Google DeepMind 在 Nature 发表 Co-Scientist 多智能体科研系统

May 19, 2026 科学

Co-Scientist 团队

介绍一款协作式 AI 伙伴，帮助研究人员在生命科学及其他领域提出新假说。

每一项伟大的科学突破都始于一个单一的、具有变革性的想法。发现的火花依赖于研究人员将分散的事实联系起来并形成正确待检验假说的能力。但在信息过载、挑战日益复杂的时代，寻找这些大海捞针式的想法已成为进展的重大瓶颈。

我们相信，AI 可以通过充当生成和完善突破性科学假说的专职伙伴，大幅加快突破的步伐。

今天，我们在 Nature 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，它能针对复杂科学问题迭代生成、辩论并演化新颖假说。

我们正通过 Hypothesis Generation 向个人研究人员提供 Co-Scientist 系统，这是由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 联合开发的新实验性工具。我们将在未来数周开始推出，研究人员可在 labs.google/science 登记兴趣。

自去年分享我们的 早期研究 以来，我们一直在与多个团队合作开发和测试 Co-Scientist，这些团队正利用它应对具有挑战性的问题——从 抗菌素耐药性 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、自然科学和工程领域得到应用的一些方式。

Co-Scientist 如何运作：基于 Gemini 构建的多智能体系统

科学发现很少是一条直线；它是构思与假说生成、批判和完善的循环。科学家往往要与复杂问题较量数天、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 系统如何进行这种严谨的结构化思考以推动科学发现？

Co-Scientist AI 系统由基于 Gemini 模型的多个专业化智能体组成协作联盟，我们可将其分为三个不同阶段：

生成想法：

• 生成智能体 - 基于科学文献和数据，提出初步关注领域和新颖假说。
• 邻近智能体 - 对生成的假说进行映射和聚类，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“虚拟同行评审者”，从正确性、质量和新颖性方面批判性评估假说。
• 排序智能体 - 组织一场“想法锦标赛”，通过两两比较和模拟科学辩论，优先排序最有前景的路径和假说。

演化想法：

• 演化智能体 - 持续完善、组合并在锦标赛中排名靠前的假说基础上加以构建，以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，以持续优化系统，并生成最终研究提案供科学家审阅。

协调智能体联盟的是一个担任自适应规划器的监督智能体。与线性思考的 AI 模型不同，这种自由形式的规划器将高层研究目标分解为可执行步骤，协调各智能体并行运行，并同时探索多条路径。

想法锦标赛：我们的系统如何验证、完善并排序假说

Co-Scientist 可以探索数千个研究方向。为了找出最具影响力的方向，我们开发了“想法锦标赛”。该方法借鉴了 AlphaGo 和 AlphaStar 所用的原则——但我们的 AI 智能体并非在玩游戏，而是进行科学辩论，以生成、完善并排序想法。

为了在拓展新颖性边界的同时确保假说稳健且可检验，系统的大部分计算都用于验证这些假说。通过对照科学文献和数据深入交叉核验主张，系统确保主张有据可依、事实准确且逻辑连贯。该系统目前整合了网络搜索以及 ChEMBL 和 UniProt 等专业数据库，以纳入更多知识。它还可以将 AlphaFold 等先进专用模型作为工具加以利用，我们正在部分研究合作中对此进行测试。

这些能力的结合使 Co-Scientist 成为用于结构化科学思考的可靠多智能体系统的首批范例之一，使其能够在复杂科学问题的新颖假说生成方面取得切实成果。

发掘可重新利用的药物以对抗肝纤维化

Co-Scientist 帮助加速了 Gary Peltz 寻找肝纤维化疗法的进程。该多智能体系统指出了被忽视的药物再利用候选，其中包括一种在实验室测试中成功阻断了 91% 与瘢痕相关反应的药物。发表于 Advanced Science 的结果指向了治疗慢性肝病的新基因调控方法。

“Co-Scientist 就像一位读过所有生物医学科学资料的合作者，具备找出我们目前所遗漏的关联的推理能力。”

Gary Peltz 教授，斯坦福大学医学院

整合生物学工具包，探索 ALS 的新方法

Co-Scientist 帮助 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、提出可检验的想法，并发现互补专长可以强化最佳线索之处，从而促成与 Ryan 就潜在的基于 RNA 的 ALS 方法展开合作。

“科学是一项团队运动。Co-Scientist 无法独自做科学，我也不能独自完成一切。它帮助我梳理思路，从而知道该向其他专家和合作者提出什么问题。”

Ritu Raman 副教授，麻省理工学院

加速推进可逆转细胞衰老的遗传学线索

生物学家 Omar Abudayyeh 和 Jonathan Gootenberg 正在使用 Co‑Scientist 加快逆转细胞衰老的研究。该系统综合数十年的文献，提出新颖的基因线索，实验室测试已表明这些线索能够使细胞年轻化。它还将分析海量筛选数据集所需的时间从数月大幅缩短至数天。

“使用 Co-Scientist 就像有一支 50 人的团队可供调遣，一天之内完成所有工作，而这是我们靠自己的实验室原本做不到的。”

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

加速发现肝脏疾病的机制

对 Filippo Menolascina 而言，Co-Scientist 帮助把生物医学文献过载转化为针对代谢性肝病的高质量假说。该系统突出了有前景的疾病机制和药物组合，并帮助解释为何一种现有药物只对部分患者有益——这一想法后来得到了 Menolascina 实验室测试的支持。

“Co‑Scientist 对科学家来说就像喷气背包，增强我们识别有前景机制的能力。我认为我们正处在一场科学革命的边缘，它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，帮助识别流感、COVID-19 等病原体从动物跃迁到人类时引发严重疾病的蛋白质。通过与该 AI 系统迭代，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——有望把数年的实验工作缩短至数月。

“Co-Scientist 汇集全部已发表文献和在线资源，帮助我提出更好的问题。它能捕捉到我在数据丰富的领域中会遗漏的内容，并帮助我确定优先级，这样我的团队就能专注于在实验室里回答正确的问题。"

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 攻克医学最难的问题之一：衰老生物学。该 AI 系统以其科学辨别力给 Calico 的专家留下了深刻印象，其中包括提出了一个关于整合应激反应的令人兴奋的新颖假说，后来在实验室中得到了证实。

“使用 Co-Scientist 时，我既感到兴奋又感到惊讶的是，它的思考方式多么像一位科学家。它确实能自然地契合科学家已有的思考和行为方式。”

Dr Matt Onsum，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 多家机构的研究人员合作开发的，用以测试其能力，并确保它成为科学界高质量、有用的工具。

作为我们 负责任的 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 在生命科学和物理科学方面已展现出的能力，我们还针对化学、生物、放射和核（CBRN）领域的滥用开展了独立评估。基于这些发现，我们开发了定制安全分类器，用以标记不道德的研究目标，并减少不安全信息的呈现。

我们将继续结合科学界的反馈与合作，迭代并开发这一工具，并很高兴通过 Gemini for Science 向个人研究人员开放 Co-Scientist。我们也期待不久后向更多 Google Cloud 企业合作伙伴扩大访问权限。

我们深受那些构建起当今世界认知的科学家们的启发。我们也希望人工智能能够帮助研究人员开启并加速科学进步的新时代。

注意：Co-Scientist 旨在成为研究中的合作伙伴，而非科学或临床专业知识的替代；用户在继续其科学探索过程中，须对使用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，Alan Karthikesalingam、Annalisa Pawlosky 和 Yunhan Xu 亦共同领导，主要贡献者包括：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 以及 Thomas Wagner 和 Yaniv Carmel 的技术支持。

我们也要感谢 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 对本项工作的支持。