罗斯·金是瑞典哥德堡查尔姆斯理工大学的机器学习教授。他以“机器人科学家”的创造者而闻名，这是一个自动化实验室系统，利用人工智能来设计、执行和解释生物学实验。他的研究聚焦于机器学习、人工智能与系统生物学的交叉领域，旨在通过自动化加速科学发现。
金于1990年代初在斯特拉斯克莱德大学获得人工智能博士学位。他曾在威尔士大学阿伯里斯特威斯分校和剑桥大学担任学术职务，于2016年加入查尔姆斯理工大学。他的早期工作涉及将机器学习应用于蛋白质结构预测和功能基因组学。
机器人科学家项目
机器人科学家是与威尔士大学和剑桥大学的同事合作开发的，于2004年首次展示。该系统结合了实验室机器人与一个机器学习算法，该算法能够对酵母基因的功能提出假设，设计实验来检验这些假设，实际运行实验，并解释结果。该项目由英国生物技术与生物科学研究委员会资助，并作为全自动科学发现的早期范例之一获得了大量媒体关注。
在2009年发表于《科学》杂志的一篇里程碑式论文中，金和他的团队表明，机器人科学家能够识别参与酵母代谢的12个基因的功能，其准确性达到或超过了人类科学家，同时自主运行。该系统使用决策树学习算法和代谢的逻辑模型来生成和检验假设。
对人工智能与科学的贡献
金更广泛的研究包括科学哲学方面的工作，特别是机器学习在假设生成中的作用。他主张，自动化系统不仅能够辅助，还能在某些常规发现环节中取代人类科学家，从而使研究人员能够专注于更具创造性的任务。他的工作影响了生物信息学中深度学习方法的发展，并在关于实验室自动化未来的讨论中被广泛引用。
他还为“机器人科学家”作为科学情境中评估人工智能系统的基准做出了贡献。他在查尔姆斯理工大学的团队继续探索如何将大型语言模型及其他现代人工智能技术整合到自动化实验室中。
认可与影响
金的工作获得了多项奖项的认可，包括2014年国际计算生物学学会（ISCB）杰出生物信息学贡献奖。他已发表超过150篇同行评审论文，其中许多发表在《自然》和《科学》等高影响力期刊上。他的研究曾被《经济学人》和《新科学家》等大众媒体专题报道，凸显了人工智能驱动科学的潜力。
他在查尔姆斯理工大学的当前项目涉及使用生成式人工智能来设计新颖实验，以及将机器学习应用于药物发现和代谢工程。他与瑞典、英国和美国的 researchers 合作，其工作得到瑞典研究委员会和欧洲研究委员会的资助。
个人与职业背景
金出生于英国。他是皇家生物学会会士，也是人工智能促进协会的高级会员。他曾担任多家期刊的编辑委员会成员，包括《生物信息学》和《皇家学会界面杂志》。除了研究之外，他还在查尔姆斯理工大学讲授机器学习及其在生命科学中应用的课程。
金以其跨学科方法而闻名，连接了计算机科学、生物学和哲学。他曾在主要会议上发表特邀演讲，包括国际机器学习会议（ICML）和智能分子生物学系统会议（ISMB）。他对自主科学的愿景继续激励着人工智能和实验室自动化领域的新研究。