Co-Scientist：一个加速研究的多智能体AI伙伴

为研究人员推出一款协作式 AI 伙伴，助力其在生命科学及其他领域提出新假说。

每一项伟大的科学突破都始于一个具有变革性的想法。灵感的迸发依赖于研究人员将零散事实联系起来，并构思出值得验证的假说的能力。然而，在信息过载与挑战日益复杂的时代，寻找这些“大海捞针”般的想法已成为科学进步的重大瓶颈。

我们相信，AI 能够作为生成和完善突破性科学假说的专属伙伴，从而极大地加速突破性进展的步伐。

今天，我们在《自然》杂志上发表了最新的“联合科学家”研究成果，介绍了一个基于 Gemini 构建的新型多智能体 AI 系统。该系统能够针对复杂的科学问题，迭代地生成、辩论并演化出新颖的假说。

我们正通过“假说生成”这一实验性新工具，向个体研究人员开放“联合科学家”系统。该工具由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 联合开发。我们将在未来几周内开始推出，研究人员可通过 labs.google/science 登记兴趣。

自去年分享早期研究以来，我们一直与多个团队共同开发和测试“联合科学家”，这些团队正利用它来应对从抗菌素耐药性、植物免疫到肝纤维化等一系列棘手问题。我们很高兴分享它已在基础生物学、自然科学和工程学领域得到应用的一些方式。

“联合科学家”的工作原理：基于 Gemini 构建的多智能体系统

科学发现很少是一条直线；它是一个包含构思、假说生成、批判与完善的循环过程。科学家们往往只有在与一个复杂问题“搏斗”数天、数月甚至数年后，才能获得最深刻的洞见。“联合科学家”背后的核心研究问题是：一个 AI 系统如何才能参与这种严谨的结构化思考，以推动科学发现？

联合科学家 AI 系统由基于 Gemini 模型的多个专业智能体协作组成，我们可将其分为三个不同阶段：

生成想法：

生成智能体——基于科学文献与数据，提出初步关注领域和新颖假设。邻近智能体——对生成的假设进行映射与聚类，帮助确保对研究空间进行多样化、全面的探索。

辩论想法：

反思智能体——扮演"虚拟同行评审员"角色，批判性地评估假设的正确性、质量和新颖性。排序智能体——组织"想法锦标赛"，通过成对比较和模拟科学辩论，优先选出最有前景的研究路径和假设。

演化想法：

演化智能体——持续优化、合并并基于锦标赛中排名最高的假设进行构建，以迭代提升其质量。元评审智能体——综合辩论与想法锦标赛中的洞见，持续优化系统，并生成最终研究方案供科学家审阅。

协调整个智能体联盟的是一个监督智能体，它充当自适应规划器。与线性思考的 AI 模型不同，这种自由形式的规划器将高层次研究目标分解为可执行步骤，协调各智能体并行运行，同时探索多条路径。

生成的思路经过迭代优化、批判和演化，形成新的假设，构建起科学推理与假设生成的良性循环。

想法锦标赛：我们的系统如何验证、优化和排序假设

联合科学家可以探索数千个研究方向。为帮助找到最具影响力的方向，我们开发了"想法锦标赛"。该方法借鉴了 AlphaGo 和 AlphaStar 的原理——但我们的 AI 智能体并非进行游戏，而是通过科学辩论来生成、优化和排序想法。

为了在推动新颖性的同时确保假设稳健且可检验，该系统的大部分算力都用于验证这些假设。通过将主张与科学文献和数据进行深度交叉核对，系统确保主张有据可依、事实准确且逻辑连贯。该系统目前集成了网络搜索以及 ChEMBL 和 UniProt 等专业数据库，以纳入更多知识。它还可以利用 AlphaFold 等先进专业模型作为工具，我们正在部分研究合作中对此进行测试。

这些能力的结合，有助于使 Co-Scientist 成为首个用于结构化科学思维的可靠多智能体系统范例之一，使其能够在为复杂科学问题生成新颖假设方面取得切实成果。

创意锦标赛通过基于 Elo 的锦标赛机制对假设进行迭代排序，同时注入新知识以扩展其对假设空间的探索。

在实验室中验证 Co-Scientist，从生命科学领域开始

在过去一年中，我们与全球专家合作，评估 Co-Scientist 在生命科学复杂问题上的表现。我们还向包括第一三共、拜耳作物科学和美国国家实验室在内的多家机构，预览了一款企业级版本，作为创世纪任务的一部分。

发现可用于治疗肝纤维化的药物重定位候选方案

Co-Scientist 帮助加速了 Gary Peltz 对肝纤维化治疗方法的探索。该 AI 系统突出了被忽视的药物重定位候选方案，其中一种在实验室测试中成功阻断了 91% 与疤痕形成相关的反应。这项发表在《先进科学》上的研究结果，指出了治疗慢性肝病的新基因调控方法。

“Co-Scientist 就像一位通读了所有生物医学文献的合作者，具备找出我们目前所遗漏的联系的推理能力。”

斯坦福大学医学院 Gary Peltz 教授

阅读案例研究

整合生物工具包，探索治疗肌萎缩侧索硬化症的新方法

Co-Scientist 帮助 Ritu Raman 和 Ryan Flynn 的实验室围绕退行性疾病 ALS 展开合作。该系统帮助 Ritu 快速消化复杂的文献，提出可验证的想法，并发现互补的专业知识如何能够强化最有希望的线索，从而激发了她与 Ryan 在基于 RNA 的 ALS 潜在治疗方法上的合作。

“科学是一项团队运动。Co-Scientist 无法独自完成科学研究，我也无法独自完成所有工作。它帮助我梳理思路，让我知道该向其他专家和合作者请教什么。”

麻省理工学院副教授 Ritu Raman

阅读案例研究

加速寻找逆转细胞衰老的遗传线索

生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 正在使用 Co‑Scientist 加速逆转细胞衰老的研究。该系统综合了数十年的文献，提出了在实验室测试中已被证明能使细胞恢复活力的新型遗传线索。它还将分析大型筛选数据集所需的时间从数月缩短至数天。

“使用 Co-Scientist 的感觉就像有一个 50 人的团队供你调遣，在一天之内完成所有工作，这是我们实验室靠自身无法做到的事情。”

Abudayyeh–Gootenberg 实验室首席研究员 Omar Abudayyeh

阅读案例研究

加速发现肝脏疾病机制

对于 Filippo Menolascina 而言，Co-Scientist 帮助他将生物医学文献过载转化为关于代谢性肝脏疾病的高质量假设。该系统指出了有前景的疾病机制和药物组合，并帮助解释了为何一种现有药物仅对部分患者有效——这一观点后来得到了 Menolascina 实验室测试的支持。

“Co‑Scientist 感觉像是科学家的喷气背包，增强了我们识别有前景机制的能力。我认为我们正处于一场科学革命的前沿，这场革命将显著缩短实现突破所需的迭代周期。”

爱丁堡大学工程生物学教授 Filippo Menolascina

阅读案例研究

寻找新型传染病背后的分子开关

克莱尔·布莱恩特正在使用 Co-Scientist 来帮助识别当流感、COVID-19 等病原体从动物传播给人类时导致严重疾病的蛋白质。通过与这个 AI 系统反复迭代，她迅速将搜索范围缩小到她的实验室将要测试的特定氨基酸——这有可能将数年的实验工作缩短到几个月。

“Co-Scientist 整合了所有已发表的文献和在线资源，帮助我提出更好的问题。它能捕捉到我在数据丰富的领域中会遗漏的信息，并帮助我确定优先级，这样我的团队就能专注于在实验室中回答正确的问题。”

克莱尔·布莱恩特，剑桥大学先天免疫学教授

阅读案例研究

开辟衰老研究的新路径

在 Calico Life Sciences，马特·昂萨姆和凯瑟琳·拉贝正在使用 Co-Scientist 来攻克医学领域最棘手的问题之一：衰老的生物学机制。这个 AI 系统以其科学洞察力给 Calico 的专家们留下了深刻印象，包括提出了一个关于整合应激反应的令人兴奋的新假说，该假说后来在实验室中得到了证实。

“在使用 Co-Scientist 时，我发现既令人兴奋又令人惊讶的是，它的思考方式非常像一位科学家。它确实能自然地契合科学家已有的思考和行事方式。”

马特·昂萨姆博士，Calico Life Sciences AI/ML 负责人

阅读案例研究

与科学界共同开发智能体工具

Co-Scientist 是与来自 100 多个机构的研究人员合作开发的，旨在测试其能力，并确保它是一个高质量、对科学界有用的工具。

作为我们负责任 AI 方法的一部分，Co-Scientist 经过了广泛的内部和外部安全评估。鉴于 Co-Scientist 在生命科学和物理科学领域表现出的熟练程度，我们还针对其在化学、生物、放射性和核（CBRN）领域的滥用进行了独立评估。根据这些发现，我们开发了定制的安全分类器，用于标记不道德的研究目标，并减少不安全信息的呈现。

我们将继续根据科学界的反馈并与他们合作，迭代和开发该工具，并且很高兴能通过 Gemini for Science 将 Co-Scientist 提供给独立研究人员。我们也期待很快能向更多 Google Cloud 企业合作伙伴开放访问权限。

我们深受那些构建了当今世界认知的科学家们的启发。我们希望人工智能能够帮助研究人员迎来并加速一个科学进步的新时代。

注意：Co-Scientist 旨在成为研究中的合作伙伴，而非科学或临床专业知识的替代品，用户需对其在科研过程中使用模型输出所做的任何决定负责。

登记您的兴趣 | 阅读我们的《自然》论文 | 了解更多关于 Gemini for Science 的信息

本研究项目由 Juraj Gottweis 和 Vivek Natarajan，以及 Alan Karthikesalingam、Annalisa Pawlosky 和 Yunhan Xu 领导，主要贡献者包括：Wei-Hung Weng、Adam Marsh、Alexander Daryin、Alessio Orlandi、Andrew Carroll、Anil Palepu、Antonia Mould、Artiom Myaskovsky、Ash Otter、Avinatan Hassidim、Ben Feinstein、Burak Gokturk、Byron Lee、Dan Popovici、Dina Zverinski、Eeshit Dhaval Vaishnav、Elahe Vedadi、Fan Zhang、Felix Weissenberger、Florian Hasler、Frankie Garcia、Gary Peltz、Grzegorz Glowaty、Ivor Rendulic、Ivan Budiselic、Jacob Blum、James Stevenson、Jan Freyberg、Jeremy Ratcliff、Joel Fenster、José R Penadés、Katherine Chou、Kavita Kulkarni、Keran Rong、Khaled Saab、Luka Rimanic、Marina Boia、Mathias Voges、Matthias Bellaiche、Nenad Tomašev、Ottavia Bertolli、Paige Kunkle、Petar Sirkovic、Ryutaro Tanno、Suzy Pickering、Tao Tu、Tiago R D Costa、Tom Sheffer、Victoria Langston、Vikram Dhillon、Yuan Guan、Ziyue Wang、Amin Vahdat、James Manyika、Demis Hassabis、Yossi Matias 和 Pushmeet Kohli。

我们感谢团队成员 Ali-Cowen Rivers、Anna Trostanetski、Barnaby James、Bill Byrne、Boon Panichprecha、Charlie Taylor、Diego Ballesteros、Hussein Hassan Harrirou、Ieva Grublyte、Ivan Lee、Jakob Oesignhaus、James Walker、Jorge Barrios、Laurynas Tamulevičius、Luka Važić、Meet Shah、Mihai Ciorobea、Natasha Latysheva、Nicolas Stroppa、Nir Kerem、Saz Basu、Sebastian Nowozin、Taylor Applebaum、Team Rakket、Thomas Wagner 和 Yaniv Carmel 提供的技术支持。

我们还要感谢 Carmela Sidrauski、Clare Bryant、Filippo Menolascina、Jonathan Gootenberg、Katherine Labbé、Matthew Onsum、Omar Abudayyeh、Ritu Raman、Ryan Flynn、Velia Siciliano 的合作。

最后，我们感谢 Ali Eslami、Andy Berndt、Ankur Jain、Anna Koivuniemi、Clemens Mayer、Dale Webster、Greg Corrado、Jason Freidenfelds、Jeff Dean、Joelle Barral、John Jumper、John Platt、Josh Woodward、Karen DeSalvo、Koray Kavukcuoglu、Michael Brenner、Michael Howell、Noam Shazeer、Oriol Vinyals、Parthasarathy Ranganathan、Ronit Levavi Morad、Royal Hansen、Scott Huffman、Srini Narayanan、Susan Thomas、Thomas Kurian、Zoubin Ghahramani 和 Sundar Pichai 对本工作的支持。