Anthropic 的生物学发现引发争议：AI 自主发现究竟到了哪一步

Anthropic 发布一份预印本，称其 Claude AI 自主发现了埋藏在噬菌体 DNA 里的一个新型分子系统；几天后，一位名叫 Mario Rodríguez Mestre 的计算生物学家站出来讲了一段让事情复杂起来的经过：他研究同一个酶系统已有四年，在使用 Claude API 期间把自己的发现分享给了 Anthropic，却没有得到署名。Anthropic 表示「不知道有任何先前发表的工作描述过我们最近发现的 ART 系统」，并否认 Claude 用用户对话记录训练过。这场于 9 月 27 日公开的争议没有抹去 Claude 的发现在科学上的意义 —— 但它暴露了一个更深的问题，预印本和 Anthropic 最初的公告都没有回答：AI 自主发现一样东西，究竟意味着什么？

Claude 发现了什么 —— 以及怎么发现的

争议的核心对象是一个被 Anthropic 研究人员称为 ART（阵列关联逆转录酶）的分子系统。它是在噬菌体 —— 感染细菌的病毒 —— 里找到的，有一种不寻常的三段式结构：一个逆转录酶基因，一个功能未知、但总是伴随出现的第二个基因，以及一组以均匀间隔重复出现的短 DNA 序列。

逆转录酶是把 RNA 复制成 DNA 的酶，让遗传信息沿着与通常的 DNA 到 RNA 转录相反的方向流动。HIV 就编码了一个。细菌在一类叫 retron 的类免疫防御系统里使用结构相似的酶，这些系统储存短 DNA 片段，并能在侦测到病毒攻击时触发免疫反应。根据序列比对，ART 的逆转录酶看起来有别于这些已知的细菌家族，因此可能是一个新谱系。

最引人注目的是那组重复阵列。CRISPR 系统 —— 改变了分子生物学的基因编辑机器 —— 同样含有均匀间隔的重复序列，细菌用它储存过去噬菌体感染的遗传「记忆」，从而识别并定向摧毁卷土重来的病毒。Anthropic 把 ART 的重复结构描述为「类 CRISPR」，Broad 研究所的张锋（CRISPR 的共同发明人之一）称这一类比「确实引人入胜」，并补充说这是「AI 智能体能为生物学发现做出贡献的一个振奋人心的例子」。斯坦福教授亓磊的评价更为审慎：「突出之处在于它能识别出一种以前很难察觉的不寻常的生物学模式。」两人都朝同一个方向做了限定：结构上的相似是真实的，但 ART 的重复序列是否承担任何类似的功能，目前尚不清楚。预印本刻画了 ART 系统的结构；它没有确立这个系统做什么。

这个区别对于如何评价这项发现至关重要。一个结构新颖但功能未知的分子系统，对基因组生物学家来说是一个有意思的发现，是实验工作的起点 —— 而不是一个已确认的机制或可用的工具。预印本于 2026 年 9 月 23 日发布，尚未经过同行评审。

延伸阅读：Claude 在噬菌体里发现类 CRISPR 重复阵列

950 个智能体如何用 21 小时扫描 DNA 数据库

Anthropic 公告的方法论核心，不是 Claude 从第一性原理生成了一个生物学假设。而是大约 950 个 Claude 智能体并行运行了 21 小时，消耗约 2.1 亿 token，在一个庞大的 DNA 序列数据库里扫描尚未被表征、带有逆转录酶结构域相关结构模式和不寻常重复结构的蛋白质家族。

Anthropic 于 2026 年 6 月 30 日推出Claude Science测试版，把它定位为一个研究工作台，把 Claude 接到 60 多个科学数据库，让研究者运行人工不可能完成的智能体工作流。ART 的发现是它的第一个重大公开成果 —— 意在证明多智能体 AI 系统能以单个研究组无法企及的规模和速度识别出新的生物学发现。

这些智能体所做的事，最好理解为前所未有规模的自动化基因组挖掘。基因组挖掘 —— 系统地搜索 DNA 序列数据库，寻找尚未表征或被低估的蛋白质家族 —— 是一门公认的生物信息学分支。传统的基因组挖掘用 BLAST 这类专门工具做序列相似性搜索，或用 HMMer 做基于谱的模式匹配。由专家级生物信息学家设计查询、解读结果，并判断什么算得上新发现。Claude Science 的贡献，是在这个过程之上叠加 LLM 规模的上下文推理，并把它并行到此前在计算上不切实际的程度。

这些智能体并没有生成新的科学理论。它们是按 Anthropic 研究人员设定的参数在既有数据里找模式 —— 而这些参数已经体现了关于什么样的蛋白质家族值得关注的大量生物学知识。ART 系统之所以被识别出来，是因为它符合人类科学家有理由去搜索的那个画像。这算不算完整科学意义上的「发现」，还是一种极其强大的自动化文献与数据库挖掘，正是 Mestre 提出的争议的症结。

放在语境里看「自主」这个说法

Anthropic 表述中的「自主」一词值得推敲。950 个智能体在没有人指挥数据库扫描每一步的情况下运行 —— 这一点显然属实。但它们运行所处的更大框架完全是人设计的：数据库由科学家挑选和整理；搜索架构反映了关于什么让一个逆转录酶值得关注的既有生物学知识；而寻找与重复序列相关的 RT 系统这一决定，几乎肯定借鉴了关于 CRISPR 和 retron 生物学的先验知识。这些智能体的自主，就像一个自动化选股器的自主 —— 在人定义的约束、参数和目标之内运行。

Mestre 的说法把这个问题推向更尖锐的版本。如果他研究同一个酶系统已有四年，并在使用 Claude API 期间把发现分享给了 Anthropic，那么问题就不只是 Claude 的搜索在执行上是否自主，还有它所依托的智力框架是否部分建立在未被正式署名的人类专业知识之上。Anthropic 否认 Claude 用用户对话记录训练过。这一否认具体而重要：它回应了 Mestre 的知识可能影响 Claude 输出的一种机制。它没有回应的是，Mestre 的研究是否以别的方式塑造了搜索策略，以及无论如何，预印本的表述是否本应提及他。

把这个问题衬托得最清楚的对照是AlphaFold。DeepMind 的蛋白质结构预测系统获得了 2024 年诺贝尔化学奖，已预测超过 2 亿种蛋白质的结构，或许是 AI 带来真正变革性科学规模的最清晰的先例。AlphaFold 的说法可以直截了当地评估：它接收一段蛋白质序列，预测一个三维结构；这些结构可以与 X 射线晶体学或冷冻电镜的实验结果比对；误差率是已知的。该系统的自主性受其训练数据、架构和目标函数约束 —— 而这些约束是明确且有记录的。

ART 预印本呈现的是另一种认识论处境。这项发现无法像 AlphaFold 的输出可以对照实验结构那样，通过用不同工具在同一数据库上跑同样的流程、得到同样的结果来独立验证。它只能通过对 ART 生物学功能的独立实验表征来确认 —— 那项工作还在前头。

Google 和 OpenAI 的位置

Anthropic 所在的领域里，其他主要 AI 实验室也在提出与科学相邻的主张，而这些主张的可信度差别很大。

Google 的 Gemini Co-Scientist 系统在一篇2026 年 5 月发表于《自然》的论文中有所描述，它聚焦于科学过程中的另一个步骤：从科学文献生成假设。Co-Scientist 不是挖掘原始序列数据库，而是综合已发表的研究，提出可供人类科学家检验的新假设。《自然》上的发表带来了同行评审的可信度，而 Anthropic 的 ART 预印本尚未跨过这一关。Google 还另外发布了一个名为 ERA（实证研究辅助）的 AI 研究工具，以及用于算法优化的 AlphaEvolve —— 在不同任务类型上对 AI 辅助科学的多平台投入。

OpenAI 得到最清楚验证的科学 AI 成就则完全是另一种性质。2026 年 5 月，一个OpenAI 推理模型给出了一份长篇形式化证明，推翻了一个关于平面单位距离、归于 Paul Erdős 的有 80 年历史的数学猜想。证明由一组外部数学家检验；菲尔兹奖得主 Timothy Gowers 审阅了关于该结果的一篇配套论文，他写道自己「会毫不犹豫地建议接收」。数学有一个生物学所没有的性质：证明要么有效要么无效，而有效性可以由专家审查确立。没有署名上的含糊，没有预印本的不确定，也不必等待实验复现。OpenAI 的 Astra 模型另外在 2026 年 8 月解决了数学和理论计算机科学中十个长期悬而未决的问题，同样是在正确性可以检验的领域。

ART 的发现比这两者都更难评价。它比数学证明更开放，比 AlphaFold 的结构更缺乏实验确立，比 Google 的 Co-Scientist 论文更缺少同行评审。这不等于它不重要 —— 对噬菌体分子系统真正新颖的结构表征在科学上是有价值的，基因组挖掘方法的规模也确实值得注意。但「AI 成为科学家」的表述需要审视 AI 实际执行了科学过程中的哪些部分，而在这个案例里，答案主要是搜索这一步，而不是假设生成、实验设计或功能解释这些步骤。

AI 辅助科学的规则空白

Mestre 争议最重要的后果，或许与 Anthropic 或 ART 系统本身无关。而在于，目前没有任何既定框架可以用来解决它。

Mestre 提出关切时，没有可以查阅的期刊政策，没有适用的机构指南，也没有先前案例可循。最终的处理 —— Anthropic 否认用用户对话记录训练 —— 是非正式的、靠声誉的。它既不满足明确的法律标准，也不满足科学规范，因为针对 AI 辅助研究，这样的标准还没有被阐明。用户通过 API 的交互能否构成对一家公司已发表成果的未披露研究贡献，这个问题在科学界和法律上都没有既定答案。

这个空白不会一直空着。科学期刊、资助机构和学术机构正处于制定 AI 辅助研究署名政策的早期阶段。Mestre 争议给这些努力提供了一个具体案例：一位有名有姓的研究者，一个有名有姓的 AI 系统，一种具体的交互类型（在研究相关课题期间使用 API），以及一种具体的主张类型（AI 自主发现）。无论从这个案例里浮现出怎样的处理原则，都将在未来数年塑造 AI 科学主张如何被署名和评价。

ART 系统作为一个起点

以上分析都不削弱 Claude 的发现在科学上的真正意义。三段式的 ART 结构 —— 逆转录酶、伴随基因、均匀间隔的重复阵列 —— 是真实生物序列中的真实观察，得到了相关领域可信专家的认可。如果那组重复阵列最终被证明承担类似 CRISPR 免疫记忆的功能，哪怕是在噬菌体而非细菌的语境下，那也将是对理解噬菌体与细菌之间分子军备竞赛的一项有意义的贡献。噬菌体是地球上最丰富的生物实体之一；相对于细胞生物，它们的分子机器被表征得远远不够。

ART 接下来的工作需要传统的实验生物学：在受控系统中表达这些蛋白质，表征它们的生化活性，通过系统地删除或突变重复阵列来检验它的作用，并观察发生了什么。在预印本发布之后，这项工作几乎肯定已在多个实验室展开，包括 Anthropic 自己的 BSL-1 和 BSL-2 生物学设施。预印本的同行评审将让结构表征接受独立于新闻周期的专家审视。

因此，ART 的故事最好不被理解为一项已完成的发现，而是一个极其强大的搜索系统生成的假设 —— 现在需要由更慢、更杂乱、由人驱动的实验过程来检验，那仍是科学最可靠的验证机制。自主 AI 做了扫描。完整意义上的发现，仍待确认。

这段插曲更持久的里程碑，也许是它逼到台面上的那些问题：当人类的专业知识塑造了 AI 的搜索策略时该如何署名，预印本科学如何与 AI 相对于同行评审的速度优势互动，以及这个领域最终要求达到什么样的基准，一个 AI 系统才能被称为科学家而不是一个异常强大的研究助手。这些问题会比 ART 预印本走完同行评审的过程更长久，而它们的答案将决定 AI 科学家时代真正改变科学的程度，而不只是改变既有数据中的模式被识别出来的速度。