Google DeepMind 推出 Co-Scientist 多代理研究助手

Google DeepMind 推出 Co-Scientist 多代理研究助手 | 前端进阶之旅

Full translation

完整中文译文

推出面向研究人员的协作式 AI 伙伴，帮助他们在生命科学及其他领域提出新的假设。

每一项伟大的科学突破，都始于一个具有变革意义的想法。发现的火花，有赖于研究人员将看似无关的事实联系起来，并提出正确且可供检验的假设。然而，在信息过载、挑战日益复杂的时代，从海量信息中寻找这些如同大海捞针般的想法，已经成为阻碍科学进步的一大瓶颈。

我们相信，AI 可以成为专门协助生成和完善突破性科学假设的研究伙伴，从而大幅加快科学突破的步伐。

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 Agent AI 系统。它能够针对复杂的科学问题，迭代生成、辩论并演化出新颖的假设。

我们正通过 Hypothesis Generation 向个人研究人员开放 Co-Scientist 系统。这是一款由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 联合开发的新型实验性工具。我们将在未来几周内开始逐步推出，研究人员可以前往 labs.google/science 登记使用意向。

自去年分享早期研究以来，我们一直与多个团队共同开发和测试 Co-Scientist。这些团队正在利用它解决一系列极具挑战性的问题，从抗菌药物耐药性、植物免疫，到肝纤维化。我们很高兴与大家分享它目前在基础生物学、自然科学和工程学领域的一些实际应用。

Co-Scientist 的工作原理：基于 Gemini 构建的多 Agent 系统

科学发现很少沿着一条直线推进，它通常是一个由构思想法与生成假设、批判和完善组成的循环。科学家往往要与一个复杂问题反复较量数天、数月，甚至数年，才能获得最深刻的洞见。Co-Scientist 背后的核心研究问题是：AI 系统如何参与这种严谨、结构化的思考过程，推动科学发现？

Co-Scientist AI 系统由一个协作式的专业 Agent 联盟组成，这些 Agent 均基于 Gemini 模型。我们可以将其归入三个不同的阶段：

Generation agent：提出最初的重点研究方向，以及以科学文献和数据为依据的新颖假设。
Proximity agent：对生成的假设进行映射和聚类，帮助系统以多样化且全面的方式探索整个研究空间。
Reflection agent：扮演“虚拟同行评审者”，从正确性、质量和新颖性等方面对假设进行严格评估。
Ranking agent：组织一场“想法锦标赛”，通过成对比较和模拟科学辩论，对最有前景的研究路径和假设进行优先级排序。
Evolution agent：持续完善、组合并拓展锦标赛中排名最高的假设，通过迭代不断提升假设质量。
Meta-review agent：综合辩论和想法锦标赛中产生的洞见，持续优化系统，并生成最终研究提案，交由科学家审阅。

负责协调这个 Agent 联盟的是一个充当自适应规划器的 supervisor agent。与线性思考的 AI 模型不同，这个自由形式的规划器会将高层研究目标拆解为可执行步骤，协调多个 Agent 并行运行，同时探索多条路径。

想法锦标赛：系统如何验证、完善假设并进行排序

Co-Scientist 可以探索数千个研究方向。为了从中找出最具影响力的方向，我们开发了“想法锦标赛”。这种方法借鉴了 AlphaGo 和 AlphaStar 所采用的原理，但 AI Agent 参与的不是游戏对局，而是通过科学辩论来生成、完善想法并进行排序。

为了在拓展新颖性边界的同时，确保假设足够稳健且可供检验，系统将大部分计算资源用于验证这些假设。系统会根据科学文献和数据对各种主张进行深入的交叉核验，确保它们始终有据可依、事实准确且逻辑连贯。目前，系统已经集成 web search 以及 ChEMBL、UniProt 等专业数据库，以引入更多知识。它还可以将 AlphaFold 之类的先进专业模型作为工具使用，我们正在一些特定的研究合作项目中测试这项能力。

这些能力的结合，使 Co-Scientist 成为首批能够可靠开展结构化科学思考的多 Agent 系统之一，并让它可以针对复杂科学问题生成新颖假设，带来切实可见的成果。

从生命科学开始，在实验室中验证 Co-Scientist

过去一年里，我们与全球各地的专家合作，评估 Co-Scientist 解决生命科学复杂问题的能力。作为 Genesis Mission 的一部分，我们还与 Daiichi Sankyo、Bayer Crop Science、美国国家实验室等多家机构共同预览了企业级版本。

寻找可重新用于对抗肝纤维化的药物

Co-Scientist 帮助 Gary Peltz 加快了寻找肝纤维化治疗方法的进程。这个多 Agent 系统发现了一些被忽视的药物再利用候选方案，其中一种药物在实验室测试中成功阻断了 91% 与瘢痕形成相关的反应。相关成果已发表于 Advanced Science，并为通过调控基因的新方法治疗慢性肝病指明了方向。

“Co-Scientist 就像一位读过所有现有生物医学研究资料的合作者，同时具备推理能力，能够发现那些我们目前还没有注意到的联系。”

Stanford University School of Medicine 教授 Gary Peltz

整合生物学工具，为 ALS 探索新方法

Co-Scientist 促成了 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 快速理解复杂文献、提出可检验的想法，并发现不同领域的互补专业知识可以在哪些方面强化最有希望的研究线索，由此推动她与 Ryan 合作探索基于 RNA 的潜在 ALS 治疗方法。

“科学是一项团队运动。Co-Scientist 无法独自完成科学研究，我也不可能一个人完成所有工作。它帮助我梳理思路，让我知道应该向其他专家和合作者提出哪些问题。”

Massachusetts Institute of Technology 副教授 Ritu Raman

加速寻找逆转细胞衰老的遗传线索

生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 正在利用 Co-Scientist 加快逆转细胞衰老的研究。该系统综合数十年来的文献，提出新颖的遗传学线索，其中一些已在实验室测试中被证明可以让细胞恢复年轻状态。它还把分析大规模筛选数据集所需的时间从几个月缩短到几天。

“使用 Co-Scientist，就像拥有一支由 50 人组成的团队，他们可以在一天内完成所有工作，而这是我们单靠自己的实验室无法做到的。”

The Abudayyeh–Gootenberg Lab 首席研究员 Omar Abudayyeh

加速发现肝病机制

对 Filippo Menolascina 而言，Co-Scientist 帮助他将过载的生物医学文献信息转化为针对代谢性肝病的高质量假设。该系统找出了有前景的疾病机制和药物组合，并帮助解释为什么一种现有药物只对部分患者有效。Menolascina 的实验室测试后来为这一想法提供了支持。

“Co-Scientist 就像科学家的喷气背包，增强了我们识别潜在机制的能力。我认为，我们正处于一场科学革命的前夜，它将显著缩短实现突破所需的迭代周期。”

University of Edinburgh 工程生物学教授 Filippo Menolascina

寻找新型传染病背后的分子开关

Clare Bryant 正在使用 Co-Scientist，帮助识别流感和 COVID-19 等病原体从动物传播到人类后，导致严重疾病的蛋白质。通过与 AI 系统反复迭代，她迅速将搜索范围缩小到实验室准备测试的特定氨基酸，有望把原本需要数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。在数据密集型领域，它能发现我可能遗漏的内容，并帮助我确定优先级，让团队可以专注于在实验室中回答正确的问题。”

University of Cambridge 先天免疫学教授 Clare Bryant

为衰老研究开辟新路径

在 Calico Life Sciences，Matt Onsum 和 Katherine Labbé 正在使用 Co-Scientist 解决医学领域最棘手的问题之一：衰老的生物学机制。这个 AI 系统展现出的科学判断力给 Calico 的专家留下了深刻印象，其中包括生成了一个关于 integrated stress response、令人振奋的新颖假设，而这个假设后来在实验室中得到了证实。

“使用 Co-Scientist 时，既让我兴奋又让我惊讶的是，它的思考方式非常像科学家。它能够非常自然地融入科学家现有的思考和工作方式。”

Calico Life Sciences AI/ML 负责人 Matt Onsum 博士

与科学界共同开发 Agentic 工具

Co-Scientist 的开发得到了来自 100 多家机构的研究人员协作支持，他们帮助测试其能力，并确保它能成为一款高质量、对科学界真正有用的工具。

作为负责任 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 已在生命科学和物理科学领域展现出较强能力，我们还针对它在化学、生物、放射性和核（CBRN）领域可能遭到滥用的风险开展了独立评估。根据这些评估结果，我们开发了定制的安全分类器，用于标记不合乎伦理的研究目标，并降低系统呈现不安全信息的风险。

我们将继续根据科学界的反馈，并通过与科学界合作，对这款工具进行迭代和开发。我们很高兴能够通过 Gemini for Science 向个人研究人员开放 Co-Scientist，也期待很快将使用范围扩大到更多 Google Cloud 企业合作伙伴。

那些帮助人类建立起当今世界认知体系的科学家，一直带给我们深刻的启发。我们希望 AI 能够帮助研究人员开启并加速一个科学进步的新时代。

注意：Co-Scientist 旨在成为研究伙伴，而不是取代科学或临床专业知识。用户在继续科学探索的过程中，需要对基于其输出所做的任何决定负责。

该研究项目由 Juraj Gottweis 和 Vivek Natarajan 牵头，Alan Karthikesalingam、Annalisa Pawlosky 和 Yunhan Xu 也参与领导。以下人员做出了重要贡献：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、Victoria Langston、Vikram Dhillon、Yuan Guan、Ziyue Wang、Amin Vahdat、James Manyika、Demis Hassabis、Yossi Matias 和 Pushmeet Kohli。

感谢我们的团队成员 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、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 和 Velia Siciliano 的合作。

最后，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。