📢 转载信息
原文链接：https://www.qbitai.com/2025/10/339387.html
原文作者：量子位
AI系统展示惊人科研能力：17小时速成30页学术论文，从选题到实验全自动化！
AI正在加速科研领域！一个名为 Virtuous Machines 的AI系统，展现了令人惊叹的自动化科研能力：它仅用了17小时，花费114美元，招募了288名真人进行实验，就成功撰写了一篇长达30页的学术论文，并且完全遵循APA格式规范。
更令人震惊的是，整个过程实现了从自主选题到最终成稿的全自动化。
AI如何像人类一样进行科研？
这篇AI自动完成的论文属于认知心理学领域，重点关注人类视觉认知的研究方向。它并非随意拼凑信息，而是严格遵循了人类科研的完整流程：
- 提出研究问题： 基于认知心理学理论，系统自主提出了如“视觉工作记忆与心理旋转能力是否有联系”、“心理意象清晰度对视觉认知任务表现的影响”等具体研究问题。
- 设计实验与招募被试： AI系统设计了实验方案，进行了样本量计算，并考虑了控制变量。随后，它通过在线平台Prolific招募了288名被试。在收集到277份有效数据后，系统又花费了8小时编写Python代码，对数据进行重复测量方差分析。
- 数据分析与撰写： 在数据分析阶段，AI能够识别异常值并调整统计模型。最终，它整理研究结果，并引用了40多篇来自PubMed和Semantic Scholar的真实文献，确保“方法”、“结果”、“讨论”等章节完全符合APA格式规范。
揭秘高效科研背后的技术架构
Virtuous Machines 之所以如此高效，得益于其协作式架构、模拟人类认知机制以及动态知识交互的技术设计：
系统由一个核心控制模块 Master 统领全局，同时配备了专注于文献检索、数据分析和实验设计的AI助手模块。
其底层能力构建犹如“洋葱圈”结构：
- 核心层： 精准的知识检索能力，能从海量学术数据库中抓取知识。
- 中间层： 抽象提炼能力，能从具体研究中总结通用逻辑。
- 上层： 元认知反思能力，允许AI进行自我检查，评估方法和结论的逻辑性。
- 外围能力： 任务分解能力（将大工程拆解为小任务）、自主迭代能力（持续修改和调试）以及多智能体协作能力。
此外，该系统还配备了 d-RAG 实时记忆库，能够将最新文献检索结果与自身已有研究进行整合，实现新旧知识的动态交互。
AI科研的优势与局限
尽管AI的效率极高（比人类团队快10倍以上），数据分析严谨（甚至会指出效应量过小的问题），并能处理真实实验中的数据噪声，但它并非完美：
该系统偶尔会**误解理论**，例如将已有研究结论误认为是首次发现，或在图表标记（如Y轴单位）和概念混淆（如“跨试次间隔”与“刺激呈现间隔”）上出现失误。
结论是：AI在科研速度上展现了强大优势，但在理论深度和创新思维方面，目前仍有待追赶人类研究员的水平。
研究地址：https://arxiv.org/abs/2508.13421
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，小白也可以简单操作。
评论区