西湖大學(xué)自然語言處理實(shí)驗(yàn)室正式對(duì)外發(fā)布DeepScientist系統(tǒng)，這一創(chuàng)新性成果不僅填補(bǔ)了AI在完整科研能力領(lǐng)域的空白，更標(biāo)志著人工智能在科研領(lǐng)域的應(yīng)用邁入了“自主迭代、超越人類”的全新階段。作為全球首個(gè)具備完整科研能力，且能在無人工干預(yù)場(chǎng)景下展現(xiàn)目標(biāo)導(dǎo)向、持續(xù)迭代特性，并成功超越人類研究者先進(jìn)成果的AI科學(xué)家系統(tǒng)，DeepScientist的誕生，為科研效率的革命性提升與科研范式的創(chuàng)新變革注入了強(qiáng)勁動(dòng)力。
?
在傳統(tǒng)科研模式中，從科研目標(biāo)確立、方案設(shè)計(jì)，到實(shí)驗(yàn)數(shù)據(jù)采集、結(jié)果分析，再到成果迭代優(yōu)化，每一個(gè)環(huán)節(jié)都高度依賴人類研究者的知識(shí)儲(chǔ)備、經(jīng)驗(yàn)判斷與手動(dòng)操作，不僅耗時(shí)耗力，還可能因主觀因素或認(rèn)知局限影響科研進(jìn)展。而DeepScientist系統(tǒng)通過對(duì)自然語言處理、機(jī)器學(xué)習(xí)、知識(shí)圖譜等多領(lǐng)域技術(shù)的深度融合，構(gòu)建了一套“自主閉環(huán)”的科研體系。?

該系統(tǒng)能夠自主理解科研任務(wù)目標(biāo)，基于海量文獻(xiàn)數(shù)據(jù)快速梳理領(lǐng)域研究現(xiàn)狀與核心難點(diǎn)，進(jìn)而自主設(shè)計(jì)實(shí)驗(yàn)方案、生成實(shí)驗(yàn)流程，并依托高效的計(jì)算能力完成數(shù)據(jù)處理與模型訓(xùn)練。更關(guān)鍵的是，在實(shí)驗(yàn)結(jié)果反饋環(huán)節(jié)，DeepScientist無需人工介入，便可自動(dòng)分析結(jié)果與目標(biāo)的差距，精準(zhǔn)定位問題所在，進(jìn)而迭代優(yōu)化方案，形成“目標(biāo)-實(shí)驗(yàn)-分析-迭代”的完整科研閉環(huán)。這種“全流程自主化”能力，徹底打破了此前AI僅能在科研單一環(huán)節(jié)提供輔助的局限，真正實(shí)現(xiàn)了AI在科研領(lǐng)域的“角色升級(jí)”。?

為驗(yàn)證DeepScientist系統(tǒng)的科研實(shí)力，西湖大學(xué)自然語言處理實(shí)驗(yàn)室團(tuán)隊(duì)將其應(yīng)用于AI文本檢測(cè)任務(wù)——這一領(lǐng)域因文本生成技術(shù)的快速發(fā)展，檢測(cè)難度不斷提升，人類研究者往往需要長(zhǎng)期積累才能實(shí)現(xiàn)技術(shù)突破。而DeepScientist在該任務(wù)中的表現(xiàn)，交出了一份令人驚嘆的“成績(jī)單”。?

在為期兩周的自主科研周期內(nèi)，DeepScientist系統(tǒng)圍繞“提升文本檢測(cè)準(zhǔn)確率與效率”的核心目標(biāo)，自主完成了文獻(xiàn)調(diào)研、模型架構(gòu)設(shè)計(jì)、數(shù)據(jù)集篩選與訓(xùn)練、結(jié)果驗(yàn)證與優(yōu)化等全流程工作。最終，在國(guó)際公認(rèn)的權(quán)威測(cè)試集RAID數(shù)據(jù)集上，該系統(tǒng)實(shí)現(xiàn)了7.9%的AUROC提升——這一提升幅度，按照人類研究者的常規(guī)科研節(jié)奏，通常需要3年左右的持續(xù)研究才能達(dá)成。