中文内容
Co-Scientist：加速研究的多智能体 AI 伙伴
Co-Scientist 团队
每一项伟大的科学突破都始于一个具有变革性的单一想法。发现的火花依赖于研究人员将零散事实联系起来并提出正确待检验假设的能力。但在信息过载和挑战日益复杂的时代，寻找这些大海捞针般的想法已成为进步的重大瓶颈。
我们相信，AI 可以作为生成和完善突破性科学假设的专门伙伴，帮助大幅加快突破的步伐。
今天，我们在 Nature 上发表了最新的 Co-Scientist 研究，介绍了一个基于 Gemini 构建的新型多智能体 AI 系统，该系统能够针对复杂科学问题迭代生成、辩论并演化新颖假设。
我们正通过 Hypothesis Generation 向个体研究人员开放 Co-Scientist 系统；Hypothesis Generation 是由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 共同开发的一款新实验性工具。我们将在未来几周开始推出，研究人员可在 labs.google/science 登记兴趣。
自去年分享我们的早期研究以来，我们一直在与利用 Co-Scientist 应对各种挑战性问题的团队共同开发和测试它——从抗微生物药物耐药性和植物免疫，到肝纤维化。我们很高兴分享它已经在基础生物学、自然科学和工程学领域得到应用的一些方式。
Co-Scientist 的工作原理：一个基于 Gemini 构建的多智能体系统
科学发现很少是一条直线；它是一个由构思和假设生成、批判与完善组成的循环。科学家往往只有在为一个复杂问题苦思冥想数天、数月甚至数年后，才会获得最深刻的洞见。Co-Scientist 背后的核心研究问题是：AI 系统如何参与这种用于科学发现的严谨结构化思考？
Co-Scientist AI 系统由基于 Gemini 模型的专业智能体协作联盟组成，我们可以将其分为三个不同阶段：
生成想法：
- 生成代理——基于科学文献和数据，提出初始重点领域和新颖假设。
- 邻近性代理——对生成的假设进行映射和聚类，以帮助确保对研究空间进行多样化、全面的探索。
辩论想法：
- 反思智能体——充当“虚拟同行评审者”，批判性地评估假设的正确性、质量和新颖性。
- 排序智能体——组织一场“想法竞赛”，通过成对比较和模拟科学辩论来优先筛选最有前景的路径和假设。
演化想法：
- 演化智能体——持续完善、组合并拓展竞赛中排名靠前的假设，以帮助迭代提升其质量。
- 元评审智能体——综合来自辩论和创意锦标赛的洞见，以持续优化系统，并生成最终研究方案供科学家审阅。
协调该智能体联盟的是一个充当自适应规划器的监督智能体。不同于线性思考的 AI 模型，这种自由形式规划器会将高层次研究目标分解为可执行步骤，协调智能体并行运行，同时探索多条路径。
创意锦标赛：我们的系统如何验证、完善并排序假设
Co-Scientist 可以探索数千个研究方向。为了帮助找到其中最具影响力的方向，我们开发了“想法锦标赛”。这种方法借鉴了 AlphaGo 和 AlphaStar 中使用的原则——但我们的 AI 智能体不是进行游戏，而是开展科学辩论，以生成、完善并排序想法。
为了在确保假设稳健且可检验的同时拓展新颖性的边界，系统的大部分计算都用于验证这些假设。通过对照科学文献和数据对主张进行深入交叉核查，系统确保这些主张保持有依据、事实准确且逻辑一致。该系统目前整合了网络搜索以及 ChEMBL 和 UniProt 等专业数据库，以纳入更多知识。它还可以利用 AlphaFold 等先进专业模型作为工具，我们正在部分研究合作中对其进行测试。
这些能力的结合有助于使 Co-Scientist 成为可靠的、用于结构化科学思维的多智能体系统的首批示例之一，使其能够在复杂科学问题的新颖假设生成方面取得切实成果。
在实验室中验证 Co-Scientist，从生命科学开始
在过去一年中，我们与全球专家合作，评估 Co-Scientist 在生命科学复杂问题上的表现。作为 Genesis Mission 的一部分，我们还一直在向包括 Daiichi Sankyo、Bayer Crop Science 和美国国家实验室在内的多家组织预览企业级版本。
发现用于抗击肝纤维化的再利用药物
Co-Scientist 帮助加快了 Gary Peltz 寻找肝纤维化治疗方法的进程。该 AI 系统突出显示了被忽视的药物再利用候选物，其中包括一种在实验室测试中成功阻断了 91% 与瘢痕形成相关反应的候选物。发表在 Advanced Science 上的结果指向了治疗慢性肝病的新型基因调控方法。
“Co-Scientist 就像一位读遍了所有可获得的生物医学科学资料的合作者，并具备推理能力，能够发现我们目前遗漏的联系。”
Gary Peltz 教授，Stanford University School of Medicine
整合生物学工具包，开辟 ALS 研究新路径
Co-Scientist 帮助 Ritu Raman 和 Ryan Flynn 的实验室围绕退行性疾病 ALS 开展合作。该系统帮助 Ritu 快速消化复杂文献，提出可检验的想法，并发现互补专业知识能够在哪些方面强化最有前景的线索，从而促成了她与 Ryan 就 ALS 潜在 RNA 基础方法展开合作。
“科学是一项团队运动。Co-Scientist 不能独自开展科学研究，我也不能全靠自己完成。它帮助我梳理思路，让我知道该向其他专家和合作者提出什么问题。”
麻省理工学院副教授 Ritu Raman
快速推进逆转细胞衰老的遗传线索研究
生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 正在使用 Co‑Scientist 加速逆转细胞衰老的研究。该系统综合数十年来的文献，提出新的遗传线索；实验室测试表明，这些线索能够使细胞恢复年轻状态。它还将分析大型筛选数据集所需的时间从数月缩短到数天。
“使用 Co-Scientist 感觉就像有一个 50 人团队可供你调遣，在一天内完成所有工作，而这并不是我们仅凭自己的实验室就能做到的。”
Omar Abudayyeh，首席研究员，The Abudayyeh–Gootenberg Lab
加速发现肝病机制
对于 Filippo Menolascina 来说，Co-Scientist 帮助将生物医学文献过载转化为代谢性肝病的高质量假设。该系统突出了有前景的疾病机制和药物组合，并帮助解释了为什么一种现有药物只对部分患者有益——这一想法后来得到了 Menolascina 实验室测试的支持。
“Co‑Scientist 感觉就像科学家的喷气背包，增强了我们识别有前景机制的能力。我认为我们正处于一场科学革命的边缘，它将显著缩短实现突破所需的迭代周期。”
Filippo Menolascina，爱丁堡大学工程生物学教授
与科学界共同开发智能体工具
Co-Scientist 是与来自 100 多家机构的研究人员合作开发的，旨在测试其能力，并确保它成为面向科学界的高质量、实用工具。
作为我们负责任 AI 方法的一部分，Co-Scientist 接受了广泛的内部和外部安全评估。鉴于 Co-Scientist 在生命科学和物理科学方面展现出的能力，我们还针对其在化学、生物、放射性和核（CBRN）领域的误用进行了独立评估。基于这些发现，我们开发了定制的安全分类器，用于标记不合伦理的研究目标，并减少不安全信息的呈现。
我们将继续结合科学界的反馈与合作，对该工具进行迭代和开发，并很高兴通过 Gemini for Science 向个人研究人员开放 Co-Scientist。我们也期待很快向更多 Google Cloud 企业合作伙伴扩大访问权限。
那些构建了我们当今对世界理解的科学家们给了我们深刻启发。我们希望 AI 能够帮助研究人员开启并加速科学进步的新时代。
注：Co-Scientist 旨在成为研究中的伙伴，而不是科学或临床专业知识的替代品；用户在继续其科学探索过程中，需对其使用输出所作出的任何决定负责。
致谢
本研究项目由 Juraj Gottweis 和 Vivek Natarajan，以及 Alan Karthikesalingam、Annalisa Pawlosky 和 Yunhan Xu 领导，并得到了以下人员的关键贡献：Wei-Hung Weng、Adam Marsh、Alexander Daryin、Alessio Orlandi、Andrew Carroll、Anil Palepu、Antonia Mould、Artiom Myaskovsky、Ash Otter、Avinatan Hassidim、Ben Feinstein、Burak Gokturk、Byron Lee、Dan Popovici、Dina Zverinski、Eeshit Dhaval Vaishnav、Elahe Vedadi、Fan Zhang、Felix Weissenberger、Florian Hasler、Frankie Garcia、Gary Peltz、Grzegorz Glowaty、Ivor Rendulic、Ivan Budiselic、Jacob Blum、James Stevenson、Jan Freyberg、Jeremy Ratcliff、Joel Fenster、José R Penadés、Katherine Chou、Kavita Kulkarni、Keran Rong、Khaled Saab、Luka Rimanic、Marina Boia、Mathias Voges、Matthias Bellaiche、Nenad Tomašev、Ottavia Bertolli、Paige Kunkle、Petar Sirkovic、Ryutaro Tanno、Suzy Pickering、Tao Tu、Tiago R D Costa、Tom Sheffer，
我们感谢队友 Ali-Cowen Rivers、Anna Trostanetski、Barnaby James、Bill Byrne、Boon Panichprecha、Charlie Taylor、Diego Ballesteros、Hussein Hassan Harrirou、Ieva Grublyte、Ivan Lee、Jakob Oesignhaus、James Walker、Jorge Barrios、Laurynas Tamulevičius、Luka Važić、Meet Shah、Mihai Ciorobea、Natasha Latysheva、Nicolas Stroppa、Nir Kerem、Saz Basu、Sebastian Nowozin、Taylor Applebaum、Team Rakket，以及 Thomas Wagner 和 Yaniv Carmel 提供的技术支持。
我们还要感谢 Carmela Sidrauski、Clare Bryant、Filippo Menolascina、Jonathan Gootenberg、Katherine Labbé、Matthew Onsum、Omar Abudayyeh、Ritu Raman、Ryan Flynn、Velia Siciliano 的合作。
最后，我们感谢 Ali Eslami、Andy Berndt、Ankur Jain、Anna Koivuniemi、Clemens Mayer、Dale Webster、Greg Corrado、Jason Freidenfelds、Jeff Dean、Joelle Barral、John Jumper、John Platt、Josh Woodward、Karen DeSalvo、Koray Kavukcuoglu、Michael Brenner、Michael Howell、Noam Shazeer、Oriol Vinyals、Parthasarathy Ranganathan、Ronit Levavi Morad、Royal Hansen、Scott Huffman、Srini Narayanan、Susan Thomas、Thomas Kurian、Zoubin Ghahramani 和 Sundar Pichai 对这项工作的支持。
