5-Dec-2025
AI 模型虽能提升疫苗研发效率,但缺乏推动革新的原创力
American Association for the Advancement of Science (AAAS)
一项新的研究发现,大型语言模型(LLMs)虽能支持疫苗研究的某些环节,但其在生成创新方法以推进科学发现方面效力有限。Lucie Rodriguez-Coffinet 和同事通过系统疫苗学的多案例研究对五种不同 LLMs 应答系列提示词的表现进行了评估。总体而言,LLMs 擅长文献综述,但其在提出新颖假设或设计创新实验能力方面则较为逊色。Rodriguez-Coffinet 等人写道:“最具建设性的发展路径是人类专业知识与 AI 分析之间形成伙伴关系,即培育兼具计算能力与科研人员阐释力、批判力及伦理判断力的混合智能。”系统疫苗学可通过整合多个科学领域的海量数据集来研究免疫系统对疫苗的反应。在本研究中,研究人员设计了一个名为"创造博弈"的评估框架,旨在测试 LLMs 在面对如此复杂的生物系统时能否效仿人类的科学推理能力。该框架评估了这些模型在 4 项任务上的表现:文献综述准确性、假说构建能力、所提相关实验方案的水平及演绎推理质量。研究人员在三个具体案例研究中评估了 ChatGPT4.0、ChatGPT4.5、微软的 Copilot、LLaMA 和 SciSpace 在执行这些任务上的表现。这些研究侧重于免疫调节因应疫苗接种后的不同方面,其中包括代谢应激信号传导、脂质代谢以及宿主-微生物群之间的相互作用。每个模型自身都各具优劣势;例如,ChatGPT 模型可针对推理进行优化,而 Copilot 则擅长输出可操作结果。Rodriguez-Coffinet 等人判定,LLMs 模型总体上能有效地检索和总结既有文献信息,但它们无法生成特别有见地的假设或实验方案。Jacob Kim 和同事在一篇相关的《焦点》中讨论了 AI 辅助研究的发展前景,并考虑了可突破现有模型局限性以推进免疫学发现的方法。
- Journal
- Science Immunology