通用生物醫學AI智能體可自主執行科研任務

美國斯坦福研究團隊近日在《科學》雜志上報告了一種名為Biomni的通用生物醫學AI智能體，其能夠自主執行從數據分析到實驗設計的多種研究任務。團隊在多個案例研究中測試了該工具，認為其性能穩定，多項任務表現接近人類專家。該成果意味著AI智能體可與人類研究人員協作，加速推進生物醫學從基礎研究邁向應用轉化。

生物醫學研究近年來推動了對疾病機制、診斷與治療的認知，但工作流日趨復雜、數據集持續膨脹、專業工具繁多、文獻增速驚人，使得現有知識和資源難以被充分利用。對專業研究人員的需求已超過可用勞動力，也使大量有價值的數據和分析機會被擱置。開發出能擴展專業知識、加速發現的工具十分迫切。而AI智能體的發展為重塑生物醫學研究的部分環節提供了可能，但前提是這類工具能覆蓋足夠廣的生物醫學任務。

Biomni通過挖掘海量生物醫學文獻，定義出一套覆蓋較全的學習任務。大型語言模型則兼任規劃引擎，負責理解用戶請求，并將其拆成一連串多步子任務。這套機制讓Biomni在沒有預設工作流模板的情況下，也能自行組裝并執行完整流程。

團隊將Biomni置于多個生物醫學基準上測試，并在多項任務中將其表現與人類專家對比。結果發現Biomni的準確度始終能與專家級水平匹配，而耗時明顯更短。5個案例研究中均驗證了其工具能力，范圍從可穿戴傳感器數據分析，到為研究人員設計實驗協議。

團隊強調，這項成果的價值不在于宣告“AI替代人”。盡管Biomni已接入不少生物醫學工具與數據庫，但評估任務只占一小部分，若干關鍵方向尚未觸及。即便如此，通過把復雜工作流自動化，研究人員可以把精力挪向創造性的假設生成、實驗創新和跨領域協作，這部分才是人類科學家更該花時間的地方。