在科學(xué)研究過程中，學(xué)者經(jīng)常會面臨許多問題：該領(lǐng)域在過去幾年內(nèi)的突破有哪些？哪些團(tuán)隊(duì)領(lǐng)跑？關(guān)鍵方法的演變脈絡(luò)如何？如果依靠人工搜索和閱讀，可能需要不短的時(shí)間。如果只是簡單地依靠大模型，很有可能得到答非所問的結(jié)果。

但現(xiàn)在，有了 SciSciGPT 之后，能得到的不是搜索結(jié)果，而是一段結(jié)構(gòu)化、引用完整、具有科學(xué)依據(jù)的分析。甚至，還能繼續(xù)追問：哪些團(tuán)隊(duì)正在推動相關(guān)實(shí)驗(yàn)？我該如何設(shè)計(jì)一個(gè)研究驗(yàn)證問題？

這是一個(gè)專為「科學(xué)研究的科學(xué)（science of science）」打造的 AI——它能閱讀科學(xué)文本，理解科學(xué)網(wǎng)絡(luò)結(jié)構(gòu)，并在證據(jù)基礎(chǔ)上回答關(guān)于科研生態(tài)、趨勢與結(jié)構(gòu)性問題。

相關(guān)的研究內(nèi)容以「SciSciGPT: advancing human–AI collaboration in the science of science」為題，于 2025 年 12 月 9 日發(fā)布在《Nature Computational Science》。

論文鏈接：https://www.nature.com/articles/s43588-025-00906-6

如何讓 AI 「理解科學(xué)」

科學(xué)進(jìn)步是提高生活質(zhì)量、推動全球健康成果和促進(jìn)增長與繁榮的基礎(chǔ)。理解其背后隱藏的機(jī)制至關(guān)重要，科學(xué)學(xué)（SciSci）這一領(lǐng)域應(yīng)運(yùn)而生以應(yīng)對這一挑戰(zhàn) ，通過跨學(xué)科方法探索科學(xué)是如何進(jìn)行的、如何獲得資金以及如何應(yīng)用的。

而 LLM 智能體，無疑在這個(gè)領(lǐng)域有著無限潛力。美國西北大學(xué)（Northwestern University）開發(fā)的 SciSciGPT 作為 SciSci 的概念驗(yàn)證 AI 協(xié)作伙伴，能為公眾提供聊天界面（與 ChatGPT 類似），同時(shí)提供完全開源的實(shí)現(xiàn)，確保透明性，并使其他研究人員能夠復(fù)制和基于此工作進(jìn)行擴(kuò)展。

該框架集成了多個(gè)功能：根據(jù)用戶查詢檢索相關(guān)的 SciSci 出版物，編寫代碼從復(fù)雜數(shù)據(jù)庫中提取數(shù)據(jù)，使用先進(jìn)方法進(jìn)行數(shù)據(jù)分析，創(chuàng)建結(jié)果和見解的可視化，并評估其自身的分析和可視化輸出。

圖 1：SciSciGPT 系統(tǒng)架構(gòu)。

SciSciGPT 由五個(gè)專業(yè)的智能體模塊組成：

• 研究管理器智能體：作為項(xiàng)目領(lǐng)導(dǎo)者和中央?yún)f(xié)調(diào)者，負(fù)責(zé)組織研究工作流程，將復(fù)雜的研究問題分解為任務(wù)，并分配給下面列出的四個(gè)專業(yè)智能體。
• 文獻(xiàn)專家智能體：專注于理解和綜合，從科學(xué)科學(xué)文獻(xiàn)中搜索和組織相關(guān)信息。
• 數(shù)據(jù)庫專家代理：處理數(shù)據(jù)與任務(wù)，管理學(xué)術(shù)數(shù)據(jù)庫中的復(fù)雜數(shù)據(jù)提取、轉(zhuǎn)換和基本統(tǒng)計(jì)分析。該代理能夠與全面的學(xué)術(shù)數(shù)據(jù)存儲庫進(jìn)行交互。
• 分析專家代理：專注于統(tǒng)計(jì)分析與建模，實(shí)施實(shí)證方法和分析技術(shù)，并生成可視化結(jié)果以支持實(shí)證研究。
• 評估專家代理：評估分析的質(zhì)量、相關(guān)性和嚴(yán)謹(jǐn)性，使系統(tǒng)能夠識別潛在改進(jìn)并迭代調(diào)整其方法。

SciSciGPT 使用了一套流水線式的處理架構(gòu)。它通過信息抽取、引文結(jié)構(gòu)推斷、趨勢識別、文本生成與引證驗(yàn)證等步驟，將人類研究者的問題轉(zhuǎn)化為可計(jì)算的科學(xué)分析任務(wù)。

每一位專家代理的數(shù)據(jù)集、文獻(xiàn)來源等并非固定，它們相當(dāng)靈活。該框架可以根據(jù)數(shù)據(jù)源的變化、新方法的涌現(xiàn)或用戶需求的變化進(jìn)行調(diào)整或擴(kuò)展。

案例研究

常春藤盟校之間，經(jīng)常會有不同學(xué)校的天才進(jìn)行激烈的思維碰撞，在這些合作之間，通常會以什么形式展開？這是研究人員所考慮的第一個(gè)問題。

所以，研究者向 SciSciGPT 提出了這么一句需求：「生成 2000 年至 2020 年間常春藤盟校之間合作關(guān)系的網(wǎng)絡(luò)。優(yōu)化顏色和注釋?！?/p>

圖 2：SciSciGPT 對常春藤聯(lián)盟大學(xué)合作的可視化。

工作流程從 ResearchManager 開始，它識別了請求的關(guān)鍵要求，ResearchManager 代理隨后將輸入問題分解為高級任務(wù)，分配給其他代理。DatabaseSpecialist 以三步流程回應(yīng)這份任務(wù)分配：探索數(shù)據(jù)庫以識別相關(guān)架構(gòu)和表格、使用專業(yè)工具標(biāo)準(zhǔn)化大學(xué)名稱以確保機(jī)構(gòu)識別的一致性、編寫 SQL 查詢并表達(dá)數(shù)據(jù)。

而對于現(xiàn)有的跨模態(tài)復(fù)制，SciSciGPT 也有不錯的表現(xiàn)。

團(tuán)隊(duì)要求 SciSciGPT 想象研究人員正在閱讀論文《Large teams develop and small teams disrupt science and technology》，截取了其中一部分交給 SciSciGPT，并給出指示：「解釋這個(gè)圖。使用你的數(shù)據(jù)庫重新進(jìn)行分析。創(chuàng)建一個(gè)類似的可視化。」

圖 3：SciSciGPT 對已發(fā)表論文中一幅圖的復(fù)現(xiàn)。

數(shù)據(jù)庫專家從超過 900 萬篇論文中提取數(shù)據(jù)，在評估專家給出 9.5 的高分后，該數(shù)據(jù)庫被移交給分析專家創(chuàng)建雙軸可視化。

后續(xù)，研究人員可能會考慮這些分析在混入了各種因素后是否仍然成立，或者再復(fù)制一份，但這次從頭計(jì)算影響指標(biāo)，而不是允許 SciSciGPT 使用 SciSciNet 數(shù)據(jù)庫中預(yù)定義的影響指標(biāo)以簡化計(jì)算。

此外，SciSciGPT 能回答一類「元科學(xué)問題」，即關(guān)于科學(xué)系統(tǒng)本身的問題。例如科研資金如何影響創(chuàng)新產(chǎn)出、合作模式如何影響論文影響力、跨學(xué)科研究的興起路徑等。過去，這些研究需要耗費(fèi)大量時(shí)間建立模型，而現(xiàn)在可以在幾分鐘內(nèi)得到結(jié)構(gòu)化分析。

高效研究的智腦

通過自動化技術(shù)工作流程，SciSciGPT 將研究任務(wù)完成時(shí)間從小時(shí)縮短至分鐘，使研究人員能夠?qū)Ｗ⒂诠ぷ鞯膭?chuàng)意和解釋性方面。這對于早期研究、想法生成與驗(yàn)證中十分有幫助。

SciSciGPT 降低了進(jìn)入該領(lǐng)域的技術(shù)門檻，通過使具備基礎(chǔ)領(lǐng)域知識但技術(shù)能力有限的人能夠更有效地探索數(shù)據(jù)，從而擴(kuò)大了該領(lǐng)域的參與度。

人類創(chuàng)造了海量知識，卻很難理解這片知識森林的整體面貌。SciSciGPT 的出現(xiàn)，讓研究者得以向 AI 詢問科學(xué)的歷史、結(jié)構(gòu)與未來，讓科學(xué)這門研究未知的事業(yè)，能夠反過來被系統(tǒng)地理解。