Google DeepMind 发布 Co-Scientist 多智能体科研系统

2026年5月19日 科学

Co-Scientist 团队

推出一款协作式 AI 伙伴，帮助研究人员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具有变革性的想法。发现的火花依赖于研究人员将看似无关的事实联系起来，并提出正确的假设加以验证的能力。但在信息过载、挑战日益复杂的时代，寻找这些大海捞针般的想法已成为阻碍进展的重大瓶颈。

我们相信，AI 可以作为一个专注于生成和完善突破性科学假设的伙伴，帮助大幅加快突破的步伐。

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 构建的新型多智能体 AI 系统，它能够针对复杂的科学问题迭代地生成、辩论并演化出新颖的假设。

我们正通过 Hypothesis Generation 向个人研究人员提供 Co-Scientist 系统，这是一款由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 联合开发的全新实验性工具。我们将在未来几周内开始逐步推出，研究人员可在 labs.google/science 登记意向。

自去年分享我们的早期研究以来，我们一直与利用 Co-Scientist 攻克难题的团队共同开发和测试它——从抗微生物药物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、自然科学和工程学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；它是一个构思与假设生成、批判和优化的循环。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的结构化思维以推动科学发现？

Co-Scientist AI 系统由基于 Gemini 模型的多个专业智能体协作组成，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，提出初始重点领域和新颖假设。
• 邻近智能体——对生成的假设进行映射和聚类，以帮助确保对研究空间进行多样、全面的探索。

辩论想法：

• 反思智能体——充当“虚拟同行评审员”，对假设的正确性、质量和新颖性进行批判性评估。
• 排名智能体——组织一场“想法锦标赛”，通过两两比较和模拟科学辩论，优先选出最有前景的路径和假设。

演化想法：

• 演化智能体——持续优化、组合并发展锦标赛中排名靠前的假设，帮助迭代提升其质量。
• 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。

协调这个智能体联盟的是一个充当自适应规划者的监督智能体。与线性思考的 AI 模型不同，这个自由形式的规划者将高层次研究目标分解为可执行步骤，协调各智能体并行运行，同时探索多条路径。

想法的锦标赛：我们的系统如何验证、精炼并排序假设

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

为了在确保假设稳健且可测试的同时突破新颖性的边界，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，系统确保这些主张始终有据可依、事实准确且逻辑连贯。该系统目前集成了网络搜索以及 ChEMBL 和 UniProt 等专业数据库，以纳入更多知识。它还可以利用 AlphaFold 等先进的专用模型作为工具，我们正在部分研究合作中对此进行测试。

这些能力的结合有助于使 Co-Scientist 成为可靠的多智能体系统用于结构化科学思维的首批示例之一，使其能够在复杂科学问题的新颖假设生成中交付切实成果。

发现用于对抗肝纤维化的药物重定位

Co-Scientist 帮助加速了 Gary Peltz 对肝纤维化治疗的探索。该多智能体系统突出了被忽视的药物重定位候选者，其中一种在实验室测试中成功阻断了 91% 与瘢痕形成相关的反应。这些结果发表在 Advanced Science 上，指向治疗慢性肝病的新基因调控方法。

“Co-Scientist 感觉像一位合作者，它读遍了所有可获得的生物医学科学资料，并具备发现我们目前所缺失联系的推理能力。”

Gary Peltz 教授，斯坦福大学医学院

联合生物学工具包，为 ALS 开辟新方法

Co-Scientist 帮助将 Ritu Raman 和 Ryan Flynn 的实验室围绕退行性疾病 ALS 联合起来。该系统帮助 Ritu 快速消化复杂文献、提出可测试的想法，并发现互补专长可以在哪些方面强化最佳线索，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 无法独自完成科学，我也无法独自完成。它帮助我组织思路，让我知道该向其他专家和合作者提出什么。”

Ritu Raman 副教授，麻省理工学院

快速追踪逆转细胞衰老的遗传线索

生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 正在使用 Co-Scientist 加速逆转细胞衰老的研究。该系统综合了数十年的文献，提出新颖的基因线索，实验室测试已证明这些线索能够使细胞恢复活力。它还将分析庞大筛选数据集所需的时间从数月缩短至数天。

“使用 Co-Scientist 感觉就像拥有一个 50 人的团队供你差遣，一天之内完成所有工作，这是我们实验室原本无法做到的。”

Omar Abudayyeh，首席研究员，The Abudayyeh–Gootenberg Lab

加速发现肝病机制

对于 Filippo Menolascina 而言，Co-Scientist 帮助将过载的生物医学文献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，并帮助解释了为何一种现有药物仅对部分患者有益——这一想法后来得到了 Menolascina 实验室测试的支持。

“Co-Scientist 感觉就像科学家的喷气背包，增强了我们识别有前景机制的能力。我认为我们正处于一场科学革命的边缘，这场革命将显著缩短实现突破所需的迭代周期。”

Filippo Menolascina，工程生物学教授，爱丁堡大学

寻找新发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 等病原体从动物传播到人类时导致严重疾病的蛋白质。通过与 AI 系统反复迭代，她迅速将搜寻范围缩小到其实验室将要测试的特定氨基酸——有可能将数年的实验工作缩短至数月。

“Co-Scientist 汇集了全部已发表文献和在线资源，帮助我提出更好的问题。它能在数据丰富的领域中捕捉到我可能遗漏的内容，并帮助我确定优先级，这样我的团队就能专注于在实验室中回答正确的问题。”

Clare Bryant，先天免疫学教授，剑桥大学

开辟衰老研究的新路径

在 Calico Life Sciences，Matt Onsum 和 Katherine Labbé 正在使用 Co-Scientist 攻克医学中最棘手的问题之一：衰老生物学。该 AI 系统以其科学洞察力给 Calico 的专家留下了深刻印象，包括提出了一个关于整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。

“使用 Co-Scientist 让我感到既兴奋又惊讶的是，它思考的方式非常像科学家。它确实能自然地契合科学家已有的思考和行为方式。”

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

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、实用的工具。

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 在生命科学和物理科学领域展现出的能力，我们还针对化学、生物、放射和核（CBRN）领域的滥用进行了独立评估。基于这些发现，我们开发了定制安全分类器，以标记不道德的研究目标并减少不安全信息的出现。

我们将继续通过与科学界的反馈和合作来迭代和开发这一工具，并很高兴通过 Gemini for Science 将 Co-Scientist 提供给个人研究人员使用。我们也期待很快将访问权限扩展到更多 Google Cloud 企业合作伙伴。

那些构建起我们今天对世界理解的科学家们给了我们深深的启发。我们希望 AI 能够帮助研究人员开创并加速一个科学进步的新时代。

注意：Co-Scientist 旨在成为研究中的伙伴，而非科学或临床专业知识的替代品，用户需对自己在科学探索过程中基于其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，并得到了以下人员的重要贡献：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。

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 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、Velia Siciliano 的合作。

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。