人工智能正在學習如何減少在科學發現中的主導地位。隨著自動駕駛實驗室變得越來越普遍，研究人員對於機器是否應該完全接管實驗或僅僅輔助人類科學家展開了激烈的討論。來自阿根諾國家實驗室和芝加哥大學的一項新研究提出了一種第三種方法，讓人類與人工智能之間積極共享控制權。這項研究引入了一種人工智能顧問模型，旨在指導而非主導自動實驗室。該系統不會將實驗鎖定於單一的算法策略，而是持續分析結果並標記出可以通過人類判斷改善結果的時刻。
這一模型由芝加哥大學普利茲克分子工程學院助理教授徐杰（Jie Xu）領導的團隊開發，徐教授同時在阿根諾任職，該模型借鑒了金融交易中使用的軟件理念。人工智能實時處理數據，讓經驗豐富的研究人員保留對戰略決策的控制權。徐教授表示，顧問會不斷評估實驗室的表現，並在需要時提醒科學家進行調整。顧問將進行實時數據分析，並監控自動駕駛實驗室的自主發現過程。
與傳統的自動實驗室不同，顧問驅動的系統在實驗展開時會根據情況進行調整。徐教授提到，這種靈活性使整個決策流程具有適應性，並顯著提升了表現。共同第一作者、阿根諾納米科學與技術部的科學家陳漢輝（Henry Chan）強調，目標並不是在於選擇人類與人工智能之間的對立，而是採取合作的方式，讓人類在過程中發揮作用。
為了測試這一模型，研究團隊將其部署在阿根諾的納米尺度材料中心的自動駕駛實驗室 Polybot。該系統的任務是設計一種混合離子-電子導電聚合物（MIECP），用於電子材料。結果令人驚訝，使用人工智能顧問開發的材料在混合導電性能上比以往的最先進方法提高了 150%。
除了性能的提升，顧問還幫助研究人員揭示了材料性能改善的原因。系統識別出兩個關鍵因素，促進了體積電容的增強：較大的晶體層間距和較高的比表面積。芝加哥大學的副教授王思宏（Sihong Wang）表示，這一雙重成就——更佳的性能和更深的理解，對於材料科學至關重要。王教授指出，材料科學研究有兩個相互關聯的目標，一是提升材料的性能或開發新性能，二是理解設計選擇如何影響結果。
研究人員認為，儘管人工智能在數據稀疏的情況下仍然面臨挑戰，但這恰恰是人類直覺的價值所在。徐教授指出，儘管人工智能在數據分析方面表現出色，但在決策時如果缺乏數據點則會出現問題。展望未來，團隊希望加強人類與機器之間的雙向互動。陳漢輝表示，未來希望達到更緊密的人機整合，讓人工智能能直接從人類的決策中學習並完善自身的推理。
這項針對人工智能顧問框架的研究結果已發表在《Nature Chemical Engineering》期刊上。
