你在自然課想到一個答案，老師會請你用實驗找證據。這次研究也照這個順序，先讓電腦提想法，再讓機器和人測。
先有想法，再讓實驗室動手
6月17日，OpenAI和波蘭公司Molecule.one公布合作成果。OpenAI開發AI，也就是能從許多資料找線索的電腦模型。Molecule.one則把化學工作接上自動實驗室。
這套AI叫GPT-5.4，先產生並排列數千個研究想法。化學家看過前面的提案，只選4個交給實驗室。
被選中的想法接著交給Maria。它連著自動實驗室，會把提案排成一項項工作。
官方資料說，人類一路訂目標、挑提案，也修正實驗安排。最後的複驗同樣由人負責，所以整段工作不能算全自動。
這個想法要測什麼
4個提案中，有一個要改進Chan-Lam偶聯。這種反應用銅幫忙，把碳和氮接在一起。製藥研究會用它做出要測的分子。
研究這回使用「初級磺醯胺」這類原料。它的分子裡有硫、氧和氮，這些原子用固定方式相連。這類原料做Chan-Lam偶聯時，常做不出很多目標成品。
GPT-5.4提出一條線索：在原料中加入TEMPO。這種化學添加物可能讓目標成品變多，但當時還只是猜測。
Maria接手後，把猜測排成一連串測試。這才把AI的提案放進真實世界。
一萬多次測試後，數字變好了
Maria先把原料和條件排成許多組合，再交給機器操作。兩輪合計10,080次，約等於100人各做100次，再加80次。
每次反應都會算「產率」，也就是成品占最多可能數量多少。平均產率從16.6%升到25.2%。
想成最多能做100份，結果從約17份增加到25份。雖然變多了，但還遠不到100份。
研究還看有多少次測試能超過30%產率。原本每100次約有16次，加入TEMPO後約有38次。這表示它幫上不少忙，卻沒有讓每次測試都成功。
機器看到的結果，人還要重做
Maria在很小的容器裡做這些反應。換到一般實驗桌時，結果可能不一樣。於是化學家挑14組，用手再做一次。
14組人工複驗中，有11組的產率提高。其中8組增加到原本的兩倍以上。
這一步把機器的數字帶回一般實驗桌。如果沒有複驗，小容器裡的好結果可能只是誤差。
團隊因此稱它為「近乎自動」。許多工作由AI和機器完成，但是人仍要挑選、修正和檢查。
四位專家看過，仍不是最後答案
團隊把研究稿先公開，這種稿件叫「預印本」。它還沒走完同儕審查，也就是同領域科學家的正式檢查。
4位外部化學家看過成果，認為這個發現有新意。但是這不等於正式同儕審查。
還有一道更強的檢查：讓沒參加研究的實驗室重做。目前其他團隊還沒有公開這種獨立複驗。
而且人工複驗只挑14組，不是全部10,080次。這個做法能不能用在更多原料，也還要繼續測。
讀這則新聞，沿著三個角色看
先看想法從哪裡來。這次GPT-5.4讀資料並提出方向，人類再從中選4個。
接著看誰真的動手。Maria把一個提案排成10,080次反應，自動實驗室負責操作。
最後看誰確認結果。人類化學家複驗14組，其他團隊還要再測。
因此，這次成果說明AI能參加化學研究。它還不能證明AI能自己完成所有科學工作。
