Mycelium：打造人机协作的“菌丝网络”，让科学发现跨领域流动

当前大多数AI-for-science系统侧重于通过更好的模型、更大的上下文窗口、更长的执行规划或与单一用户协作的数字科学家来扩展单一推理过程。然而，具有挑战性的科学问题很少由单一推理者单独解决，而是由具备不同先验知识、实验背景、隐性经验和领域直觉的团队共同攻克。因此，核心问题不仅在于如何扩展模型，更在于如何培育“网络化智能”：即扩展人类与AI系统之间的连接，使得在一个情境中产生的结果或假设能够传递给另一个可以据此行动的人、智能体、仪器或机器人。

为此，研究团队提出了Mycelium系统——一个主动共享的工作空间，能够自动将研究人员与AI智能体连接为多用户协作的“共同科学家”。当人类用户和智能体工作时，系统会捕获重要的观察与假设，追踪它们与团队不断演化的模型之间的关系，并将其路由给能够据此做出下一步决策的人或智能体。

研究团队在首个实证测试——一项生物多组学研究中评估了Mycelium。在该测试中，经过路由的共享上下文将一个局部分析发现转化为跨专家的机制约束，并最终指导了实验设计。此外，研究还为“网络化智能”提供了计算层面的解释，将其视为对分布式科学上下文的稀疏条件计算。这一解释区分了两种场景：何时一个扩展的独立智能体能够匹配网络性能，以及何时独立的专业知识和不可合并的上下文使得网络不可简化。