认为这种范式将适用于任何学科，”卡尼亚达基斯说。“从（研究）一个分子到一架飞机。”

宏伟挑战

机器人科学家现在并不常见，但在未来几十年可能会有所改变。一个可能促使更多机器人科学家投入运作的项目正在设定一个雄心勃勃的目标：到2050年建造一台能够赢得诺贝尔奖的机器。

这个想法最初由日本研究员北野宏明在2016年发表于美国人工智能协会（AAAI）的一份报告中提出。这份行动呼吁明确指出，需要利用人工智能来推动科学研究（特别是生物医学科学）的边界，并最终扩展到更广阔的发现领域。

但直到2019年，将这一挑战转化为全球倡议的正式计划才开始具体化。海军研究办公室全球科学主任阿约德吉·科克（Ayodeji Coker）正在掌舵。金和北野，以及AAAI主席尤兰达·吉尔（Yolanda Gil），正在协助领导这一过程。该项目仍处于规划阶段，但科克表示，该小组最近举行了一次会议，吸引了来自大学、研究团体和政府机构的约30人。

科克希望这项努力能发展到北野在1997年领导的RoboCup同样的规模。从那以后，几乎每年，全球各地的研究人员都会参加一项挑战，其最终目标是到2050年自动化一组类人机器人，击败FIFA世界杯的球员。但这项比赛也提供了许多子挑战，例如建造救援机器人和为人们在家中提供自动化助手。

“我认为整个倡议的美妙之处在于，它们将一个社区聚集在一起，”科克说。“它们让大家在学习和探索这些新挑战中感到乐趣。”

去年，RoboCup有超过3500名参与者，代表了40个国家。这项活动已经持续了二十年，点燃了机器人技术的新进展。同样，科克希望提供各种较小的挑战，最终实现自动化诺贝尔奖级别科学的最终目标。他希望这项倡议能汇集不同学科的专家，以构建和完善自动化科学家的各个方面——从在实验室中导航的能力到用于设计实验的算法。即使一个团队未能达到最终目标，他们仍将为该领域贡献宝贵的数据，为下一批研究人员铺平道路，使机器人科学家变得更聪明。

“我们正在从头开始，思考‘好的，在自然语言处理、视觉和感知方面，我们现在需要完成什么？’”科克说。建立和完善这些独立的技能最终将为机器人科学家与人类科学家有效沟通创造一个更强大、更稳定的模板。

创建更好的机器人始于完善自动化过程的各个方面，以字面意义上制造出一部运转良好的机器。而一项全球性挑战可以吸引年轻一代的研究人员，他们拥有各种专业知识——渴望以新方式创新的头脑。

“我们需要一个引擎来驱动这种创造力，”科克说。“这不是关于登月；而是关于登月所需的一切。”

詹妮弗·沃尔特是《发现》杂志的助理编辑。