從自己選藥到動手注射:生技新創讓 AI 代理操控機械臂幫活體實驗鼠進行腦部微創操作


新科技探索AI × 濕實驗室生醫倫理

過去大家談到「AI 幫忙做醫療與生技研究」,多半想像的是 AI 在電腦螢幕裡幫忙整理病歷、分析顯微鏡影像,或是預測蛋白質結構。至於真正拿起針筒與手術刀的「濕實驗室(Wet-lab)」活體操作,向來是由受過多年訓練的研究人員與獸醫親手完成。

但在 2026 年 10 月底,獲得知名創業加速器 Y Combinator 投資的生技新創 Exin Therapeutics,由共同創辦人兼執行長 Gabriel Ocana-Santero 公開了一項極具爭議性的實驗展示:他們把一台裝有注射器的立體定位機械臂接上大語言模型,讓 AI 代理(AI Agent)在沒有人類預先寫死治療方案的情況下,自己決定要用哪一種基因療法、自己翻論文算座標,最後親自操控機械臂把藥劑注進活體癲癇小鼠的大腦裡。

消息在《Tom’s Hardware》、《India Today》與《科技新報》等媒體轉載後迅速引發討論。除了「AI 真的動手開腦」帶來的震撼之外,實驗過程還出現了一個耐人尋味的插曲——他們一開始測試最高階的 Claude Opus 模型時,Opus 直接拒絕參與活體實驗,團隊最後是換成 Claude Sonnet 才順利跑完整套流程。

💡重點速覽
  • 並非完全無人介入的「全自動手術」:最初的小鼠顱骨開孔仍由人類外科醫師完成,且現場全程有持照獸醫監控與實體斷電急停開關(Kill Switch)把關。
  • 關鍵突破在於「自主決策」:AI 不是只照著人類輸入的座標移動馬達,而是從 19 種候選載體中自行挑出療法、交叉比對三篇科學論文算出 3D 腦部座標,並執行 250 奈升注射。
  • 同一家廠商的模型,安全底線大不同:高階模型 Claude Opus(報導指 Opus 5.5)以無法保證麻醉動物安全為由拒絕執行;改用 Claude Sonnet(Sonnet 5)後則接手完成任務。
  • 性質屬早期單一實驗室展示:團隊雖回報小鼠術後恢復良好,但此實驗尚未經過同儕審查(Peer Review),離臨床或常規生醫標準仍有相當距離。

一、AI 到底做了什麼?拆解這場實驗的人機分工

看到「AI 幫老鼠動腦部手術」的標題,很多人第一反應可能會以為像科幻電影那樣,小鼠自己走進機器人艙裡被全自動動刀。但根據《Tom’s Hardware》與《India Today》整理的實驗細節,真實現場其實有著相當嚴格的「人機安全邊界」。

為了避免過度渲染或誤解,以下先釐清人類研究團隊與 AI 代理在這場實驗中各自負責的步驟:

操作階段 負責執行者 實際進行的動作與安全條件
1. 術前麻醉與顱骨開孔 人類醫師/獸醫團隊 幫患有癲癇模型的小鼠進行麻醉固定,並由人類外科醫師在小鼠顱骨上開出一個微小的進入孔洞。
2. 給定目標與參考資料 人類研究人員 僅告訴 AI 一個總目標:「減少癲癇發作」,並提供包含 19 種基因療法載體的試算表、3 篇科學論文、攝影機畫面以及改裝自 Arduino 等元件的電動立體定位手術台(Stereotaxic Rig)控制權。
3. 挑選療法與計算座標 AI 代理(Claude Sonnet) 自行決定採用能增強抑制性 GABA 神經傳導訊號(GABAergic signals)的基因療法載體,選擇「外側嗅周皮質(Lateral Perirhinal Cortex)」為目標區域,並跨三篇論文推算出精確的 3D 立體定位座標。
4. 執行微創注射與監測 AI 代理控制機械臂 驅動馬達將針頭對準目標位置,向小鼠大腦注入 250 奈升(nanolitres) 的基因治療藥劑,並透過攝影機畫面即時檢查注射點是否出現異常出血。
5. 全程把關與緊急中斷 持照獸醫 在旁邊緊盯每一個「不可逆轉(Irreversible)」的操作步驟,手中隨時握著可立即切斷馬達電源的實體急停開關(Kill Switch)。

過去醫院裡常見的達文西手術機器人,本質上是「延長外科醫師的手臂」,由醫生操控搖桿、或是照著人類工程師預先寫死的固定軌跡移動。Exin Therapeutics 這項實驗真正踩破過去界線的地方,在於他們把**「該用什麼藥」、「要打在腦袋哪裡」以及「控制馬達打進去」這三件事,交給同一個大語言模型代理串起來執行**。


二、最有趣的技術插曲:為什麼 Opus 說不,Sonnet 卻答應了?

對關注 AI 模型行為的讀者來說,這則新聞最值得玩味的地方,反而是 Anthropic 旗下兩款模型的不同反應。

根據報導,Exin Therapeutics 一開始優先測試的是 Anthropic 當時最高階的旗艦模型 Claude Opus(外媒引述為 Opus 5.5)。結果當研究團隊把活體動物實驗的條件、電動手術台權限與目標交給 Opus 時,Opus 拒絕了這個要求。

Opus 給出的拒絕理由相當具體:它評估在麻醉狀態下的活體動物身上啟動一項複雜的腦部操作,如果中途無法保證能安全完成或精確控制變數,所帶來的風險過高;模型甚至回應指出,「開始一個無法保證完整收尾的生物實驗,比完全不開始更糟糕」。

面對這個結果,研究團隊轉而測試同一世代的中階主力模型 Claude Sonnet(Sonnet 5)。出乎部分觀察者意料的是,Sonnet 在相同的人類監督框架與權限設定下,接受了這項任務參數,開始閱讀提供的三篇文獻、規劃治療路徑,最終順利完成 250 奈升的注射。

這個對比凸顯了 2026 年 AI 安全對齊(Alignment)領域一個非常現實的現象:同一個實驗室訓練出來的不同等級模型,在面對「實體世界不可逆風險」時,安全護欄的敏感度與判斷標準並不一致。 更聰明的旗艦模型可能會主動推演「萬一失敗的生物倫理後果」而踩煞車;中階模型則可能因為安全閾值設定或推理深度不同,將其視為「在人類獸醫監督下的合法科研工具呼叫」而予以執行。


三、從「數位自動化」跨向「濕實驗室自動化」,真正的爭議在哪?

Exin Therapeutics 之所以要做這種「lab-in-the-loop(迴圈中的實驗室)」展示,背後的商業與科研動機很直白:現代生技新藥研發最大的瓶頸之一,就是動物實驗與細胞實驗極度依賴人工操作,速度慢且人力成本高。如果 AI 不僅能看懂論文,還能直接連上實驗室裡的微調馬達、液體處理機與顯微鏡,理論上能把「提出假說 → 設計實驗 → 動手驗證」的週期大幅壓縮。

但這項展示公開後,科學界與科技倫理學者也立刻提出三個尖銳的疑問:

1. 「單次成功展示」不等於可重複的科學標準

多位學界專家在接受外媒評論時強調,目前公開的僅是單一新創實驗室的初步概念驗證(Preliminary demonstration),並沒有經過任何醫學或生物期刊的同儕審查(Peer Review)。大腦立體定位注射容許的誤差極小,單一小鼠恢復良好,不代表這套從「讀論文」到「驅動 Arduino 馬達」的管線具備穩定的重複性與安全性。

2. AI 的「幻覺」碰上活體組織的代價

平時寫程式或查資料遇到 AI 幻覺,頂多是報錯重跑一次;但在實體生物實驗室裡,只要 AI 在跨論文換算座標時不小心把正負號看反、或是把「微升(microlitre)」誤讀成「奈升(nanolitre)」,造成的就是不可逆的活體傷害或實驗毀損。就算旁邊站著手握急停開關的獸醫,人類的反應速度是否永遠趕得上電動馬達的錯誤瞬間,依然是個問號。

3. 責任歸屬的灰色地帶

如果一台由 AI 代理自主決策的實驗設備出了嚴重事故,或是引發實驗室生物安全風險,責任該由誰承擔?是下達總目標的研究人員、現場監控的獸醫、提供開源機械臂組件的團隊,還是開發出通過安全審查並執行指令的模型廠商(例如 Anthropic)?目前的法律與實驗室倫理審查委員會(IACUC)框架,幾乎都還沒準備好回答這個問題。


四、一般人與技術觀察者該怎麼看待這類新聞?

觀察角度 合理理解與現況定位 需要避開的過度解讀
對一般民眾/病患 屬於動物實驗室自動化探索,距離真正用於人類醫院臨床手術還非常遙遠,且無取代外科醫師的可能。 誤以為 AI 已經能夠獨立開腦治病或不需要人類醫生。
對生技與實驗室人員 展示了 LLM 結合低成本馬達(如 Arduino)串接文獻與實驗執行的潛力,未來可能加速基礎篩選流程。 忽略前期開顱、動物麻醉與獸醫急停監控仍完全仰賴專業人力。
對 AI 模型開發與安全研究 提供了極具參考價值的案例:不同層級模型(Opus vs. Sonnet)在面對高風險實體操作時,會展現出截然不同的安全拒絕行為。 認為只要加上一般文字安全護欄,就能一勞永逸管住接上實體硬體的 AI 代理。

五、總結:跨出螢幕的那一步,不能只靠大語言模型的膽量

Exin Therapeutics 這場實驗之所以讓人既驚奇又有點背脊發涼,正是因為它具體呈現了 2026 年 AI 發展的一個關鍵轉折:AI 已經不再滿足於在電腦螢幕裡生成文字和程式碼,而是開始嘗試透過機械臂去改變真實世界裡的物質與生命體。

不過我認為,從這次「Opus 拒絕、Sonnet 接手」的過程也可以看出,目前大語言模型對於實體世界風險的判斷,依然存在很大的不確定性。當軟體公司忙著幫 AI 加上各種控制現實設備的介面(Tool Use / Hardware Control)時,真正決定這項技術能不能安全落地的,恐怕不是機械臂有多精準,而是人類自己有沒有先畫好更嚴謹的法規、倫理審查與實體斷路機制。


參考來源

本文整理自上列公開資料,資料蒐集與整理過程使用 AI 工具輔助。如有錯誤歡迎指正。