在科研领域，重复实验的困难一直被视作创新的主要障碍之一。如今，一支由DeepMind校友组成的英国团队声称，他们的人工智能代理已经能够高效完成这项任务，而且比业界巨头Anthropic和OpenAI做得更好。
这一突破的主角是AI初创公司Inherent新发布的代理——Faraday。据TechCrunch报道，Inherent将其定位为科学家的“AI队友”，能够自动阅读论文、提取实验步骤并执行复现流程，从而显著提升科研效率。
DeepMind校友的“AI队友”
Inherent由曾任职于DeepMind的研究人员创立，团队成员大多拥有机器学习、计算生物学和实验室自动化等交叉领域的背景。他们希望用AI缓解科研中枯燥且重复的验证工作，让科学家解放双手，专注更有创造力的任务。
Faraday的工作方式并不仅仅是“读论文”。它会把论文中的方法部分转化为可执行的协议，通过模拟环境或对接真实实验设备自动运行。Inherent表示，Faraday不仅能记录实验数据，还能自动对比结果、定位异常，甚至提出修正假设。这种设计使其更像一名“队友”，而非单纯的自动化工具。
超越Claude Research与Deep Research？
当前，Anthropic和OpenAI均已在科研场景中布局AI代理。前者推出了Claude Research，后者则有Deep Research。然而，Inherent宣称，在“论文复现”这一细化基准中，Faraday的端到端成功率明显高于这两者。
“这不仅仅是速度上的提升，而是质的不同。”Inherent联合创始人兼CEO Morgan Ellis表示，“过去需要博士生数月才能完成的复现实验，Faraday数天内就能给出可信结论。”
但需要注意的是，这一结果来自Inherent的自测数据，尚未经过独立第三方验证。这也提示我们，AI代理的横向对比往往具有局限性，真实表现还需在开放基准上接受检验。
可复现性危机中的新变量
科学界长期饱受“可重复性危机”的困扰。统计显示，相当比例已经发表的研究结果无法被其他团队复现，导致大量经费与时间的浪费。Faraday这类工具的价值恰好在于，它有可能在论文发表前就暴露潜在问题，并在研究早期帮助科研人员验证假设。
从更广阔的行业视角看，AI for Science正成为AI落地的核心方向之一。无论是AlphaFold在蛋白质结构预测上的突破，还是工业界构建的全自动实验室，都表明AI正在从“辅助工具”走向“研究主体”。Faraday的出现，或许会加速这一进程。
编者按：让AI成为科研的“垫脚石”而非“捷径”
Faraday的进步令人兴奋，但我们也应保持审慎。其核心能力来源于对已有论文的理解和复制，因此它更擅长沿袭既有范式，而难以突破知识边界。如果过度依赖AI进行复现，可能会诱发“为AI而AI”的研究方式，甚至让论文数据变得更加同质化。
此外，AI代理在访问学术内容时涉及版权与数据合规问题，其结果的可信度也缺乏行业标准。未来，我们需要配套的监管框架与伦理规范，确保AI真正成为科学创新的“垫脚石”，而不是被滥用的“捷径”。
无论如何，当AI学会了“复现”科学，下一步或许就是“重做”科学。这个由DeepMind校友团队开启的微小开端，可能正是未来科研范式的起点。
本文编译自TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接