Gemini推出科研智能体，1句话检索、完成文献综述

还记得去年AlphaFold的惊艳亮相吗？现在，谷歌又在科研领域放出大招。

日前，谷歌宣布推出全新科研AI工具——Co-scientist。这款专为科研人员打造的多智能体AI系统，除了查找标准的文献综述、摘要和“deep research”工具之外，还能基于先前研究依据和特定研究目标，提出新颖的研究假设。

“AI Co-scientist”实际应用案例

为了评估AI Co-scientist的实际效果，谷歌在三个关键生物医学应用中生成了假设和研究提案，包括药物再利用、治疗靶点发现以及抗菌素耐药性机制的解析。

急性髓性白血病的药物再利用

药物再利用作为医学领域中的一个重要研究方向，通过挖掘现有药物的潜在新用途，为科研人员节省了大量的时间与成本。AI Co-Scientist在急性髓性白血病（AML）的药物再利用研究中，提出了多个新的药物重定向候选方案，并通过实验验证了所推荐药物在临床相关浓度下能够有效抑制AML细胞系中的肿瘤活性。

推进肝纤维化的靶点发现

确定新的治疗靶点比药物再利用更困难。AI Co-Scientist为肝纤维化靶点发现提出假设、排序并生成实验方案。将AI Co-Scientist推荐的肝纤维化靶点治疗方案，与纤维化诱导剂（阴性对照）和纤维化抑制剂（阳性对照）进行比较。所有由 AI Co-Scientist建议的治疗方案均显示出显著活性（p＜0.01），其中包括可能逆转疾病表型的候选药物。

解释抗微生物药物耐药性的机制

研究人员让AI co-scientist探索一个已在研究小组中发现但尚未公开的研究主题——解释衣壳形成噬菌体诱导的染色体岛(cf-PICIs)如何存在于多种细菌种类中。

AI co-scientist独立提出的“cf-PICIs与不同的噬菌体尾部相互作用以扩大其宿主范围”假设，与实验室已验证的结果一致。

基于Gemini 2.0构建的“AI Co-scientist”智能体

不同于市面上常见的通用型AI助手，谷歌这次瞄准了更专业的领域——科研领域。

那么，AI Co-scientist究竟能做什么？

科学家可以通过多种方式与Co-scientist交互对话，例如直接提供自己的想法供Co-scientist思考探索，或对Co-scientist输出的内容提供反馈。此外，co-scientist还能利用网络搜索和专用AI模型等工具，增强生成假设的依据和质量。

AI Co-scientist采用了多智能体架构，由六个智能体组成：生成（Generation）、反思（Reflection）、排名（Ranking）、进化（Evolution）、邻近性（Proximity）和元审查（Meta-review），模拟科学方法中的推理过程。这些智能体通过自动反馈，不断迭代生成、评估和优化假设，形成一个自我改进的循环，逐步产出质量更高、更新颖的研究建议。

AI Co-scientist由一个"Supervisor"智能体管理，它将研究目标解析为研究计划配置，并将专用智能体分配给工作队列并分配资源。这种设计使系统能够灵活地扩展计算，并迭代改进其科学推理，以实现指定的研究目标。

测试时计算（test-time compute）

AI Co-scientist利用测试时计算扩展进行迭代推理，从而不断发展和改进其结果。其关键步骤包括：利用科学辩论生成新颖假设；通过排名比较评估假设；以及利用“进化”过程不断优化假设。

系统的自我提升依赖于Elo评分自动评估指标。研究人员分析了Elo自动评分与GPQA基准测试的准确性关系，发现Elo评分与输出答案质量呈正相关。

在实际测试中，7位领域专家在各自专业领域挑选了15个开放式研究目标和最佳解决方案。使用自动化Elo指标评估，AI co-scientist在这些复杂问题上的表现优于其他最先进的智能体和推理模型。

AI co-scientist用在推理和改进的时间越多，其答案输出质量越高，甚至超过了人类专家。

在11个研究目标的子集上，专家评估发现，AI co-scientist生成的结果具有更高的新颖性和影响潜力，且更受欢迎。此外，人类专家的偏好与系统的Elo自我评估指标也表现出一致性。

写在最后

随着AI模型爆炸式增长，想要同时体验和多款全球顶尖大模型，天意科研云无疑是最值得推荐的一站式平台。

国内地址