Google 发布全新 AI 科研助理:AI co-scientist
作者：微信文章上个月，Google 正式发布了名为 AI co-scientist 的全新人工智能系统。该系统基于最新的 Gemini 2.0 模型开发，旨在辅助科研人员生成创新的假设和研究方案。
科研人员只需用自然语言描述研究目标，比如「更深入理解致病微生物的传播机制」，AI co-scientist 就会提出可检验的假设、总结相关领域的已有文献，并给出可能的实验设计方案。
AI co-scientist 并非用于自动化科学研究，而是一种协作工具，帮助科学家更高效地搜集信息、优化研究思路，最终推动科研进展。
AI co-scientist 系统包含一系列专门的智能体，包括生成（Generation）、反思（Reflection）、排名（Ranking）、进化（Evolution）、邻近性（Proximity）和元综述（Meta-review）。研究人员通过自然语言描述研究目标，系统即可自动生成科研假设、研究综述和实验方案。这些智能体通过自动反馈，不断迭代生成、评估并优化假设，形成自我完善的循环。
系统专为协作设计，研究人员可以通过提供种子想法或反馈与系统互动。AI co-scientist 还使用网络搜索和专用 AI 模型等工具，提高生成假设的质量。
为了验证 AI co-scientist 的实际效用，Google在药物再利用、新疗法目标发现以及抗微生物耐药机制阐释等多个生物医学领域进行了真实实验验证。
专家指导 AI co-scientist 探索了一个此前由他们团队发现但尚未公开的新现象，即“衣壳形成噬菌体诱导染色体岛”（capsid-forming phage-inducible chromosomal islands，简称 cf-PICIs）如何跨多个细菌物种存在。AI co-scientist 系统在未提前获得实验数据的情况下，独立提出：cf-PICIs 能够与多种噬菌体尾部结构相互作用，从而扩大其宿主范围。这一计算推演的发现此前已在实验室通过真实实验得到验证。
在急性髓系白血病（AML）的药物再利用研究中，AI co-scientist 提出的药物经实验验证，证实能在临床相关浓度下有效抑制肿瘤细胞活性。
此外，该系统还成功提出了针对肝纤维化的新型表观遗传靶点，并为抗微生物耐药机制的研究提供了新的见解。
尽管样本量有限，专家对 AI co-scientist 生成结果的新颖性和影响力评价较高，优于其他同类模型。此外，通过 Elo 自评估指标，系统的输出质量随计算资源增加而不断提高。
页:
[1]