谷歌推出AI科学家助手，加速科学发现

谷歌CEO皮查伊亲自站台，宣布推出一款名为“AI co-scientist”的多智能体AI系统，旨在帮助科学家进行高级推理、综合文献、生成新颖假设，并提出详细研究计划。该系统利用扩展的测试时间计算来加速科学发现过程，类似于OpenAI和DeepSeek-R1的技术。

初步成果显著，涵盖多个研究领域

据皮查伊介绍，AI co-scientist已经在肝脏纤维化治疗、抗菌耐药性和药物再利用等重要研究领域取得了初步成果。谷歌还面向全球科学家推出了“可信测试计划”，邀请科学家们参与并申请使用这一创新工具。

AI co-scientist的工作原理

AI co-scientist通过多个智能体协作完成任务，包括：

– 生成（Generation）：提出新的假设或想法
– 反思（Reflection）：评估和分析生成的假设
– 排名（Ranking）：对假设进行优先级排序
– 进化（Evolution）：通过迭代改进假设
– 邻近性（Proximity）：探索与现有知识相近或相关的领域
– 元审查（Meta-review）：对整个过程进行监督和优化

这些智能体通过自动化反馈不断迭代，形成自我优化循环，最终输出高质量的研究方案。

测试时间计算增强推理能力

AI co-scientist利用Elo评级系统衡量和提升其在解决科学问题方面的能力。Elo评级是一个动态评估指标，通常用于衡量比赛者的相对技能水平。研究人员对比了AI co-scientist和Gemini 2.0在GPQA基准测试上的表现，结果显示高Elo评级的系统能够提供更准确的答案。

实验验证，表现优于传统模型

为了进一步评估AI co-scientist的实际潜力，研究团队进行了多项实验室实验，集中在药物再利用、新治疗靶点的提出以及抗菌耐药性机制的识别。实验结果表明，AI co-scientist在多个复杂场景中表现出色，甚至超过了人类专家的水平。

初步成果展示

例如，在急性髓系白血病（AML）的药物再利用研究中，AI co-scientist提出了3种可能药物，并在多个AML细胞系中验证了其有效性。在肝纤维化治疗的研究中，AI co-scientist识别出一系列潜在治疗方案，显示出有希望的活性。此外，在细菌耐药机制的研究中，AI co-scientist提出了新的假设，并得到了实验室验证。

展望未来

尽管AI co-scientist已经取得了一系列初步成果，但谷歌也指出其局限性，如文献综述能力、事实核查、与外部工具的交叉检查等，仍需进一步完善。现在，感兴趣的科学家或团队可以申请加入“可信测试计划”。

本文来源：