人工智能（AI）研究人员创建了一个能够自主进行天体生物学研究的系统——AstroAgents，用于研究宇宙生命学科的起源。近日，相关研究成果公布于预印本服务器arXiv。同时，研究人员在日前于新加坡举行的国际学习表征会议上展示了AstroAgents。

　　AstroAgents由8个“AI代理”组成，后者可以分析数据并产生科学假设。它还纳入了其他AI工具，旨在实现从阅读文献到提出假设，直至撰写论文的科学研究过程的自动化。

　　该工具的发明者表示，他们将用AstroAgents研究美国国家航空航天局（NASA）计划从火星带回的样品。这些工具将有助于确定样品是否含有表明过去或现在存在生命的有机分子。

　　论文作者之一、NASA戈达德太空飞行中心的天体生物学家Denise Buckner说：“这有助于我们更好了解分子如何在太空中形成、在地球生命中形成，以及它们是如何被保存的，接下来我们应该具体寻找哪些迹象。”

　　该工具是“AI代理”系统的一个例子。它们通常基于大型语言模型（LLM），旨在成为比传统AI工具更积极的参与者，决定需要做什么以及如何做，评估结果并作出响应。它们的出现引发了激烈讨论，即“AI代理”能否提出真正原创的科学想法，以及如何定义新颖性。美国卡内基科学地球与行星实验室的天体生物学家Michael Wong说，将“AI代理”应用于天体生物学是一个新领域。

　　为了指定“AI代理”的行为，研究人员向LLM提供了不同的提示。研究团队尝试使用两个LLM驱动AstroAgents——Claude Sonnet 3.5和Gemini 2.0 Flash。他们为每个系统提供了8颗陨石和10份取自地球各地土壤样本的质谱数据，并进行了十轮改进。

　　结果，Gemini给出了101种假设，Claude给出了48种假设。一种假设认为，在地球上发现的某些分子可以作为“可靠的生物标志物”，表明生命的存在。另一种假设是，在两个陨石中发现的一组有机分子可能是通过一系列相同的化学反应形成的。

　　Buckner对每种假设进行了评分。她认为，Gemini的假设中36个是合理的、24个是新颖的。相比之下，Claude的假设中没有一个是原创的，但比Gemini错误更少、更清晰。

　　Buckner说，产生假设的数量以及在复杂质谱图中识别模式的能力，使AstroAgents有益于研究。“它能做的比一个人更多。”她说。

　　但是Wong认为，AstroAgents是否作出了有用的贡献尚不清楚，因为只有一人评估了它的假设。“如果他们收集了100位不同专家的评分，那么这些评分将更有说服力。”Wong说，即使是那些得分较高的假设，也没有向他提供“任何关于生命起源之谜的新知识”。

　　论文作者之一、美国佐治亚理工学院的计算机科学家Amirali Aghazadeh认为，“AI代理”工具将作出有意义的贡献。“我们才刚刚开始，只触及了皮毛。”他说，“我们应该通过很多工作了解生命起源，而‘AI代理’将发挥关键作用。”（记者 文乐乐）