Google 推出 AI co-scientist：多智慧體協作生成科學假說

現在的大模型幫科研人員查文獻、改潤色論文已經不算稀奇了。但如果讓 AI 從零提出一個前所未有的科研假說，甚至設計出能進實驗室跑通的實驗方案，這事聽起來就有點玄乎。

Google 宣佈推出名為 AI co-scientist 的多智慧體系統。它基於 Gemini 2.0 構建，定位不是普通的文獻總結助手，而是能獨立推演、提出全新科研假說並設計實驗方案的虛擬科研搭檔。

讓六個專門 AI 在後臺開學術辯論會

很多人以為科研最難的是做實驗，但實際上，從海量跨學科文獻裡找到那個突破點更燒腦。Google 這套系統的做法很特別，它模仿了真實的科學研究流程，在底層塞進了六個分工明確的子智慧體。

它們分別是負責構想的生成智慧體、負責挑刺的反思智慧體，以及排序、演化、近鄰距離分析和元評審智慧體。這些智慧體由一個監督主管統一排程，分配工作佇列和算力。

更巧妙的是它的推理機制。系統採用了測試期算力擴充套件技術，讓智慧體之間針對假說展開自我博弈式的科學辯論。AI 還會像電競賽事一樣舉辦假說錦標賽，用 Elo 積分制給不同的科研假說打分，積分越高的假說會進入下一輪演化。

Google 測試發現，隨著給系統的推理時間與算力增加，AI 的 Elo 評分和它在專業科研基準測試 GPQA 上的準確率高度正相關。在 7 位領域專家挑選的 15 個前沿課題中，隨著推理輪數變長，AI 自主演化出的方案評分甚至超過了沒有 AI 輔助的人類專家。

溼實驗實測：算出來的靶點在類器官裡真起效了

光在電腦裡推演假說容易變成空中樓閣，Google 這次拉上了臨床醫生和生物實驗室做了三項端到端驗證。

第一項是急性骨髓性白血病的老藥新用。AI 挑選出了潛在的新藥物候選，隨後的多細胞系體外實驗證實，這些藥物在臨床相關濃度下確實抑制了腫瘤細胞的活力。

第二項是針對肝纖維化的靶點發現。AI 提出了一組表觀遺傳靶點和實驗方案，斯坦福大學的合作團隊在人類肝臟類器官也就是模擬人類肝臟功能的 3D 細胞培養物中進行了測試，證實該靶點具有顯著的抗纖維化活性。

第三項則是關於細菌抗藥性機制的盲測。帝國理工學院的研究團隊此前做出了未公開發表的新發現，他們讓 AI 自主解釋某種染色體島如何在不同細菌間傳播。結果 AI 在沒有這組實驗資料的前提下，僅憑公開文獻就獨立推匯出了完全一致的生物學機制。

不過 Google 也直言系統目前還有不少侷限。比如事實核查依然需要嚴加防範，對外部專業工具的呼叫和交叉驗證也有待完善，眼下離不開人類專家的全流程把關。

為什麼重要

我們認為，AI co-scientist 最大的突破不在於它讀了多少論文，而在於它把大模型的價值從整理既有資訊推進到了探索未知增量。

對一線科研人員來說，它就像一個不知疲倦、讀過全學科所有論文的博後搭檔。你輸入一個模糊的研究目標，它能在幾小時內給你拉出一整套經過內部攻防演練的候選假說，甚至寫好驗證協議。這對於跨學科攻關特別有用，能把科學家從耗時數月的盲目試錯裡撈出來。

從行業演進來看，Google 展示了一條很聰明的技術路徑，那就是利用測試期算力和多智慧體自我博弈來解決大模型在尖端科學領域的幻覺問題。比起單純堆大引數，讓模型自己在後臺打辯論賽並用 Elo 機制篩選，顯得更有章法。

但隱患依然顯而易見。目前的成功案例都高度依賴頂尖生物醫學專家的指導和過濾，普通研究者如果沒有足夠的辨別力，很容易被看似嚴密但存在邏輯破綻的偽假說帶偏。溼實驗驗證的成本極其昂貴，AI 假說的假陽性率必須被壓縮到極低，這套系統才可能在學術界真正普及。