Gemini for Science：人工智能实验与工具，开启新发现时代

# Gemini for Science：面向新发现时代的人工智能实验与工具 来源：https://blog.google/innovation-and-ai/technology/research/gemini-for-science-io-2026/ 几个世纪以来，科学方法一直是人类进步最强大的引擎。在谷歌，我们的使命深深植根于构建工具来加速这一进程。我们相信，新的发现时代不会来自狭隘、专门的模型，而是来自能够赋能各科学领域研究者的通用智能体。 这就是我们推出 Gemini for Science (https://ai.google/gemini-for-science/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 的原因，这是一套旨在扩大科学探索规模和精度的科学工具与实验。 ## 人类创造力的倍增器 如今科学面临一个悖论：我们的集体知识增长如此之快，以至于个体科学家越来越难以看清全貌。科学突破常常依赖于在数据之间建立创造性联系，但手动完成这项工作所需的时间可能需要数周甚至数月。人工智能可以通过处理复杂任务来帮助消除这一瓶颈，并成为科学工作的倍增器。这使研究人员能够专注于识别并解决那些最有可能推动进步、最具影响力的科学问题和方向。 Google Labs 上的 Gemini for Science 实验工具包含三个主要原型，用于处理此类任务。 1. **假设生成**，基于 **Co-Scientist** (https://deepmind.google/blog/co-scientist-a-multi-agent-ai-partner-to-accelerate-research/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog)：构思是科学的核心，但没有人能综合每年发表的数百万篇论文。假设生成通过模拟科学方法弥补了这一差距：它与研究人员合作定义研究挑战，然后使用多智能体“创意锦标赛”来生成、辩论和评估假设。为确保绝对严谨，主张会经过深度验证并附带可点击的引用。 2. **计算发现**，基于 **AlphaEvolve** (https://deepmind.google/blog/alphaevolve-impact/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 和 **ERA（实证研究辅助）** (https://research.google/blog/empirical-research-assistance-era-is-published-in-nature-and-helped-build-computational-discovery/)：科学进步常常受限于我们能够通过计算实验实际测试的假设数量。计算发现是一个智能体研究引擎，通过并行生成并对数千种代码变体进行评分来解决这一问题。这使得科学家能够测试新颖的建模方法——例如在太阳预测或流行病学等复杂领域——而这些方法手动探索可能需要数月时间。 3. **文献洞察**，基于 **Google NotebookLM** (https://notebooklm.google/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog)：理解科学文献是所有研究旅程的核心部分。文献洞察搜索科学文献，并将结果组织成带有可自定义、可搜索属性的表格，以便进行并列分析。研究人员可以使用聊天功能来揭示基于其整理语料库的细微差别，并创建高保真度的成果，如报告、幻灯片、信息图以及音视频概览。借助 NotebookLM 的强大功能，文献洞察有助于综合各论文的发现、识别研究空白并发现机会领域。 从今天开始，我们将逐步开放这些实验的访问权限。访问 labs.google/science (http://labs.google/science/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 注册您的兴趣。 除了单个实验，我们还通过 Google Cloud (https://docs.cloud.google.com/gemini/enterprise/docs/co-scientist-and-alphaevolve/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 将这些先进的人工智能能力带给企业组织。我们面向科学和工业研发的企业级解决方案已在私人预览中被一系列合作伙伴使用，以推动实际影响。像 BASF (https://cloud.google.com/blog/products/ai-machine-learning/how-basf-manages-thousands-of-supply-chain-decisions-with-alphaevolve?e=48754805?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 这样的公司正在使用 AlphaEvolve (https://cloud.google.com/blog/products/ai-machine-learning/alphaevolve-on-google-cloud/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 优化其供应链，而 Klarna (https://engineering.klarna.com/beyond-prompting-how-algorithmic-evolution-doubled-our-training-speed-8f874af3080d) 则利用它来增强其机器学习模型。与此同时，Daiichi Sankyo、Bayer Crop Science 和美国国家实验室（作为美国能源部 Genesis 任务 (https://deepmind.google/blog/google-deepmind-supports-us-department-of-energy-on-genesis/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 的一部分）等组织正在使用 Co-Scientist 来加速研究并应对基础科学挑战。这些企业级工具在当前预览阶段已展现出显著价值。我们对合作伙伴正在取得的突破感到兴奋，并期待在未来几个月内将访问权限扩展到更多组织。 基于这些及其他工具，已有数篇验证论文发表。ERA (https://www.nature.com/articles/s41586-026-10658-6) 和 Co-Scientist (https://www.nature.com/articles/s41586-026-10644-y) 的研究论文今日发表于《自然》杂志。 ## 桌面上的科学工作台 作为 Gemini for Science 的一部分，我们还推出了 Science Skills，这是一个专门的功能包，整合了来自包括 UniProt (https://www.uniprot.org/)、AlphaFold Database (https://alphafold.ebi.ac.uk/)、AlphaGenome API (https://deepmind.google.com/science/alphagenome/) 和 InterPro (https://www.ebi.ac.uk/interpro/) 在内的30多个主要生命科学数据库和工具的洞察。在 Google Antigravity 等智能体平台上使用这些技能，研究人员可以在几分钟内完成结构生物信息学和基因组分析等复杂且通常手动进行的工作流程，而不是几小时。 我们使用 Science Skills 的研究团队已在实践中看到了这种加速。在早期测试中，我们的团队使用 Science Skills 在几分钟内完成了一项通常需要数小时的复杂分析。这带来了关于由 AK2 基因突变引起的罕见遗传病潜在机制的新见解。 要了解更多关于如何在 Google Antigravity 中使用 Science Skills 的信息，请访问 antigravity.google/use-cases/science (http://antigravity.google/use-cases/science)。 ## 与科学界的协作努力 我们负责任地开发和部署科学工具的承诺始于科学生态系统。我们正在与超过100家机构合作——包括与斯坦福大学 (https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.202508751?af=R) 合作研究肝纤维化，与伦敦帝国理工学院 (https://www.cell.com/cell/fulltext/S0092-8674(25)00973-0) 合作研究抗菌素耐药性，以及与弗朗西斯·克里克研究所 (https://www.crick.ac.uk/news/2022-07-06_the-francis-crick-institute-and-deepmind-join-forces-to-apply-machine-learning-to-biology) 开展多年合作——以验证我们的新系统和工具。 为确保人工智能生成洞察的完整性，我们建立了一个值得信赖的测试者社区——从博士生到行业研究人员，再到诺贝尔奖得主——对系统进行压力测试，以应对复杂的现实世界挑战。 此外，我们还与 ICML、STOC 和 NeurIPS 等顶尖科学会议合作创建了专门的试点项目，以开发用于智能体同行评审和科学验证的开创性工具，例如我们的实验性论文助手工具 (PAT) (https://research.google/blog/gemini-provides-automated-feedback-for-theoretical-computer-scientists-at-stoc-2026/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 和 ScholarPeer (https://research.google/blog/improving-the-academic-workflow-introducing-two-ai-agents-for-better-figures-and-peer-review/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog)。 所有这些工作都建立在我们悠久的人工智能进步历史之上。我们专门的人工智能模型已经在加速进步：AlphaFold (https://deepmind.google/science/alphafold/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 已帮助超过300万研究人员攻克疟疾疫苗和塑料降解酶；AlphaGenome (https://deepmind.google/blog/alphagenome-ai-for-better-understanding-the-genome/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 正在帮助科学家识别疾病的驱动因素。这些工具与研究人员日常依赖的工具并列——从 Google Scholar (https://scholar.google.co.uk/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 和 Earth Engine (https://earthengine.google.com/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 到 Colab (https://colab.research.google.com/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog)、MedGemma (https://research.google/blog/next-generation-medical-image-interpretation-with-medgemma-15-and-medical-speech-to-text-with-medasr/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog)、Earth AI (https://ai.google/earth-ai/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 和 Gemini Deep Research (https://gemini.google/overview/deep-research/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog)。通过我们最新的 Gemini Deep Think (https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/?utm_source=keyword&utm_medium=referral&utm_campaign=geminiforscience&utm_content=scienceblog) 版本，我们持续改进核心模型在复杂科学任务上的能力。这些工具共同已成为科学生态系统的重要组成部分，帮助研究人员组织信息并大规模执行复杂数据分析。 在我们共同探索智能体研究的未来之际，我们将继续努力，迈向一个人工智能加速科学进步并帮助解决最紧迫社会挑战的未来。 图片展示了一个色彩丰富的抽象设计，带有 Google I/O 2026 标志。 ## 在您的收件箱中获取更多谷歌故事。 完成。只需再一步。 检查您的收件箱以确认订阅。 您已订阅我们的通讯。 您也可以使用以下方式订阅