四川
调研637位科学家后，谷歌带来了一份最真实的AI4S一线使用报告。
近日，谷歌 DeepMind携手麻省理工学院未来技术实验室发布了一篇名为《科学中的人工智能：早期洞察》（AI in Science: Early Insights）的研究报告。
研究使用了Google旗下AI与经济研究项目ATLAS（Activity, Task, Landscape, and Adoption Study）的数据。
ATLAS通过分析约1500万次经过去标识化处理的Gemini交互，追踪全球不同职业中AI的实际使用情况；而这份科学专题研究，又进一步结合了专业科学AI模型数据库，以及对美国和英国637名活跃科学家的调查。
报告通过调研显示，AI4S已经不是AlphaFold一个明星案例的故事了。
研究团队一共梳理出了2690个专业科学AI模型，覆盖83%的科学子领域；如果剔除教学、行政等任务，约24.3%的实质科研任务已经存在专业AI模型覆盖。
报告 给出了不少有趣的数据，例如近一半的受访科学家每天都会使用AI；AI每周可为科学家节省近7小时等……
然而最值得注意的真相还是以下两点：
verification tax（验证税）正在吃掉相当大一部分的时间红利、AI解放出的这些时间并没有能完全变成生产力。
在那些认为AI确实节省了时间的受访科学家中，89%反而会拿出超过10%的已节省时间来检查AI输出，46%会拿出超过25%的节省时间。
此外，假设积压（untested hypothesis backlog）开始大量出现，约41%的受访科学家表示，他们手中未验证假设的积压正在增加。
报告指出，AI加速“生成假设”和“计算预测”的速度，可能已经远快于物理实验设施执行实验并验证这些假设的速度，也快于科学家自己验证AI输出的速度。
谷歌、OpenAI、Anthropic的共识
AI4S下半场在实验室
在谷歌发布报告的同期，另一家AI巨头Anthropic直接在行动上响应了这一观点。
该公司被爆出在旧金山设立了一个湿 实验室，探索让 Claude 直接指挥实验室里的机器人单元，在有限人工介入的情况下完成实验。
在今年八月，该公司曾 高调宣布发布模型硬件标准（ Model Hardware Standard ，简称 MHS ），将AI和硬件设备之间的通信统一成一套通用语言。
并成功将将一项原本需要耗费数周的成像实验，硬生生压缩到了1天之内。
在相关采访中，Anthropic生命科学负责人 Eric Kauderer-Abrams明确表示
“我们认为，要真正做生物学，最终的检验仍然得在真实实验室里，而且在未来一段时间内都会如此。”
其实早在2024年，Anthropic CEO Dario Amodei就曾谈过他对AI4S的看法并指出，AI应用于生物学面临的核心限制之一，是“物理世界的速度”（the speed of the physical world）。
培养细胞需要数天甚至数周，动物实验需要数月，人体实验更可能持续数年，而再聪明的AI，也无法直接让现实世界按GPU的速度运行。
另一家AI巨头OpenAI也在向同样的方向布局，早在今年二月就与合成生物学公司Ginkgo Bioworks合作， 将 GPT‑5 接入实验室，由机器人完成实验操作并反馈数据。
结果显示，GPT-5仅用三轮实验，就刷新了低成本无细胞蛋白合成的SOTA：蛋白生产成本降低40%，试剂成本降低57%，还开发出多款新型反应体系。
OpenAI又与AI4S企业Molecule.one合作，再次将GPT‑5.4接入化学实验室，由智能体和机器人完成实验操作并反馈数据。
最终在AI的改进下，将反应平均产率飙升到25.2%，而且产率超过30%的反应比例从15.6%翻倍到了37.5%。
—The End—
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
