VirSci - 上海人工智能实验室推出的多智能体AI科学研究工具

发布于 2024-11-02 · VirSci（Virtual Scientists）是上海人工智能实验室推出的多智能体AI科学研究工具，基于模拟科学家团队的合作过程加速科研创新。系统基于大型语言模型（LLMs），用组织智能体团队合作生成、评估和完善研究创意，展现出在科学创意生成中的创新性和影响力，超过传统单智能体系统。

VirSci是什么

VirSci（Virtual Scientists）是上海人工智能实验室做的多智能体科研工具，思路是模拟一支科学家团队怎么合作，把科研创新的过程加速。它底层用大型语言模型（LLMs），把智能体组成团队，一起生成、评估、完善研究创意。在科学创意生成上，它比传统单智能体系统更有新意，也更有影响力。VirSci 不只是推动科学发现，它还把这套东西当作研究工具，去看不同团队构成会怎样影响创新性。

VirSci的主要功能

合作者选择（Collaborator Selection）：模拟科学家团队怎么组建，挑合适的合作者进研究团队。
主题讨论（Topic Discussion）：团队成员围绕研究主题讨论，把方向定下来。
创意生成（Idea Generation）：成员提出并打磨研究创意，产出几个潜在的研究想法。
新颖性评估（Novelty Assessment）：评估创意的新颖性，办法是和现有文献比重叠程度，据此挑出最具创新性的想法。
摘要生成（Abstract Generation）：拿选定的创意写论文摘要，引言、目标、方法、预期结果和结论这几部分都要覆盖。
自我审查（Self-review）：最终摘要生成后还会自审一遍，先查新颖性，确认和现有研究不至于太像。
知识库构建：建一个装着科学家背景信息的知识库，智能体靠它拿到必要信息，合作和讨论才有依据。
团队讨论机制：每个步骤都安排团队讨论，一轮轮迭代、打磨，把输出质量提上去。

VirSci的技术原理

大型语言模型（LLMs）：VirSci 依托大型语言模型（如 GPT-4o 和 Llama-3.1）：这类模型理解和生成自然语言的能力强，复杂的科学发现任务也能处理。
多智能体系统：系统里有一群智能体，每个扮演一位科学家，能协作、沟通、分担研究任务，把人类团队合作的样子学了下来。
数字孪生技术：基于检索增强生成（RAG）框架，VirSci 给真实科学家建数字孪生代理，这些代理能访问并使用对应科学家的知识库。
知识库和数据库：系统一边建科学家背景知识库，一边建收录过往与当代论文的数据库，智能体合作、讨论时从这里取所需的信息。
团队讨论机制：做了一套“团队讨论”机制，智能体在生成创意和摘要时可以反复做内外打磨的对话，输出质量因此提高。
新颖性评估：把生成的摘要与过去、当代论文库比对相似性，据此评估新颖性，用的指标有历史差异性（HD）、当代差异性（CD）和当代影响力（CI）等。

VirSci的项目地址

项目官网：open-sciencelab.github.io/Social_Science
GitHub仓库：https://github.com/open-sciencelab/Social_Science
arXiv技术论文：https://arxiv.org/pdf/2410.09403

VirSci与AI Scientist的对比优势

协作性质的模拟： VirSci 是基于大型语言模型（LLMs）的多代理系统，生来就是要模仿科研里本来就有的团队合作。与 AI Scientist 这类单一代理系统不同，VirSci 把代理组成团队，一起产生、评估和完善研究想法，更接近现实中科学家组队解决复杂问题的方式。
创新性的科学想法生成：实验结果里，VirSci 在产生新颖且有影响力的科学思想上胜过 AI Scientist 等最先进的单代理方法。多代理协作让它的研究与当代趋势的对齐水平平均提高了 13.8%，潜在影响力提高了 44.1%。
社会行为的涌现：实验里还观察到代理之间出现了社会行为，这和“科学中的科学”领域的一个重要发现对得上：新组建的团队往往能做出更新颖的研究。这也说明，VirSci 作为工具，在合作机制的研究上还有进一步探索的空间。
端到端的科学合作流程： VirSci 是第一个把团队组织到新颖想法生成串成端到端流水线的多代理系统，科研的全过程能模拟得更完整；AI Scientist 则更多集中在单个任务的自动化上。
实验验证： VirSci 在团队设置、生成想法的新颖性等多个方面都做了实验验证，为它在实际科研中的使用添了几分实证支撑。