高维物理系统中自主科学发现的苏格拉底代理

科学发现的自动化已经达到了一个拐点。虽然人工智能系统现在可以操作仪器、优化参数并生成假设，但大多数仍然是程序性的：它们执行由人类设计师固定的工作流程。真正的自主科学需要认知自主——根据证据构建、挑战和修改物理解释的能力。在这里，我们介绍 AHOIS，这是一位多智能体人工智能科学家，它将苏格拉底式助产术嵌入到闭环实验中。物理评审智能体通过因果质疑、约束检查、反例生成和证伪标准制定来质疑假设。我们在真实的多模光纤光学平台上评估 AHOIS，这是一个具有复杂波变换、间接检测、环境漂移和多模态采集的高维系统。在没有事先的编码方案、分类器或散斑模型的情况下，系统自主提出并验证随机干扰编码假设，发现任务自适应稀疏测量策略，诊断不同的故障模式（编码不稳定、荧光污染和探测器噪声），并将已发布的成像协议转换为非原始配置上的可执行工作流程。发现的编码产生了 16x16 测量值，有效排名为 56.9，在 MNIST 上的分类准确度为 76.97%，在 Fashion-MNIST 上的分类准确度为 83.17%。消融表明，苏格拉底式询问提高了物理一致性、假设完整性、不确定性校准和实验计划的有效性。这些结果建立了一条从工作流程自动化到复杂物理环境中基于证据的、自我纠正的自主发现的路线。