从提出假设到设计实验，AI 智能体正开始重塑科学发现。但最困难的部分仍是在现实世界中检验这些想法。

本文探讨了日益加剧的验证瓶颈，并为政策制定者和资助者列出了四项优先事项。→ https://goo.gle/4poACUT

AI 智能体如何改变科学发现

来源：https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/?utm_source=x&utm_medium=social&utm_campaign=&utm_content= 2026 年 7 月

猜想机器：AI 智能体与科学中的新验证瓶颈

过去一年里，智能体已经改变了编程的意义。科学研究可能是下一个——从提出新颖假设，到设计实验，再到发现超越人类最佳设计的算法。

这给政策制定者和科学资助者带来了紧迫的问题，其中最大的问题是：如何验证即将到来的 AI 生成想法浪潮。

还需要新的方法，以确保科学家能够访问智能体、数据集对智能体友好、同行评审机制得以维持。

我们与 Google DeepMind 的 10 位研究人员和工程师进行了交流，试图弄清楚接下来会发生什么。

微生物学家 José Penadés 及其在帝国理工学院的团队花费了近十年时间，才弄明白一个超级细菌家族如何传播抗生素耐药性。这一结果当时未发表，仅在他的实验室内部知晓。然后，在 2024 年，他向 Google DeepMind 的 AI 智能体 Co-Scientist（https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/）描述了这个难题。

两天之内，Co-Scientist 就给出了五种可能的解释，并按优先级排序。排名第一的正是 Penadés 团队花了很长时间试图证明的那个假设：一些超级细菌从病毒那里获得尾巴，并将其用作“钥匙”在不同宿主物种之间跳跃。他震惊不已，第一反应是自己的电脑被入侵了，于是给谷歌发邮件确认。结果确认：没有窥探行为。如果他能穿越回去，这个洞见本可以为他的团队节省数年时间。

像 Co-Scientist 这样的 AI 智能体（https://cloud.google.com/discover/what-is-agentic-ai）是一个基于大语言模型（LLM）的系统，被赋予一个目标以及实现该目标的工具。与回答问题的聊天机器人不同，智能体可以规划如何实现你设定的目标，将其分解为多个步骤，并行运行多个子智能体和进程，并在过程中检测和纠正错误。它还可以与外部世界互动，例如通过调用在线数据库和工具，或编写代码来操作机器人。

AI 智能体的到来恰逢其时。研究人员面临着快速增长的知识负担，在能够做出有意义的贡献之前需要学习更多东西。药物发现、气候建模、材料设计和生物学中的关键问题变得过于复杂和跨学科（https://www.aipolicyperspectives.com/p/a-new-golden-age-of-discovery），人类团队无法快速应对。

科学在一定程度上依赖于逐渐演变的社会基础设施：实验室、团队、机构、同行评审、资助经费以及支持共享知识积累的网络。AI 智能体的时代将挑战这种基础设施，并且有时需要快速变革——其中一些变革或许早已是时候了。

软件工程正在经历类似的过程。在短短一年内，编码智能体重塑了工程师的工作方式。AI 智能体现在开始（https://arxiv.org/pdf/2605.06651）重塑科学。科学更加混乱，但在某些方面也适合智能体：有大量文本形式存在的文献、庞大的数据库，以及已经围绕代码构建的一些工作流程。科学还拥有现有的一代专业 AI 模型，智能体可以调用它们，从蛋白质（https://deepmind.google/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/）和材料（https://deepmind.google/blog/millions-of-new-materials-discovered-with-deep-learning/）设计工具到最先进的天气预报（https://deepmind.google/science/weathernext/）。

• 为什么智能体如此有用（https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/?utm_source=x&utm_medium=social&utm_campaign=&utm_content=#why-are-agents-so-useful）
• 智能体如何改变科学（https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/?utm_source=x&utm_medium=social&utm_campaign=&utm_content=#how-agents-are-changing-science）
• 政策影响（https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/?utm_source=x&utm_medium=social&utm_campaign=&utm_content=#policy-implications）

为什么 AI 智能体突然如此有用？

任何与早期迭代的 AI 智能体打过交道的人，都可能对其在科学中的实用性持怀疑态度，因为科学需要严谨和可靠性。但三股力量正在使当今的智能体更加有用（https://ai.google/gemini-for-science/）：更强的前沿模型、“脚手架”使智能体能够从这些前沿模型中引出更强能力，以及可定制性使科学家能够根据自身需求定制智能体。

更强的前沿模型

领先的模型现在在要求严格的科学知识基准测试中超越人类专家，例如 Humanity’s Last Exam（https://agi.safe.ai/）和 FrontierMath（https://epoch.ai/frontiermath）。也许更重要的是它们新的思考深度，这得益于推理时推理（https://blog.google/products-and-platforms/products/gemini/gemini-2-5-deep-think/），这是一种模型通过扩展步骤来解决问题、探索和修正后再给出答案的技术。

在数学和计算机科学领域，突破可能仅依赖于推理，模型已经产生了令人印象深刻的结果（https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/）。但更敏锐的推理在数学之外也有帮助，使智能体能够利用常埋藏在论文中的“长尾”发现，跨领域建立科学联系，判断何时调用何种工具，并在过程中发现自己的错误。

脚手架

这是一种“束缚”，使 AI 智能体能够更好地引出基础模型中存在但默认不会显现的潜在能力。这段代码“包装”了一个前沿模型，赋予其结构、内存以及访问和使用工具的能力，包括代码执行、科学软件和文献搜索。它还允许智能体调用专门的 AI 模型并与其他智能体交互。

早期的智能体脚手架是定制的：它们向特定智能体提供详细的指令，指导如何规划、执行任务和使用工具。但它们通常不能很好地迁移到其他智能体系统，甚至不能迁移到它们所依赖的前沿模型的后续版本。新的标准，例如智能体之间如何进行通信的协议（https://a2a-protocol.org/latest/），应能减少对如此多定制脚手架的需求。

定制化

智能体可以针对某个学科、实验室的工作流程或个人研究人员进行定制。实现这一目标的一个关键机制是当前智能体“技能”（https://github.com/google-deepmind/science-skills）的普及，用户可以根据自己的详细规格创建这些技能。

基础模型包含大量显性的科学知识，即写在论文和教科书中的那种。它们缺乏的是隐性知识：那些难以言传的技艺，通过多年的实践和失败积累而成，让科学家能够引导细胞系生长或让模拟顺利运行。直到现在，使用 AI 工具的科学家不得不通过艰难的方式传达他们的方法论、流程和偏好：通过详细的提示、定制的脚手架或模型重新训练。

智能体技能使其中的一些知识变得可移植。它们是指令集，通常只是简单的文本文件，告诉智能体如何执行任务以及生成什么。技能相对容易生成、共享和积累。随着科学家更多地使用他们的智能体，智能体也可以从这些交互中学习，使体验更加个性化。科学实验室和机构也可以安全地将其专有数据（例如旧的实验室笔记本）提供给他们的智能体。

计算生物学家 Natasha Latysheva 表示，她已经将研究过程中的一些方面提炼为技能。“虽然 AI 智能体尚未完全可靠，但我认为趋势是明确的。科学研究将从亲身执行转向高级编排，”她说，“我们将以审查智能体通宵运行的实验和分析开始一天的工作，调整它们的方向并引导其注意力。”

AI 智能体如何改变（以及不改变）科学

对科学家而言，最直接的变化也是最平凡的：有了聪明、不知疲倦的数字助手。研究人员正在将日常工作中的更多部分——筛选文献、查询数据库、编排分析、整理数据、撰写项目申请——交给智能体，这些工作只需几分钟而非几小时或几天，然后智能体会汇报结果。

智能体也开辟了新的可能性。“研究人员突然可以做以前根本做不了的事情，”高级首席研究科学家 Matej Balog 说。例如，许多科学家缺乏构建所需软件工具和管道的技能。部分原因是开发科学软件很难（https://dl.acm.org/doi/10.1145/3685265?__cf_chl_f_tk=wRXe3J6n__nAHTLA6Wfu0AZ.4GGTiMKPi9dMzGFlBk8-1782991715-1.0.1.1-ASx0wdsAflGUhSW8PvAyb6o6.jaVc0q7g7M4GyVDwbk）。但也因为大多数科学家没有接受过深入的编程训练，并且科学领域传统上并未为学术实验室中专门的研究软件工程师提供有竞争力的职业发展路径（https://pmc.ncbi.nlm.nih.gov/articles/PMC9138129/）。

智能体特别擅长编写代码，因为这是一个拥有大量训练数据的领域，并且正确性通常可以自动检查。科学家现在可以用自然语言描述他们需要什么——“写一个脚本来清理合并这三个数据集”，“为我构建一个交互式浏览器工具来探索这个输出”——并在几分钟内获得可用的代码。

但最终，对科学家来说最大的变化是结构性的。智能体使人们更容易为自己正在解决的问题提出想法和候选解决方案，但在验证这些想法方面尚未提供同样的提升。

构思

大多数科学家并不缺乏想法。挑战在于知道哪些值得追求。这正是智能体开始发挥作用的地方。智能体可以消化某个领域可获取的文献，跨学科建立联系，这是任何研究人员都没有时间去追踪的。现有的 Deep Research 工具（https://gemini.google/overview/deep-research/）已经使用子智能体来完成这项工作。但针对构思而优化的智能体走得更远。例如，Co-Scientist 指导一组子智能体生成多样化的假设、进行批评、排序和迭代——模仿人类研究团队的运作方式，但速度惊人。

斯坦福大学的 Gary Peltz 使用该工具（https://deepmind.google/blog/uncovering-repurposed-medicines-to-fight-liver-fibrosis/）寻找可以重新用于治疗肝纤维化的现有药物，肝纤维化是每年导致 140 万肝硬化死亡背后的瘢痕形成过程。基于他自己的文献综述和数十年的专业知识，他挑选了两种候选药物。Co-Scientist 挑选了三种。Peltz 的两种药物在活体人肝细胞检测中均未显示出任何益处。Co-Scientist 的两种药物不仅阻止了纤维化，还促进了肝细胞再生。

这是一个积极的例子，但任何基于 LLM 的系统都可能出错——即使是最强壮的推理者也可能编造信息。“输出结果的第 10 页上一个单一的幻觉声明就可能使整个结果失效，”Co-Scientist 负责人 Vivek Natarajan 说。遗漏此类错误会浪费时间和资源，而发现它们可能需要一位具有深厚专业知识的科学家。这种易错性使科学家对 AI 智能体持谨慎态度，这是理所当然的，而减少这种易错性是构建这些系统的人的首要任务。要在研究环境中有效运作，智能体不能仅仅作为输出答案的黑箱；它们必须暴露其推理过程，并作为透明的协作者。

一个关键挑战是赋予 Natarajan 所说的“认知谦逊”：模型知道自己不知道什么，并如实告知。他提到了蛋白质结构预测器 AlphaFold，它部分受到推崇的原因在于它报告了对每个预测每个方面的信心程度，因此研究人员知道何时信任它，何时需要寻求其他方法。在更开放的科学研究中校准这种信心仍然是一个未解决的问题。

展望更远的未来，更困难的问题可能是科学家同时想要的两件事之间的张力：既希望假设扎根于文献且没有错误，又希望它真正新颖。为了谨慎而调整的智能体可能会偏向安全和已知；为了原创而调整的智能体则更容易出错。这个挑战本身将需要新的想法，例如更好的评估新颖性的方法（https://challengeworks.org/challenge-prizes/metascience-novelty-indicators/）。或者更好的方法，将智能体与更专业的模型连接起来——这些模型基于第一性原理的科学数据进行训练——以帮助产生既原创又稳健的想法。

寻找最优候选解决方案

智能体可以搜索问题的最佳解决方案，而不仅仅是一个可行的方案。寻找新催化剂的材料科学家面临着近乎无限的分子结构，每个结构都昂贵且难以制造和测试。寻找更高效算法的计算机科学家也面临类似的可能性爆炸。

像这样巨大的解空间遍布科学和工业领域。AlphaEvolve（https://deepmind.google/blog/alphaevolve-impact/）是一个智能体，可以在其中找到最佳候选方案。给定一个以代码形式表示的问题和一种对潜在解决方案进行评分的方法，它编排一组智能体生成许多算法候选方案，保留得分最高的方案，并从幸存者中培育下一代。它无人值守运行，以任何人类团队都无法匹敌的规模生成和改进候选方案。

AlphaEvolve 在代码中工作，但其影响力远远超出软件。正如 Balog 所指出的：“算法可以精确地描述世界上许多科学和自然过程。” AlphaEvolve 已经协助（https://deepmind.google/blog/alphaevolve-impact/）设计了谷歌的下一代 TPU 芯片，帮助数学家陶哲轩解决了开放性的 Erdős 问题，并改进了基因组学数据的分析。

但在材料等科学领域，AlphaEvolve 的最高得分只是线索，而非最终结果。一个有前途的催化剂仍然需要在实验台上制造和测量。

验证

验证是一个缓慢且代价高昂的过程，用于测试一个想法是否经得起现实的检验。卡尔·波普尔说，科学通过猜想和反驳来进步。Agentic AI 正在改变这对组合的经济性。AI 智能体是猜想机器，使想法和候选解决方案变得丰富且相对便宜。反驳仍然是物理的和制度性的——因此代价高昂且缓慢。

数学和计算机科学通常被视为巨大的例外，因为验证可以在计算机中（in silico）进行。一个 AI 智能体可以生成一个证明，并用形式语言表示它