一种融合图推理与多Agent协作的新思想生成路径识别框架

摘要: 新思想如何产生是人类长期关心的话题，在传统科学发现的逻辑向AI4Science和Science4AI“双螺旋”驱动逻辑转变的背景下，如何利用AI Agent整合海量、异构的科学知识，发现并模拟人类新思想的产生过程，在以科学家经验和直觉为起点的科研发现向基于大数据和AI算法演进，让科学家从繁重的信息筛选转向高阶创造性思考，以及主动打破学科壁垒催生大量跨学科科学发现方面具有重要意义。本文提出一种融合图推理与多Agent协作的框架（Graph-reasoning And Multi-agent Pathfinding, GAMP）。该框架首先通过提示工程，从论文摘要中抽取三元组，并采用Neo4j进行存贮，形成大规模科学知识图谱作为结构化知识基底。然后，设计多个功能不同的 AI Agent（如领域专家Agent、路径探索Agent、创新性评估Agent等）组成协作系统，每个Agent由大模型驱动，赋予其语义理解、实体抽取、路径寻找等方面的能力。例如，在领域专家Agent中，通过知识库和提示工程，让该Agent专注于基因、蛋白、信号通路层面的合理性判断；在路径探索Agent中，采用广度优先算法、遗传算法、大模型引导的搜索等不同路径搜索方式，让该Agent专注于发现最新颖的路径。这些Agent在图上进行协同探索与推理，通过模拟科学团队的“头脑风暴”和“假设-验证”循环，生成并评估新思想的产生路径。我们以获得2021年诺贝尔生理学或医学奖的成果为例，收集1995年1月1日-2005年12月31日Web of Science核心合集数据库、Scopus以及Pubmed数据库中与温度触觉受体相关的文献作为案例，构建了“问题-方案-效果”三层知识网络进行实证研究。文章创新点在于：一是，连接符号主义与联结主义，充分发挥了图结构推理和大模型强大的语义理解的能力；二是，设计了结构化的多Agent协作协议，明确分工，模拟真实科研团队。局限性在于：形式化表示“新思想的路径”、深层次理解语义、新思想突破性潜力评估方面有待深入、细化。