編按:本文綜合整理自 OpenAI 官方部落格,並加入 Siami 編輯部觀點與分析。
OpenAI 9 月 8 日發布最新案例研究:MIT 工程量子系統組(EQuS)的研究員 Beatriz Yankelevich,把 GPT-5.6 Sol 接上 Codex,直接讓 AI 代理(AI agent)自動跑量子位元(qubit)的校準實驗。研究員晚上回家睡覺,AI 在實驗室裡繼續工作;早上起床用手機就能查看結果、調整方向。
這不只是「AI 幫忙寫程式」的故事,而是 AI 第一次正式進入物理實驗室,接上真實儀器、自己操作硬體、自己看結果、自己決定下一步。
量子計算為什麼需要 AI
量子電腦不像傳統處理器,它用「量子位元」(qubit)來處理資訊。要讓一個 qubit 真的能用,研究員必須花幾個月時間、做幾百到幾千次初步測量,才能把 qubit 校準好。
這中間最煩人的是:每一次測量結果會影響下一步要做什麼,qubit 特性會隨時間漂移,偶爾還會出現意料之外的物理現象。研究員必須一直盯著、即時調整。
這正是 AI 代理最擅長的事:軟體控制 + 重複測量 + 依結果調整下一步。
GPT-5.6 Sol 怎麼「上手」MIT 實驗室
Yankelevich 把 Codex 接上 EQuS 實驗室協調軟體後,給 GPT-5.6 Sol 一組「測量技能」,告訴它每個實驗怎麼跑、怎麼評估結果。
接下來 GPT-5.6 Sol 就會:
- 挑選測量參數
- 操作硬體執行測量
- 分析回傳的數據
- 決定下一步:再測一次,還是把結果存起來給下一步用
測試對象是一個 6 qubit 的標準晶片(EQuS 用來 benchmark 自己製程的標準品)。
「我可以讓代理在無塵室工作時,自己跑好幾個小時的測量。半夜在手机上 check 一下,看看它做了什麼,如果有需要修正或想試不同方向,就即時調整。」 — Beatriz Yankelevich
結果:順利的部分
當訊號清楚、測量步驟明確時,GPT-5.6 Sol 幾乎不需要研究員介入就能跑完整套標準校準:
- 找出 qubit 的轉換頻率(transition frequencies)
- 校準用來控制與讀取 qubit 的脈衝
- 量測 qubit 能保留量子資訊多久
每一個 qubit 的校準從原本「研究員要花好幾天」,變成 AI 自動跑完。
這組校準數據由 GPT-5.6 Sol 自動完成。(圖說:EQuS 群組提供)
結果:不順利的部分
當訊號微弱或雜訊多時,GPT-5.6 Sol 會卡住:需要更久才找到合適參數,有時還是需要有經驗的研究員介入。
這點很重要——目前的 AI 代理能處理「明確的實驗流程」,但「解讀模糊的物理結果」仍然是瓶頸。AI 不會取代研究員,但它能幫忙做那些單調重複的部分。
「實驗室值夜班」的真實工作流
EQuS 製備的每一片標準晶片,研究員原本要花好幾天才能完整表徵。現在這個組已經例行性地用 AI 代理來處理例行測量。
Yankelevich 自己也建立了一套基礎設施,引導代理處理她工作中的好幾個部分:測量、理論、晶片設計。
「我現在能同時讓好幾個代理處理不同問題,我大部分時間都花在更高層次的工作——解讀結果、設計實驗、規劃代理的下一步、閱讀、寫作。」 — Beatriz Yankelevich
為什麼這件事重要
這不是「AI 又贏了一場 demo」。這是 AI 第一次正式被接進物理實驗室,操作真實儀器、讀真實訊號、做真實決策。
過去我們以為 AI 在科學的應用是「幫忙寫論文」、「幫忙跑模擬」。但這次的故事告訴我們:AI 可以直接接管實驗流程中最耗時、最重複的部分,讓人類研究員專注在「設計實驗」和「解讀結果」這兩件事。
量子計算領域一直卡在「製備 qubit 很貴、校準 qubit 很慢」的瓶頸。如果 AI 代理能穩定地接管校準流程,MIT、IBM、Google 這些團隊就能把同樣的 qubit 晶片做更多次實驗,整個領域的迭代速度會明顯加快。
而且這不只是量子計算。任何「軟體控制、重複測量、依結果調整」的實驗流程——材料科學、化學合成、生物實驗——都可能被這套「AI 代理 + 真實儀器」的模式接管。
編按:本文綜合整理自 OpenAI 官方部落格 與 Hacker News 討論串,並加入 Siami 編輯部觀點與分析。
Siami 觀點:當 AI 開始「值夜班」
這次案例最值得注意的,不是 AI 能跑量子實驗這件事本身,而是**「值夜班」這個比喻**。
一個研究員不可能 24 小時盯著實驗室。但 AI 代理可以。
這意味著未來的實驗室運作模式會變成:
- 白天:研究員設計實驗、給 AI 設定目標
- 晚上 / 週末:AI 代理自動跑測試、累積數據
- 隔天早上:研究員看結果、決定下一步
這不是「AI 取代研究員」,而是**「把研究員的工作時間延伸 3-5 倍」**。
MIT EQuS 不是唯一在試這個的團隊。過去一年,越來越多材料科學、化學、生物實驗室開始把 AI 代理接上實驗儀器(稱為「self-driving lab」或「autonomous lab」)。OpenAI 這次發文,等於是給這個趨勢官方背書。
數據解讀:哪些是真的突破、哪些還只是 demo
| 項目 | 這次做到了 | 還沒做到的 |
|---|---|---|
| 自動校準 | ✅ 訊號清楚時,AI 自動跑完整套標準流程 | ❌ 訊號微弱時,AI 會卡住 |
| 連續運作 | ✅ 研究員晚上睡覺 AI 繼續工作 | ⚠️ 仍需要研究員中途介入修正 |
| 多代理協作 | ✅ Yankelevich 同時跑多個代理處理不同問題 | ⚠️ 仍在實驗階段,沒有規模化數據 |
| 跨領域應用 | ⚠️ 量子計算驗證可行 | ❌ 其他領域(化學、生物)尚未驗證 |
簡單說:這次是「AI 代理 + 真實儀器」這條路徑的第一個可信案例,但離「完全自主的實驗室」還有一段距離。
關鍵瓶頸在於**「解讀模糊物理結果」**——AI 目前能做「明確流程」,但遇到意料之外的現象,仍然需要有經驗的人類。這部分短期內不會改變。
網友熱門留言 (6)