Co-Scientist：加速科研的多智能体AI合作伙伴

# Co-Scientist：一个多智能体AI合作伙伴，加速科研进程 来源：https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/ 介绍一款面向研究人员的协作式AI伙伴，助力在生命科学及其他领域提出新假设。 每一项伟大的科学突破都始于一个具有变革意义的想法。发现的火花依赖于研究者将看似无关的事实联系起来，并形成可验证的假设的能力。然而，在信息过载和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一大瓶颈。 我们相信，AI可以通过成为生成和优化突破性科学假设的专属伙伴，极大地加速突破性发现的进程。 今天，我们在 *Nature* (https://www.nature.com/articles/s41586-026-10644-y) 上发表了最新的 Co-Scientist 研究，介绍了一个基于 Gemini 构建的新型多智能体AI系统。该系统能够迭代地生成、辩论并演化针对复杂科学问题的新假设。 我们通过 Hypothesis Generation (https://ai.google/gemini-for-science?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=) 向个体研究者提供 Co-Scientist 系统。这是一款由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 共同开发的新实验工具。我们将在未来几周内开始逐步推出，研究者可以在 labs.google/science (http://labs.google/science) 注册表达兴趣。 自去年分享我们的早期研究 (https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/) 以来，我们一直在与各团队共同开发和测试 Co-Scientist，这些团队利用它来应对从抗菌素耐药性 (https://www.cell.com/cell/fulltext/S0092-8674(25)00973-0)、植物免疫 (https://www.biorxiv.org/content/10.64898/2026.05.03.722499v1) 到肝纤维化 (https://advanced.onlinelibrary.wiley.com/doi/abs/10.1002/advs.202508751) 等挑战性问题。我们很高兴分享它已经在基础生物学、自然科学和工程学等领域得到应用的一些案例。 ## Co-Scientist 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；它是一个构思与假设生成、批判、优化的循环。科学家们往往只有在与一个复杂问题苦苦纠缠数天、数月甚至数年后，才能获得最深刻的洞见。Co-Scientist 背后的核心研究问题是：*AI 系统如何能够为科学发现进行这种严谨的结构化思考？* Co-Scientist AI 系统由一群基于 Gemini 模型的专业智能体协作组成，我们可以将它们分为三个阶段： **生成想法：** - **生成智能体** – 基于科学文献和数据，提出初步的重点领域和新颖假设。 - **邻近智能体** – 对生成的假设进行映射和聚类，以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”的角色，对假设的正确性、质量和新颖性进行批判性评估。 - **排名智能体** – 组织一场“想法锦标赛”，通过两两比较和模拟科学辩论，优先排序最有前景的路径和假设。 **演化想法：** - **演化智能体** – 持续优化、组合并基于锦标赛中排名靠前的假设进行构建，以迭代提升其质量。 - **元评审智能体** – 综合来自辩论和想法锦标赛的洞见，持续优化系统，并为科学家生成最终的研究提案以供审阅。 一个监督智能体作为自适应规划者来协调智能体联盟。与线性思考的AI模型不同，这种自由形式的规划者将高层次的研究目标分解为可执行的步骤，协调智能体并行运行，同时探索多个路径。 生成的假设经过迭代优化、批判和演化，形成新的假设，构成一个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 Co-Scientist 可以探索数千个研究方向。为了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 (https://deepmind.google/research/alphago/?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=co-scientist) 和 AlphaStar (https://deepmind.google/blog/alphastar-mastering-the-real-time-strategy-game-starcraft-ii/?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=co-scientist) 中的原理——但我们的AI智能体不是进行游戏，而是举行科学辩论来生成、优化和排序想法。 为了在推动新颖性的同时确保假设的稳健性和可验证性，系统的大部分计算资源都用于*验证*这些假设。通过深入对照科学文献和数据交叉检查各项主张，系统确保主张保持有据可依、事实准确且逻辑一致。目前，系统集成了网络搜索和专门的数据库（如 ChEMBL 和 UniProt）以纳入更多知识。它还可以利用先进的专门模型作为工具，例如 AlphaFold，我们正在精选的研究合作中对此进行测试。 这些能力的结合使 Co-Scientist 成为首个针对结构化科学思维的可靠多智能体系统实例之一，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。 想法锦标赛通过基于 Elo 的锦标赛进行迭代排序，同时注入新知识以扩展其对假设空间的探索。 ### 发现可用于对抗肝纤维化的老药新用 Co-Scientist 加速了 Gary Peltz 寻找肝纤维化治疗方法的过程。该AI系统突出了被忽视的药物再利用候选药物，其中一种在实验室测试中成功阻断了 91% 的瘢痕相关反应。结果发表于《Advanced Science》，指出了治疗慢性肝病的新基因调控方法。 > “*Co-Scientist 感觉像是一位通读所有生物医学文献的合作者，具备找到我们目前遗漏的联系的推理能力。*” > > 斯坦福大学医学院 Gary Peltz 教授 ### 整合生物工具，探索 ALS 新疗法 Co-Scientist 帮助 Ritu Raman 和 Ryan Flynn 的实验室围绕退行性疾病 ALS 进行联合。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可以在哪些方面强化最佳线索，从而引发了与 Ryan 在潜在的基于RNA的ALS疗法上的合作。 > “*科学是一项团队运动。Co-Scientist 无法独自完成科学，我也无法独自完成所有事情。它帮助我梳理思路，让我知道应该向其他专家和合作者提出什么问题。*” > > 麻省理工学院副教授 Ritu Raman ### 快速追踪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，提出了新颖的遗传线索，这些线索在实验室测试中已显示出能使细胞恢复活力。它还将分析大型筛选数据集所需的时间从数月缩短到数天。 > “*使用 Co-Scientist 就像有一个50人的团队供你调遣，一天内完成所有工作，这在我们实验室里是做不到的。*” > > Omar Abudayyeh，Abudayyeh–Gootenberg 实验室首席研究员 ### 加速发现肝病机制 对于 Filippo Menolascina，Co-Scientist 帮助他将生物医学文献过载转化为针对代谢性肝病的高质量假设。该系统突出了有前景的疾病机制和药物组合，并帮助解释了为什么一种现有药物只对部分患者有益——这一想法后来得到了 Menolascina 实验室测试的支持。 > “*Co-Scientist 对科学家来说就像喷气背包，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 ### 寻找新传染病背后的分子开关 Clare Bryant 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AI系统迭代，她迅速将搜索范围缩小到特定的氨基酸，这些氨基酸将在她的实验室进行测试——这可能将数年的实验工作缩短为数月。 > “*Co-Scientist 汇集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东西，并帮助我确定优先级，这样我的团队就可以专注于在实验室回答正确的问题。*” > > 剑桥大学先天免疫学教授 Clare Bryant ### 开辟衰老研究新路径 在 Calico Life Sciences，Matt Onsum 和 Katherine Labbé 正在使用 Co-Scientist 应对医学领域最棘手的问题之一：衰老生物学。该AI系统以其科学辨别力给 Calico 的专家们留下了深刻印象，包括生成了一项关于整合应激反应的激动人心的新颖假设，该假设后来在实验室中得到了证实。 > “*使用 Co-Scientist，我发现既令人兴奋又惊讶的是，它的思维方式非常像科学家。它确实与科学家已有的思考和行事方式自然契合。*” > > Calico Life Sciences AI/ML 负责人 Matt Onsum 博士 ## 与科学界共同开发智能体工具 Co-Scientist 是与来自超过100个机构的研究人员合作开发的，旨在测试其能力，并确保它成为对科学界来说高质量、有用的工具。 作为我们负责任的 AI (https://storage.googleapis.com/gdm-deepmind-com-prod-public/media/documents/ai-responsibility-update-published-february-2025.pdf) 方法的一部分，Co-Scientist 经过广泛的内部和外部安全评估。鉴于 Co-Scientist 在生命和物理科学领域表现出的能力，我们还针对其在化学、生物、放射性和核（CBRN）领域的滥用可能性进行了独立评估。根据这些发现，我们开发了定制的安全分类器，以标记不道德的研究目标，并减少不安全信息的出现。 我们将继续与科学界进行反馈和协作，迭代开发该工具，并很高兴通过 Gemini for Science (https://ai.google/gemini-for-science?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=&utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=co-scientist) 向个体研究者提供 Co-Scientist。我们还期待很快能向更多的 Google Cloud 企业合作伙伴开放访问。 我们深受那些建立我们今天对世界理解的科学家们的启发。我们希望AI能够帮助研究者迎来并加速科学进步的新时代。 **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。用户在使用其输出结果进行科学探索时，需对其做出的任何决定负责。** ## 致谢 本研究项目由 Juraj Gottweis 和 Vivek Natarajan 领导，以及 Alan Karthikesalingam、Annalisa Pawlosky 和 Yunhan Xu 共同领导，主要贡献者包括：Wei-Hung Weng、Alexander Daryin、Alessio Orlandi、Andrew Carroll、Anil Palepu、Artiom Myaskovsky、Avinatan Hassidim、Ben Feinstein、Burak Gokturk、Byron Lee、Dan Popovici、Dina Zverinski、Eeshit Dhaval Vaishnav、Elahe Vedadi、Fan Zhang、Felix Weissenberger、Florian Hasler、Gary Peltz、Grzegorz Glowaty、Ivor Rendulic、Ivan Budiselic、Jacob Blum、Jan Freyberg、Jeremy Ratcliff、José R Penadés、Katherine Chou、Kavita Kulkarni、Keran Rong、Khaled Saab、Luka Rimanic、Marina Boia、Matthias Bellaiche、Nenad Tomašev、Ottavia Bertolli、Petar Sirkovic、Ryutaro Tanno、Tao Tu、Tiago R D Costa、Tom Sheffer、Vikram Dhillon、Yuan Guan、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 以及 Thomas Wagner 和 Yaniv Carmel 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。