提出一個(gè)新穎可行的研究方向，并清楚地知道如何進(jìn)行后續(xù)的探索，對(duì)于加速科學(xué)發(fā)現(xiàn)至關(guān)重要。

然而，對(duì)于人類科學(xué)家而言，這是一個(gè)既有廣度又有深度的難題，不僅需要了解本領(lǐng)域的最新進(jìn)展，還需要整合陌生領(lǐng)域的知識(shí)。

今天，谷歌推出的虛擬科學(xué)合作伙伴 AI co-scientist，或許可以在「幫助人類追求科學(xué)進(jìn)步」這件事上大有可為。

論文鏈接：

https://storage.googleapis.com/coscientist_paper/ai_coscientist.pdf

據(jù)介紹，AI co-scientist 是一個(gè)基于 Gemini 2.0 構(gòu)建的多智能體 AI 系統(tǒng)，旨在反映科學(xué)方法的推理過程，發(fā)掘新的、原創(chuàng)性的知識(shí)。它并非要實(shí)現(xiàn)科學(xué)過程的自動(dòng)化，而是一個(gè)“幫助專家收集研究成果和完善其工作的協(xié)作工具”、“虛擬的科學(xué)合作伙伴”。

自此，人類科學(xué)家只需使用自然語言指定一個(gè)研究目標(biāo)——例如，更好地了解一種致病微生物的傳播——AI co-scientist 便會(huì)提出可驗(yàn)證假設(shè)，以及相關(guān)已發(fā)表文獻(xiàn)的摘要和可能的實(shí)驗(yàn)方法。

谷歌首席執(zhí)行官 Sundar Pichai 在 X 上表示，在 AI co-scientist 的幫助下，人類科學(xué)家已經(jīng)“在肝纖維化治療、抗菌素耐藥性和藥物再利用等重要研究領(lǐng)域看到了有希望的早期成果”。

賦能人類科學(xué)家，加速科學(xué)發(fā)現(xiàn)

根據(jù)谷歌官方博客的介紹，AI co-scientist 使用了一系列專業(yè)化的智能體（涉及生成、反思、排序、進(jìn)化、接近和元評(píng)審），這些智能體受到科學(xué)方法本身的啟發(fā)，并通過自動(dòng)反饋來迭代生成、評(píng)估和優(yōu)化假設(shè)，從而形成一個(gè)自我改進(jìn)的循環(huán)，生成越來越高質(zhì)量和新穎的輸出。

視頻｜AI co-scientist 概述

AI co-scientist 專為協(xié)作而構(gòu)建，科學(xué)家可以通過多種方式與系統(tǒng)互動(dòng)，包括直接提供自己的不成熟想法來探索，或用自然語言對(duì)生成的輸出提供反饋。AI co-scientist 還使用網(wǎng)頁搜索和專門的 AI 模型等工具，來提高生成假設(shè)的基礎(chǔ)和質(zhì)量。

圖｜AI co-scientist 的不同組成部分，以及其與科學(xué)家之間的互動(dòng)模式。

AI co-scientist 能夠?qū)⒅付ǖ哪繕?biāo)解析為研究計(jì)劃配置，并由監(jiān)督智能體（Supervisor agent）進(jìn)行管理。監(jiān)督智能體將專業(yè)智能體分配到工作隊(duì)列中，并分配資源。這個(gè)設(shè)計(jì)使得 AI co-scientist 能夠靈活地?cái)U(kuò)展計(jì)算能力，并通過迭代改進(jìn)其科學(xué)推理能力，以實(shí)現(xiàn)指定的研究目標(biāo)。

圖｜AI co-scientist 系統(tǒng)概覽。專業(yè)智能體（紅色方框，具有獨(dú)特的角色和邏輯）；科學(xué)家輸入和反饋（藍(lán)色方框）；系統(tǒng)信息流（深灰色箭頭）；智能體間反饋（智能體部分內(nèi)的紅色箭頭）。

擴(kuò)展測(cè)試時(shí)計(jì)算，進(jìn)行高級(jí)科學(xué)推理

AI co-scientist 利用測(cè)試時(shí)計(jì)算擴(kuò)展，進(jìn)行迭代推理、演化和改進(jìn)輸出。關(guān)鍵的推理步驟包括基于自我博弈的科學(xué)辯論（用于生成新的假設(shè)）、排名賽（用于進(jìn)行假設(shè)比較），和“演化”過程（用于提高質(zhì)量）。該系統(tǒng)的代理（agentic）特性促進(jìn)了遞歸的自我批判，包括使用反饋工具完善假設(shè)和建議。

AI co-scientist 的自我完善依賴于從其競(jìng)賽中得出的 Elo 自動(dòng)評(píng)估指標(biāo)。由于 Elo 評(píng)分在系統(tǒng)中的核心作用，谷歌團(tuán)隊(duì)評(píng)估了更高的 Elo 評(píng)分是否與更高的輸出質(zhì)量相關(guān)，并分析了 Elo 自動(dòng)評(píng)分與 GPQA 基準(zhǔn)測(cè)試準(zhǔn)確率在具有挑戰(zhàn)性的鉆石問題集中的一致性，結(jié)果表明，較高的 Elo 評(píng)分與較高的正確答案概率呈正相關(guān)。

圖｜AI co-scientist（藍(lán)線）和 Gemini 2.0（紅線）回答 GPQA 鉆石問題的平均準(zhǔn)確率，按 Elo 評(píng)級(jí)分組。Elo 是一種自動(dòng)評(píng)估，并非基于獨(dú)立的基本事實(shí)。

7 位領(lǐng)域?qū)＜也邉澚?15 個(gè)開放式研究目標(biāo)和他們專業(yè)領(lǐng)域的最佳解決方案。通過使用自動(dòng)化的 Elo 評(píng)分指標(biāo)，谷歌團(tuán)隊(duì)觀察到，AI co-scientist 在這些復(fù)雜問題上的表現(xiàn)優(yōu)于其他 SOTA 智能體和推理模型，這體現(xiàn)了利用科學(xué)方法中的歸納偏差進(jìn)行測(cè)試時(shí)計(jì)算的優(yōu)勢(shì)。隨著系統(tǒng)在推理和改進(jìn)上花費(fèi)更多時(shí)間，自我評(píng)分的結(jié)果質(zhì)量也得到了提升，并超過了其他模型和無輔助的人類專家。

圖｜AI co-scientist 的性能隨著系統(tǒng)計(jì)算時(shí)間的增加而提高。這可以從自動(dòng) Elo 指標(biāo)比其他基線逐步提高中看出。上圖為評(píng)級(jí)最佳的假設(shè)的 Elo，下圖為前 10 名假設(shè)的平均 Elo。

在一個(gè)包含 11 個(gè)研究目標(biāo)的較小子集上，專家們?cè)u(píng)估了 AI co-scientist 生成的結(jié)果在新穎性和影響力方面與其他相關(guān)基準(zhǔn)相比的表現(xiàn)，并且提供了整體偏好。盡管樣本量較小，但專家們?cè)u(píng)估認(rèn)為 AI co-scientist 在新穎性和影響力方面具有更高的潛力。此外，這些人類專家的偏好似乎與之前介紹的 Elo 自動(dòng)評(píng)估指標(biāo)一致。

圖｜人類專家認(rèn)為，AI co-scientist 的成果具有更高的新穎性和影響力（上圖），與其他模型相比更受青睞（下圖）。

在真實(shí)世界的表現(xiàn)如何？

為了評(píng)估該系統(tǒng)新穎預(yù)測(cè)的實(shí)際效用，谷歌團(tuán)隊(duì)評(píng)估了端到端的實(shí)驗(yàn)室實(shí)驗(yàn)，在 3 個(gè)關(guān)鍵的生物醫(yī)學(xué)應(yīng)用中探究了 AI co-scientist 生成的假設(shè)和研究建議：藥物再利用、提出新的治療靶點(diǎn)以及闡明抗菌藥耐藥性的機(jī)制。這些實(shí)驗(yàn)都涉及專家參與的指導(dǎo)：

1.急性髓性白血病的藥物再利用

藥物開發(fā)是一個(gè)日益耗時(shí)且昂貴的過程，新療法需要針對(duì)每個(gè)適應(yīng)癥或疾病重新啟動(dòng)發(fā)現(xiàn)和開發(fā)過程的多個(gè)方面。為了應(yīng)對(duì)這一挑戰(zhàn)，藥物再利用技術(shù)為現(xiàn)有藥物發(fā)現(xiàn)了超出其原始用途的新治療應(yīng)用。然而，由于這項(xiàng)任務(wù)的復(fù)雜性，它需要廣泛的跨學(xué)科專業(yè)知識(shí)。

谷歌團(tuán)隊(duì)?wèi)?yīng)用AI共同科學(xué)家來協(xié)助預(yù)測(cè)藥物再利用的機(jī)會(huì)，并與其團(tuán)隊(duì)合作伙伴一起，通過計(jì)算生物學(xué)、專家臨床反饋和體外實(shí)驗(yàn)來驗(yàn)證預(yù)測(cè)結(jié)果。

值得注意的是，AI共同科學(xué)家提出了急性髓性白血病（AML）的新型再利用候選藥物。隨后的實(shí)驗(yàn)驗(yàn)證了這些提議，確認(rèn)所提議的藥物在多個(gè)AML細(xì)胞系中，在臨床相關(guān)濃度下抑制了腫瘤細(xì)胞的存活能力。

圖｜由 AI co-scientist 預(yù)測(cè)的急性髓細(xì)胞性白血病再利用藥物之一的劑量-反應(yīng)曲線。在臨床相關(guān)濃度下，KIRA6 可抑制 KG-1（急性髓系白血病細(xì)胞株）的活力。以較低的藥物濃度降低癌細(xì)胞活力具有多種優(yōu)勢(shì)，例如，它可以降低產(chǎn)生脫靶副作用的可能性。

2.推動(dòng)肝纖維化的靶點(diǎn)發(fā)現(xiàn)

識(shí)別新治療靶點(diǎn)比藥物再利用更為復(fù)雜，往往會(huì)導(dǎo)致體外和體內(nèi)實(shí)驗(yàn)的假設(shè)選擇效率低下、優(yōu)先級(jí)排序不當(dāng)。AI 輔助的靶點(diǎn)發(fā)現(xiàn)有助于簡(jiǎn)化實(shí)驗(yàn)驗(yàn)證過程，從而降低研發(fā)時(shí)間成本。

谷歌團(tuán)隊(duì)以肝臟纖維化為重點(diǎn)，測(cè)試了 AI co-scientist 提出、排列和生成靶點(diǎn)發(fā)現(xiàn)假設(shè)和實(shí)驗(yàn)方案的能力。AI co-scientist 通過在人類肝臟器官組織（源自人類細(xì)胞的三維多細(xì)胞組織培養(yǎng)物，旨在模擬人類肝臟的結(jié)構(gòu)和功能）中識(shí)別具有顯著抗纖維化活性的臨床前證據(jù)基礎(chǔ)的表觀遺傳靶點(diǎn)，證明了其潛力。

圖｜AI co-scientist 建議的肝纖維化靶點(diǎn)治療與纖維化誘導(dǎo)劑（陰性對(duì)照）和抑制劑（陽性對(duì)照）的比較。AI co-scientist 建議的所有治療方法都顯示出良好的活性（所有建議藥物的 p 值均小于 0.01），包括可能逆轉(zhuǎn)疾病表型的候選藥物。

3.解釋抗菌藥耐藥性機(jī)制

作為第三項(xiàng)驗(yàn)證，谷歌團(tuán)隊(duì)側(cè)重于提出假設(shè)，解釋與抗菌藥耐藥性（AMR）相關(guān)的細(xì)菌基因轉(zhuǎn)移進(jìn)化機(jī)制，即微生物進(jìn)化出的抵抗治療感染藥物的機(jī)制。這是另一個(gè)復(fù)雜的挑戰(zhàn)，涉及到理解基因轉(zhuǎn)移的分子機(jī)制（共軛、轉(zhuǎn)導(dǎo)和轉(zhuǎn)化），以及推動(dòng) AMR 基因傳播的生態(tài)和進(jìn)化壓力。

在此測(cè)試中，專家研究人員指示 AI co-scientist 探討一個(gè)已在他們小組中取得新發(fā)現(xiàn)，但尚未公開的主題，即解釋衣殼形成的噬菌體誘導(dǎo)型染色體島（cf-PICI）如何在多種細(xì)菌物種中存在。

AI co-scientist 獨(dú)立提出了“cf-PICI 與不同噬菌體尾部相互作用以擴(kuò)大其宿主范圍”的觀點(diǎn)。在使用 AI co-scientist 之前，谷歌團(tuán)隊(duì)已經(jīng)在原始的實(shí)驗(yàn)室實(shí)驗(yàn)中驗(yàn)證了這一發(fā)現(xiàn)。這展示了 AI co-scientist 作為輔助技術(shù)的價(jià)值，因?yàn)樗軌蚶脭?shù) 10 年的研究成果，包括之前所有關(guān)于這一主題的開放存取文獻(xiàn)。

局限性與展望

在技術(shù)報(bào)告中，谷歌團(tuán)隊(duì)也討論了 AI co-scientist 的幾個(gè)局限性和改進(jìn)機(jī)會(huì)，包括增強(qiáng)文獻(xiàn)綜述、事實(shí)核查、與外部工具的交叉檢查、自動(dòng)評(píng)估技術(shù)，以及涉及更多學(xué)科專家和多樣化研究目標(biāo)的大規(guī)模評(píng)估。

他們也表示，AI co-scientist 代表了向 AI 輔助技術(shù)邁出的重要一步，有助于科學(xué)家加速發(fā)現(xiàn)。其在多個(gè)科學(xué)和生物醫(yī)學(xué)領(lǐng)域生成新穎、可驗(yàn)證的假設(shè)的能力，以及通過增加計(jì)算能力進(jìn)行遞歸自我改進(jìn)的能力，展示了它在加速科學(xué)家應(yīng)對(duì)科學(xué)和醫(yī)學(xué)重大挑戰(zhàn)方面的潛力。

整理：陳小宇 編審：學(xué)術(shù)君

如需轉(zhuǎn)載或投稿，請(qǐng)直接在公眾號(hào)內(nèi)留言