Google DeepMind AI Co‑Scientist：AI 科研拍檔點樣用「Idea Tournament」諗科學假說

人工智能早就幫到科學家做數據分析同整理論文，但 Google DeepMind 最新推出嘅 AI Co‑Scientist 想走得更前一步：唔止幫手分析，而係直接變成一個「AI 科研拍檔」，同人類一齊諗科學假說、互相辯論，最後提出可以做實驗測試嘅研究方向。

呢個系統已經喺《Nature》相關研究中介紹，核心概念係用 多智能體（multi‑agent）AI 架構 去模擬一隊科研團隊嘅工作方式。

用 AI 模擬一個科研團隊

AI Co‑Scientist 係建立喺 Gemini 大型語言模型 上，唔係單一模型，而係由多個「AI 代理（agents）」組成，每個代理負責唔同科研任務。

當研究人員提出一個問題，例如：

• 某種疾病可能有咩治療方法
• 某個生物機制點樣運作

系統就會按類似科學方法嘅流程運作：

• 整合過去研究文獻
• 提出多個可能假說
• 用現有證據逐一評估
• 建議可以驗證嘅實驗設計

研究人員只需要用自然語言描述研究目標，AI 就可以開始生成假說同研究方案。

同一般 AI 工具最大分別係：Co‑Scientist 唔係只輸出一個答案，而係讓多個 AI 互相競爭同批評。

「Idea Tournament」：AI 之間嘅假說淘汰賽

系統最有特色嘅設計係所謂 Idea Tournament（想法錦標賽）。

簡單講，就好似一場科研版淘汰賽：

1. 生成假說：多個 AI 代理提出唔同理論或機制解釋
2. 互相批評：其他代理用文獻同證據指出問題或漏洞
3. 排名與演化：較好嘅假說保留，較弱嘅被修改、合併或淘汰

經過多輪辯論同演化之後，系統會留下 邏輯更完整、亦更容易做實驗驗證嘅研究假說。

呢種方法其實模仿咗真實科研世界：

• 同行評議
• 學術辯論
• 不斷修正理論

差別只係，AI 可以同時分析大量文獻同數據，速度遠超人類研究者。

生物醫學領域嘅早期成果

目前 Co‑Scientist 最早嘅測試主要集中喺生命科學同醫學研究。

其中一個例子係 肝纖維化（liver fibrosis）藥物再利用研究。肝纖維化係慢性肝病常見問題，但有效治療選擇仍然有限。

一篇收錄於 PubMed 嘅研究指出，研究人員利用多智能體 AI 系統生成假說，提出潛在藥物並引導實驗測試。

實驗中，研究團隊評估咗 25 種候選藥物 嘅抗纖維化效果同毒性。

DeepMind 公布嘅研究摘要亦指出，系統成功發現一些過去被忽略嘅藥物再利用候選，其中一種喺實驗模型中 阻斷約 91% 與疤痕形成相關嘅生物反應。

不過研究團隊亦強調：

AI 只係提出假說，真正嘅科學發現仍然要靠實驗室驗證同同行評議。

Google「Gemini for Science」計劃的一部分

Google 正將 Co‑Scientist 納入更大型嘅科研 AI 平台 Gemini for Science。

呢個計劃包含多種 AI 工具，例如：

• Co‑Scientist：生成科研假說
• AlphaEvolve：進行計算式發現
• 文獻分析與實驗設計工具

目標係解決一個現實問題：每年發表嘅科研論文數量已經多到人類研究者難以全部閱讀同整合。

Google 同時同多個科研機構合作。例如，美國能源部（DOE）旗下 17 個國家實驗室 已經可以透過 Google Cloud 使用包括 Co‑Scientist 在內嘅 AI 科研工具。

對未來科研意味住乜

AI Co‑Scientist 並唔係要取代科學家。

更準確講，佢係一個 「假說引擎（hypothesis engine）」——專門負責提出同優化研究想法，再交俾人類專家驗證。

真正嘅變化係方法論：

唔再係一個 AI 模型直接給答案，而係 多個 AI 代理互相批評、辯論同改良推理。

如果未來呢類系統能夠持續提出成功率高嘅研究方向，科研早期階段——例如構思理論同設計實驗——可能會大幅加速。

但無論 AI 幾聰明，最後一步仍然一樣：

真正嘅科學突破，始終要喺實驗室入面完成。