Google DeepMind 发布多智能体科研助手 Co-Scientist

2026年5月19日 科学

Co-Scientist团队

介绍一个面向研究者的协作式AI伙伴，用于在生命科学及其他领域提出新假设。

每一项伟大的科学突破都始于一个变革性的想法。发现的火花依赖于研究者将不同事实联系起来并提出正确假设进行检验的能力。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职伙伴，极大地加快突破的步伐。

今天，我们在《自然》上发表了最新的Co-Scientist研究，介绍了一个基于Gemini构建的多智能体AI系统，该系统能够迭代地生成、辩论和演化针对复杂科学问题的新假设。

我们通过假设生成工具向个人研究者提供Co-Scientist系统，这是一个由Google DeepMind、Google Research、Google Cloud和Google Labs联合开发的新实验工具。我们将在未来几周开始推出，研究者可在labs.google/science登记兴趣。

自去年分享早期研究以来，我们一直与多个团队合作开发和测试Co-Scientist，利用它来解决挑战性问题——从抗生素耐药性和植物免疫到肝纤维化。我们很高兴分享它已在基础生物学、自然科学和工程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；它是一个构思、假设生成、批判和完善的循环。科学家往往只有在与复杂问题搏斗数天、数月甚至数年后，才能获得最深远的洞见。Co-Scientist背后的核心研究问题是：AI系统如何参与这种严谨的结构化思考以促进科学发现？

Co-Scientist AI系统由一组基于Gemini模型的专门智能体协作组成，我们可以将其分为三个阶段：

生成想法：

• 生成智能体——基于科学文献和数据提出初始关注领域和新颖假设。
• 邻近智能体——对生成的假设进行映射和聚类，以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“虚拟同行评审员”，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“想法锦标赛”，使用两两比较和模拟科学辩论来优先考虑最有前景的路径和假设。

演化想法：

• 演化智能体——持续改进、组合并基于锦标赛中排名最高的假设进行构建，以迭代提升其质量。
• 元评审智能体——综合辩论和想法锦标赛中的洞见，持续优化系统，并生成最终研究提案供科学家审阅。

编排智能体联盟的是一个监督智能体，它充当自适应规划器。与线性思考的AI模型不同，这种自由形式的规划器将高层研究目标分解为可执行的步骤，协调智能体并行运行，同时探索多个途径。

构思锦标赛：我们的系统如何验证、精炼和排序假设

Co-Scientist 可以探索数千个研究方向。为了帮助找到最有影响力的方向，我们开发了“构思锦标赛”方法。该方法借鉴了 AlphaGo 和 AlphaStar 中使用的原则——但我们的AI智能体不是玩游戏，而是进行科学辩论，以生成、精炼和排序构思。

为了在推动新颖性的同时确保假设的稳健性和可测试性，系统的大部分计算都用于验证这些假设。通过将主张与科学文献和数据深度交叉核对，系统确保主张有据可依、事实准确且逻辑连贯。该系统目前整合了网络搜索和 ChEMBL、UniProt 等专业数据库，以吸收额外知识。它还可以利用高级专业模型作为工具，如 AlphaFold，我们正在部分研究合作中测试这些模型。

这些能力的结合使 Co-Scientist 成为结构化科学思维方面可靠的多智能体系统的首批范例之一，使其能够在复杂科学问题的新假设生成中提供切实成果。

发现治疗肝纤维化的药物再利用方法

Co-Scientist 帮助加速了 Gary Peltz 寻找肝纤维化治疗方法的进程。该多智能体系统突出了被忽视的药物再利用候选药物，其中一种在实验室测试中成功阻断了91%的疤痕相关反应。研究结果发表在《Advanced Science》上，指向了治疗慢性肝病的新基因调控方法。

“Co-Scientist 感觉像是一位读过生物医学领域所有资料的合作者，具备推理能力来找到我们目前忽略的联系。”

Gary Peltz 教授，斯坦福大学医学院

整合生物学工具包，探索 ALS 新疗法

Co-Scientist 帮助 Ritu Raman 和 Ryan Flynn 的实验室围绕退行性疾病 ALS 展开合作。该系统帮助 Ritu 快速消化复杂文献，提出可测试的想法，并发现互补的专业知识可以如何加强最佳线索，从而促成了与 Ryan 在基于 RNA 的 ALS 潜在方法上的合作。

“科学是一项团队运动。Co-Scientist 不能独自进行科学，我也不能独自完成一切。它帮助我梳理思路，让我知道该向其他专家和合作者询问什么。”

Ritu Raman 副教授，麻省理工学院

快速追踪基因线索以逆转细胞衰老

生物学家Omar Abudayyeh和Jonathan Gootenberg正在使用Co-Scientist加快逆转细胞衰老的研究。该系统综合几十年的文献，提出新的基因线索，在实验室测试中已被证明能使细胞恢复活力。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就像拥有一个50人的团队供你支配，一天之内完成所有工作，这是我们在实验室里无法做到的。”

Omar Abudayyeh，首席研究员，Abudayyeh-Gootenberg实验室

加速发现肝病机制

对于Filippo Menolascina，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现有药物只对部分患者有益——这一想法后来得到Menolascina实验室测试的支持。

“Co-Scientist对科学家来说就像是一个喷气背包，增强了我们识别有前景机制的能力。我认为我们正处于科学革命的边缘，这场革命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

发现新传染病背后的分子开关

Clare Bryant正在使用Co-Scientist帮助识别当流感、COVID-19等病原体从动物跳向人类时导致严重疾病的蛋白质。通过与AI系统迭代，她迅速将搜索范围缩小到实验室将要测试的特定氨基酸——可能将多年的实验工作缩短到数月。

“Co-Scientist汇集了所有已发表的文献和在线资源，帮助我提出更好的问题。它捕捉到我在数据丰富领域中会遗漏的信息，并帮助我确定优先级，这样我的团队就可以专注于在实验室中回答正确的问题。”

Clare Bryant，剑桥大学先天免疫学教授

开辟衰老研究的新途径

在Calico Life Sciences，Matt Onsum和Katherine Labbé正在使用Co-Scientist应对医学中最棘手的问题之一：衰老的生物学。AI系统凭借其科学洞察力给Calico的专家留下了深刻印象，包括生成了一个关于综合应激反应的令人兴奋的新假设，该假设后来在实验室中得到证实。

“我在使用Co-Scientist时发现既令人兴奋又令人惊讶的是，它非常像科学家一样思考。它确实与科学家已有的思考和行为方式自然契合。”

Matt Onsum博士，Calico Life Sciences AI/ML负责人

与科学界共同开发智能体工具

Co-Scientist是与来自100多个机构的研究人员合作开发的，以测试其能力，并确保它是科学界高质量、有用的工具。

作为我们负责任AI方法的一部分，Co-Scientist经过了广泛的内部和外部安全评估。鉴于Co-Scientist在生命和物理科学方面的表现出的熟练能力，我们还针对化学、生物、放射性和核（CBRN）领域的滥用进行了独立评估。根据这些发现，我们开发了自定义安全分类器，以标记不道德的研究目标，并降低不安全信息的出现。

我们将继续根据科学社区的反馈和合作来迭代和开发该工具，并且很高兴通过Gemini for Science将Co-Scientist提供给个别研究人员。我们也期待很快扩大对更多Google Cloud企业合作伙伴的访问。

我们深受那些构建了当今世界认知的科学家们的启发。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。

注意：Co-Scientist旨在作为研究中的合作伙伴，而非替代科学或临床专业知识，用户继续其科学旅程时，需对使用输出所做的任何决定负责。

致谢

本研究项目由Juraj Gottweis和Vivek Natarajan领导，以及Alan Karthikesalingam、Annalisa Pawlosky和Yunhan Xu，主要贡献者包括：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、Victoria Langston、Vikram Dhillon、Yuan Guan、Ziyue Wang、Amin Vahdat、James Manyika、Demis Hassabis、Yossi Matias和Pushmeet Kohli。

我们感谢我们的队友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的技术支持。

我们也想感谢Carmela Sidrauski、Clare Bryant、Filippo Menolascina、Jonathan Gootenberg、Katherine Labbé、Matthew Onsum、Omar Abudayyeh、Ritu Raman、Ryan Flynn、Velia Siciliano的协作。

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。