新民晚报记者今天（23日）从上海人工智能实验室获悉，其近期推出多智能体框架Intern·Agent，并探索以此为核心构建科学发现系统。通过调动多个专职智能体，使之各司其职协同工作，Intern·Agent使AI获得类似人类科学家的自主探索能力，可开展分析问题、查阅文献、调研反思及开展实验，从而实现“想法生成—方案设计—代码实现—实验验证”全流程闭环。
目前，Intern·Agent已应用于化学、物理、生物等领域的12种科研任务，在大幅提升科研效率的同时，亦初步展现出多智能体系统自主学习、持续进化的潜力，为人工智能自主完成算法设计、科学发现等高端科研任务开辟了全新的探索路径。
实现全流程闭环自主科学研究
随着科研需求增多、迭代周期缩短，科研流程各环节相对独立且分散的模式难以支撑规模化的创新突破。上海AI实验室研究团队融合多个专职智能体，打造了全流程闭环自主科学研究框架Intern·Agent。
在想法生成阶段，Intern·Agent通过文献综述智能体、观点提出智能体、多维评审智能体，支持自动生成针对科研任务的创新想法并持续迭代，专家可在任意阶段提供反馈，既能精准指导特定想法，又能宏观调控整体研究方向。
在方案设计阶段，Intern·Agent通过方案设计智能体、Coding评审智能体，快速将抽象想法转化为详细实施方案，并进一步结合领域约束与计算资源限制对方案进行优化调整，最终将方案转换为高质量代码。
在实验验证阶段，Intern·Agent通过实验设置与计划智能体、人机交互与反馈智能体，自主规划实验流程，针对代码进行实验验证，记录实验结果；实验结束后，Intern·Agent还支持对实验结果进行多维度分析，为下一次方案设计和代码生成提供参考。
ntern·Agent全流程闭环自主科研框架，Agent各司其职，紧密协同
十二个科研领域效率大幅提升
目前，Intern·Agent已在12个科研领域进行了实验测试，成功帮助科研人员在化学反应产率预测、生物学增强子活性预测、电力流预测、文本情感分析、2D语义分割、3D点云分类等方面提出了新颖的假设，并大幅提升研究效率。
以化学反应产率预测实验为例，研究人员依托传统方法往往需花费数月调参、试验，才能将准确率从基线提升4%—6%，而Intern·Agent仅用12小时便实现10.6%的提升。
化学反应是现代工业生产与科学研究中不可或缺的核心环节。传统的化学反应优化通常使用“试错法”完成，不仅高度依赖经验，而且在大规模空间下可能导致高昂的试错代价。
结合Intern·Agent框架，上海AI实验室研究团队打造了ChemBOMAS化学反应优化多智能体，有效减少“靠经验反复试错”的环节。在一个全新的抗菌药物前体合成反应中，ChemBOMAS将贵金属Pd催化剂用量降低至1/10（等同于效率提升10倍），并将产率从20%提升至96%。
在AI赋能药物研发的场景中，结合Intern·Agent框架的深度研究能力，上海AI实验室联合临港实验室、上海交通大学、复旦大学、MIT等研究机构紧密协作，共同参与构建了多智能体虚拟疾病学家系统——“元生”（OriGene），用于靶标发现与临床转化价值评估，已在肝癌和结直肠癌治疗上分别提出新靶点GPR160和ARG2，并获真实临床样本和动物实验验证，形成科学闭环。
上海AI实验室告诉新民晚报记者，接下来将继续推进通专融合AI4S技术路线的发展与探索，以新一代通专融合基础模型打造下一代AI for Science平台，实现跨学科深度融合，从更全面的维度赋能研究者、研究工具、研究对象，推动科学研究迈向系统化群体涌现新阶段。
长宏网提示：文章来自网络，不代表本站观点。
