科研领域如同探险家，凭借才智与创造力，从文献中汲取见解，开辟研究方向。然而，科研人员常面临“广度”与“深度”的挑战。科学出版物激增，整合跨学科知识的需求，使科研工作复杂化。跨学科研究能催生颠覆性突破，如CRISPR技术，得益于多学科知识融合。
AI协同科学家系统应运而生，旨在成为科研人员的虚拟合作助手。基于Gemini 2.0，该系统挖掘原创性新知识，制定创新研究假设和方案。
AI协同科学家通过自然语言设定研究目标，自动生成研究假设、概述和方案。系统采用专业化Agent，如“生成”、“反思”、“排序”、“进化”、“邻近”和“元评审”，不断迭代优化假设。
AI协同科学家多Agent系统组件示意图，以及系统与科研人员之间的交互模式。
AI协同科学家将科研人员设定的目标解析为研究计划，并由“主管”Agent进行管理，分配资源，灵活扩展计算能力，优化科学推理能力。
AI协同科学家利用算力扩展技术，实现迭代推理、演进和优化输出结果。关键推理步骤包括“自我博弈”的科学辩论、排序竞赛和“进化”过程。
AI协同科学家（蓝色线）和Gemini 2.0参考模型（红色线）在GPQA钻石级难题上的平均准确率，按Elo评分分组。
AI协同科学家的性能随着系统计算时间的增加而提升。这可以从自动化Elo指标逐渐超越其他基线模型中看出。
AI协同科学家的研究成果具有更高的新颖性和潜在影响，并且相比其他模型更受青睐。
为了评估系统新颖预测的实际应用价值，研究团队在三个关键生物医学领域进行了端到端实验室实验，验证AI协同科学家生成的假设和研究方案。
AI协同科学家预测的三种新型AML药物再利用方案之一的剂量反应曲线。
AI协同科学家提出的肝纤维化靶点治疗方案与纤维化诱导剂（阴性对照）和抑制剂（阳性对照）的比较。
抗菌素耐药性是指微生物进化出的抵抗抗感染药物的机制。抗菌素耐药性是指微生物进化出的抵抗抗感染药物的机制。
AI协同科学家重新发现新型基因转移机制的时间线。
AI协同科学家的问世，代表着人工智能辅助科研技术迈出了意义非凡的一步，有望显著加速科学发现的进程。
AI协同科学家“Trusted Tester Program”启动，邀您共同探索科研新范式。
研究团队对AI协同科学家系统展现出的初步成果感到振奋，并认为有必要在更广泛的科学和生物医学领域评估其优势和局限性。
研究团队将通过“Trusted Tester Program”向研究机构开放系统访问权限。全球感兴趣的研究机构均可考虑加入该计划，详情请见链接。
暂无评论