数百万篇科学论文包含大量信息，虽然并非所有信息都有价值，但散布在这些论文中的实验、数据集、方法和软件，本可以帮助研究者回答新的问题。问题在于，没有任何科学家能够阅读并利用其中哪怕很小一部分。
这正是 Paper2Agent 的用武之地。它是一个将科学研究论文转化为智能体的新系统。与传统用AI搜索或总结论文不同，该系统创建一个能够实际运用论文中的研究的智能体。科学家可以向这个智能体提问或分配任务，Agent 会使用论文中的方法和数据来完成工作。
换句话说，论文变成了研究者可以交互并投入使用的工具，而不仅仅是一篇被动的读物。
正如研究者在他们的 Nature 论文中所说："Paper2Agent 通过将静态论文转化为活跃的AI智能体，重新构想了研究成果的传播方式。每个智能体都充当对应论文的交互专家，能够演示、应用并调整其方法以适应新项目。"
论文如何变成智能体？
Paper2Agent 的工作流程：首先，它审视论文，识别出研究过程中使用的工具——可能是一段软件、一些代码或研究者公开的其他材料。然后，它将 AI智能体配置为使用这些工具。另一个 AI智能体协助编写和测试实现这一过程所需的代码。一切就绪后，"论文智能体"便可以使用与产生原始研究相同的工具。
创建这些智能体是一回事。更大的问题是：它们能否真正完成有用的科学工作？
研究者用涵盖计算生物学不同领域的论文测试了 Paper2Agent。其中之一是 AlphaGenome——Google DeepMind 用于预测 DNA 变化如何影响基因调控的 AI 模型。通过 Paper2Agent，研究者只需告诉智能体他们想要什么，就能使用AlphaGenome，而不必亲自操作该软件。
他们对其他几篇研究论文和科学工具也尝试了同样的方法。智能体被要求重复原始论文中的部分工作，但也被赋予了新问题，以检验它们能否将在不同情境中学到的知识加以应用。
结果令人鼓舞。根据论文，这些智能体能够复现分析并将原始方法应用于新问题。研究者还将Paper2智能体与能够访问相同底层资源的通用AI智能体进行了对比。专业化的论文智能体通常表现更好，这表明仅仅让AI模型接触科学软件，与围绕研究专门构建一个智能体，并不是一回事。
但研究者走得更远。他们不仅单独测试这些论文智能体，还想看看来自完全不同研究的智能体协作时会产生什么结果。
那项实验汇集了三个基于不同论文的智能体，共同研究银屑病的遗传学。这些智能体分别掌握了不同的方法和证据——包括遗传预测和实验数据。通过整合这些能力，它们识别出 GPR137 是银屑病的可能致病基因。这一关联并非直接来自任何一篇单独的论文。
我们知道，涵盖遗传学、医学到材料科学和气候等领域的科学论文有数百万篇。如果其中哪怕一小部分能变成智能体，研究者就有可能将不同研究的发现和方法组合起来，而不必手动拼接每一个环节。这正是 Paper2智能体在从研究论文中提取价值方面潜在的颠覆性意义。
当然，局限性也很明显。AI智能体的有用程度取决于其背后的研究和资源，智能体犯的错误可能引入新的误差来源。许多论文也缺少使方法可直接使用的代码、数据或其他资源。
尽管如此，Paper2智能体为科学出版的未来方向提供了一个有趣的视角。更大的机遇或许不是能阅读百万篇论文的 AI，而是可以让百万篇论文能够真正协同工作。
