【新进展】通过多智能体知识图谱推理实现科研自动化

最新推荐文章于 2024-12-19 09:00:00 发布

小马不会过河

最新推荐文章于 2024-12-19 09:00:00 发布

阅读量1.4k

点赞数 14

文章标签：知识图谱自动化人工智能 llama 语言模型自然语言处理深度学习

本文链接：https://blog.csdn.net/m0_59163425/article/details/142990703

版权

一、背景

科学发现历来依赖于人类研究者对知识的积累、假设的提出与验证，但随着科学数据量的激增，传统研究方法在效率和个人知识局限性上逐渐显现不足，尤其是在多学科交叉领域中。人工智能（AI）的发展为科学研究带来了全新机遇，能够分析和综合大规模数据，揭示潜在模式与联系，从而加速科学发现。

SciAgents框架由麻省理工学院开发，通过多智能体系统结合大型语言模型（LLM）和本体知识图，自动化科学发现过程。该框架特别针对生物启发材料，旨在加速材料发现，通过揭示不同学科的新颖关系来推动科学进步。与传统方法不同，SciAgents可以通过智能体协同工作，将科学研究流程细分为多个步骤并自动执行，每个智能体如“本体学家”、“科学家1号”、“科学家2号”以及“评论家”等，各自承担生成、扩展、优化和批评分析的任务。通过本体知识图推理，SciAgents能够发现和利用不同科学概念间的隐含关系，为创新研究假设的提出和验证提供支持。

通过多智能体之间的协作，SciAgents实现了高效的假设生成和扩展，从知识图生成初步假设，到经过多轮扩展和批评性审查，使生成的研究假设既具备科学创新性，又在理论上可行。其结合生成式AI、知识图和多智能体系统，提供了一种突破传统科学发现局限的新方法，特别适用于大规模、多学科的科研探索。

二、具体方法细节

SciAgents的实现基于以下几个核心模块，具体见GitHub提供的代码和示例（https://github.com/lamm-mit/SciAgentsDiscovery）：

图1：多智能体图推理系统的概述

图2：从初始关键词选择到最终文档的整个过程概述，遵循层级扩展策略，通过逐步优化和丰富数据进行回答，批判性建模、模拟和实验任务加以识别和修订

图3：SciAgents提供了一个生成式框架，展示了由输入数据、问题和上下文驱动的想法生成和推理的迭代过程

知识图构建与推理：通过GraphReasoning库构建本体知识图。仓库中的Jupyter Notebook提供了详细的代码示例，展示如何从科学文献中提取知识图，并通过随机路径或最短路径算法生成概念间的关系。这些知识图将科学概念和属性表示为节点和边，为研究假设提供数据支撑。
大型语言模型与多智能体系统：使用大型语言模型（如GPT-4）来生成、扩展和优化研究假设。系统分为多个角色智能体，如“规划者”、“本体学家”、“科学家1号”、“科学家2号”以及“评论家”等，每个智能体通过专门的指令集执行特定任务。

规划者：制定完成科学发现任务的步骤。
本体学家：定义和解释知识图中的科学概念。
科学家1号与2号：基于知识图生成并扩展研究假设。
评论家：评估假设的科学合理性，提出改进建议。

API集成与工具使用：系统通过集成Semantic Scholar API和OpenAI API，实现科学文献的数据检索和研究假设新颖性分析。仓库中的代码示例展示了如何自动化检索现有科学文献，确保生成的假设具有创新性和可行性。

三、结果

GitHub中的多个Jupyter Notebook展示了SciAgents在生物启发材料研究中的应用实例。例如，通过选择“丝绸”和“高能耗”两个概念，系统生成了一个相关的知识图，展示了从丝绸的生物聚合物到其多功能性及其与蒲公英色素结合的关系，从而提出了一种新型复合材料的研究假设，旨在提升材料的光学和机械性能。

图4：本体知识图的可视化（左图为整体知识图，右图为子图），用于组织信息

SciAgents的结果表现出：

强大的知识推理能力：通过构建详细的知识图，系统能够从复杂的数据中发现隐藏的科学概念之间的新关联。
高效的假设生成和扩展：多智能体系统在自动生成初步研究假设后，还能根据批判性分析进行改进和完善，确保假设的创新性和科学合理性。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述