Google 推出 AI co-scientist：多智能体协作生成科学假说

现在的大模型帮科研人员查文献、改润色论文已经不算稀奇了。但如果让 AI 从零提出一个前所未有的科研假说，甚至设计出能进实验室跑通的实验方案，这事听起来就有点玄乎。

Google 宣布推出名为 AI co-scientist 的多智能体系统。它基于 Gemini 2.0 构建，定位不是普通的文献总结助手，而是能独立推演、提出全新科研假说并设计实验方案的虚拟科研搭档。

让六个专门 AI 在后台开学术辩论会

很多人以为科研最难的是做实验，但实际上，从海量跨学科文献里找到那个突破点更烧脑。Google 这套系统的做法很特别，它模仿了真实的科学研究流程，在底层塞进了六个分工明确的子智能体。

它们分别是负责构想的生成智能体、负责挑刺的反思智能体，以及排序、演化、近邻距离分析和元评审智能体。这些智能体由一个监督主管统一调度，分配工作队列和算力。

更巧妙的是它的推理机制。系统采用了测试期算力扩展技术，让智能体之间针对假说展开自我博弈式的科学辩论。AI 还会像电竞赛事一样举办假说锦标赛，用 Elo 积分制给不同的科研假说打分，积分越高的假说会进入下一轮演化。

Google 测试发现，随着给系统的推理时间与算力增加，AI 的 Elo 评分和它在专业科研基准测试 GPQA 上的准确率高度正相关。在 7 位领域专家挑选的 15 个前沿课题中，随着推理轮数变长，AI 自主演化出的方案评分甚至超过了没有 AI 辅助的人类专家。

湿实验实测：算出来的靶点在类器官里真起效了

光在电脑里推演假说容易变成空中楼阁，Google 这次拉上了临床医生和生物实验室做了三项端到端验证。

第一项是急性骨髓性白血病的老药新用。AI 挑选出了潜在的新药物候选，随后的多细胞系体外实验证实，这些药物在临床相关浓度下确实抑制了肿瘤细胞的活力。

第二项是针对肝纤维化的靶点发现。AI 提出了一组表观遗传靶点和实验方案，斯坦福大学的合作团队在人类肝脏类器官也就是模拟人类肝脏功能的 3D 细胞培养物中进行了测试，证实该靶点具有显著的抗纤维化活性。

第三项则是关于细菌抗药性机制的盲测。帝国理工学院的研究团队此前做出了未公开发表的新发现，他们让 AI 自主解释某种染色体岛如何在不同细菌间传播。结果 AI 在没有这组实验数据的前提下，仅凭公开文献就独立推导出了完全一致的生物学机制。

不过 Google 也直言系统目前还有不少局限。比如事实核查依然需要严加防范，对外部专业工具的调用和交叉验证也有待完善，眼下离不开人类专家的全流程把关。

为什么重要

我们认为，AI co-scientist 最大的突破不在于它读了多少论文，而在于它把大模型的价值从整理既有信息推进到了探索未知增量。

对一线科研人员来说，它就像一个不知疲倦、读过全学科所有论文的博后搭档。你输入一个模糊的研究目标，它能在几小时内给你拉出一整套经过内部攻防演练的候选假说，甚至写好验证协议。这对于跨学科攻关特别有用，能把科学家从耗时数月的盲目试错里捞出来。

从行业演进来看，Google 展示了一条很聪明的技术路径，那就是利用测试期算力和多智能体自我博弈来解决大模型在尖端科学领域的幻觉问题。比起单纯堆大参数，让模型自己在后台打辩论赛并用 Elo 机制筛选，显得更有章法。

但隐患依然显而易见。目前的成功案例都高度依赖顶尖生物医学专家的指导和过滤，普通研究者如果没有足够的辨别力，很容易被看似严密但存在逻辑破绽的伪假说带偏。湿实验验证的成本极其昂贵，AI 假说的假阳性率必须被压缩到极低，这套系统才可能在学术界真正普及。