Google DeepMind 发布 Co-Scientist——基于自我对弈生成科学假设的 AI
一个基于 Gemini 构建的多智能体系统自主提出并验证了多项生物医学假设：它发现了一种用于治疗白血病的 IRE1 抑制剂，并在仅两天的计算中重新发现了细菌耐药基因转移的机制。
2026 年 5 月 19 日发表在《自然》杂志上的这篇文章，不仅仅是对 Gemini 能力的展示。它是更广泛架构争夺战的关键一环，这场争夺战旨在控制科学知识的生成方式。当公众惊叹于白血病新药候选分子时，一场结构性变革正在实验室中悄然展开：基于语言模型的多智能体系统正从被动的信息检索者转变为科学真理的仲裁者。Google DeepMind 的 Co-Scientist 不是科学家的工具，而是试图为整个研究过程创建新操作系统的尝试，该系统不仅能生成假设，还能对其进行排序、批评和进化式改进。
核心：从文本生成器到科学方法的模拟器
该系统由七个专门化的 AI 智能体组成，分为三个阶段：生成、辩论和进化。该架构与传统聊天机器人有根本不同。智能体并非按需输出文本，而是进行异步交互，其中“生成器”提出想法，“反射器”充当虚拟评审员，“排序器”利用从 AlphaGo 借用的原理进行思想锦标赛。系统不是下围棋，而是进行科学辩论，优化赌注不是基于赢得棋盘，而是基于假设的新颖性和可验证性。
关键创新在于扩展测试时计算。系统将大部分资源分配给假设验证，而不是生成，将每个主张与科学文献和 ChEMBL、UniProt 等数据库进行交叉引用，在某些情况下甚至调用 AlphaFold 进行结构验证。Co-Scientist 不仅仅是“发明”——它还会验证，这是它与产生幻觉的前身之间的根本区别。
时间线与背景：科学智能体的竞赛
Co-Scientist 的发布恰逢 FutureHouse 的竞争系统 Robin 的发表。《自然》杂志有意同步发布这两篇论文，向市场表明一个新产品类别的形成。这背后是数月的准备：Co-Scientist 的早期测试是在与伦敦帝国理工学院合作的封闭模式下进行的，在该模式下，系统在 José Penadés 教授的指导下重新发现了细菌中水平基因转移的机制，而 Penadés 团队已通过实验发现但尚未发表该机制。传说这位科学家在看到 Co-Scientist 的结果后，问 AI 是否偷看了他的草稿——系统在短短两天的计算中就如此准确地复制了人类发现的逻辑。
谁赢谁输
主要赢家是 Google Cloud。通过 Google Labs 平台向大众推出 Co-Scientist，是一种通过基础设施依赖实现市场占领的经典策略。习惯了在 Google TPU 上运行“假设锦标赛”的研究人员不太可能转向其他云服务。
与 DeepMind 已有合作的大型制药公司也是赢家。正如 Cohere 收购初创公司 Reliant AI 以实现 AI 在制药领域的垂直化所表明的那样，该行业愿意为加速研发的系统支付巨额费用。
博士后和初级研究人员则输掉了，他们的工作 70% 是文献搜索和假设生成，现在这些功能以零边际成本实现了自动化。OpenAI 等公司也输了，因为它们尚未推出类似的多智能体科学架构，仅限于使用 o1 进行通用推理。
媒体未提及之处
第一个盲点是 AI 生成假设的可重复性问题。如果 Co-Scientist 使用另一个基于相同 Gemini 模型的智能体作为“评审员”，那么批评就变成了一个闭环：一个模型根据模型编写的规则检查另一个模型。
第二个非显而易见之处是围绕耐药机制“重新发现”的战略性沉默。一个在科学文献语料库上训练的系统不可避免地会吸收统计模式，即使某篇特定文章处于保密状态。该系统的成功可能并非源于创造力，而是 Gemini 从相关出版物中捕捉微弱信号的能力。
预测：未来 30 天和 90 天
在未来 30 天内，我预计 labs.google/science 上会出现一波注册潮，并出现首批独立尝试复现所报告结果的行为。90 天内，科学界将分裂为两派：一派接受 Co-Scientist 作为合著者（并提交由 AI 撰写的资助申请），另一派则要求完全禁止在同行评审中使用此类系统，因为存在合成假设污染知识环境的风险。到今年年底，科学 AI 智能体市场将达到 20 亿美元——而 Google 意图占据显著份额。
— Editorial Team
