堆叠盒子

“堆叠盒子”（Stacking Boxes）是由计算神经科学家Sebastian Musslick提出的AI科学发现方法论，指将通用AI代理与专业准确性工具结合，形成复杂系统的架构模式。

核心组件

• 通用预测AI代理：提供广阔的搜索空间，如大型语言模型。
• 专业准确性工具：通常是组织成知识图谱的信息网络，用于验证事实和确保准确性。

应用案例

• 药物发现：Insilico Medicine使用内部AI系统，结合通用AI代理和专业数据库，发现未知蛋白质并设计药物分子。
• 蛋白质结构预测：AlphaFold 2/3通过数据库中的专业知识验证和优化预测。

局限性

• 系统仍局限于现有知识的"盒子"内进行搜索和组合。
• 缺乏"盒子外"的创造力和因果理解。
• 早期推理步骤中的错误会随着系统每一步操作而恶化。

未来方向

赋予AI"构建自己的盒子"的能力，使其能够自主生成问题、设计实验并分析数据，实现更大范围内的真正科学发现。