谷歌发布最强「科研辅助神器」：能帮你提新 idea，三大真实场景实证

基于 Gemini 2.0 开发的 AI co-scientist 系统旨在协助科研人员生成新的研究假设、制定实验方案，并通过自我改进提升结果质量。在生物医学应用中，AI co-scientist 成功预测了药物再利用方向、提出新的治疗靶点，并解释了抗菌耐药机制。

在科学探索过程中，研究人员需对以往发表文献进行观察总结，提出新颖、可行研究方向，并通过全面实验进行 idea 验证。

科研人员需平衡探索宽度和深度，保证对目标主题的研究深度，且由于精力有限，不宜探索过多研究方向。

近期，谷歌、斯坦福大学等机构的研究人员开发了多智能体、基于 Gemini 2.0 的 AI 协同科研（AI co-scientist）系统，具备跨复杂主题的综合能力和长期规划、推理能力。该系统辅助科研人员提出新的、原创知识或基于先前成果制定研究假设和计划。

论文链接：https://storage.googleapis.com/coscientist_paper/ai_coscientist.pdf

AI co-scientist 系统输入为自然语言描述的研究目标，输出全新的研究假设、详细的研究概述和实验方案。

开发者设计多个专用智能体用于「生成、反思、排名、进化、邻近性检查、元审查」，使用自动反馈信号迭代生成、评估和改进假设，构成自我修正、改进的循环机制，逐步生成更高质量、创新性更好的假设。

测试时计算（test-time compute）

AI co-scientist 采用「测试时计算」技术迭代推理、进化和改进输出，如自我对弈科学辩论生成新假设，对所有假设进行质量排名对比，不断进化假设，让智能体进行自我批评，利用工具反馈细化假设和提案。

论文链接：https://arxiv.org/ abs / 2408.03314

系统自我提升能力依赖 Elo 自动评估指标，通过模型输出对比竞赛获得 Elo 值，分析 Elo 自动评级与 GPQA 中 diamond set 准确率匹配度，发现 Elo 评级与输出质量呈正相关。

AI co-scientist 和 Gemini 2.0 平均准确率对比按 Elo 评级分组

七位领域专家选择了 15 个开放研究目标和最佳解决方案，使用 Elo 指标发现 AI co-scientist 在复杂问题上表现优于其他智能体和推理模型。

系统推理和改进时间长，自我评估质量提高，超越模型和人类专家。

真实场景应用

药物再利用治疗急性髓系白血病

药物开发耗时昂贵，新治疗方法需重新发现和开发，用于不同适应症或疾病。

药物再利用发现现有药物新治疗应用，任务复杂需跨学科专业知识。

使用 AI co-scientist 预测潜在药物再利用研究方向，发现针对急性髓系白血病全新候选药物，验证该药物能在临床相关浓度下抑制肿瘤。

推进肝纤维化目标发现

识别新治疗靶点复杂，人工智能辅助靶点发现简化实验验证，降低开发时间成本。

AI co-scientist 识别具抗纤维化活性的表观遗传学靶点，展现在生成针对发现假设和实验方案方面的潜力。

解释抗菌药物耐药机制

AI co-scientist 探索小组内已进行新发现但未公开的课题，解释抗菌药物耐药机制。

抵抗感染治疗药物机制涉及基因转移和抗菌药物耐药性，AI co-scientist 系统提出了具有验证结果的假设。

cf-PICIs 与多噬菌体相互作用验证，表明 AI co-scientist 利用数十年前研究结果，有助于对药物耐药机制的解释。

参考资料：

• https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/

本文来自微信公众号：新智元（ID：AI_era）

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考。