Gemini for Science：Google 想用 AI 幫科學家加速發現

Google 在 I/O 2026 大會上發表一套新的 AI 科研工具組——Gemini for Science。這個平台的核心目標係幫研究人員加快科學發現的速度，例如分析大量文獻、提出研究假設，以及執行計算實驗等繁複工作。

Google 強調，這套系統並唔係要取代科學家，而係將 AI 當成研究助手：AI 負責大量分析同計算，研究人員則負責決策同判斷。

Gemini for Science 是甚麼

Gemini for Science 可以理解為一個集合式科研平台，由多個 AI 工具與代理（agents）組成，並建立在 Google 的 Gemini 模型與研究基礎設施之上。

Google 表示，平台結合了 Gemini 的推理能力，以及 Deep Think 與 Deep Research 等研究能力，希望提升科學探索的規模同精準度。

整個系統主要包括：

• 透過 Google Labs 提供的實驗型研究工具
• 在 Google Antigravity 代理平台運行的「Science Skills」
• 可連接 30 多個主要生命科學資料庫與工具 的資料整合層

透過這些組件，AI 代理可以直接檢索科學資料、分析研究、提出新假設，甚至自動執行計算實驗。

核心工具：Gemini for Science 有甚麼

Co‑Scientist

Co‑Scientist 可以理解為一個 AI 科研拍檔。這個系統由多個 AI 代理組成，利用 Gemini 模型模擬科學研究的推理過程。

研究人員只需要輸入研究目標，例如想了解某種疾病機制，系統就可以：

• 分析相關學術文獻
• 提出可測試的研究假設
• 建議可能的實驗方向

AI 亦會附上文獻摘要與研究背景，幫助研究人員快速建立研究計劃。

AlphaEvolve

AlphaEvolve 是一個由 Gemini 驅動的演化演算法代理（evolutionary algorithm agent），專門用來尋找更優化的演算法。

它會不斷測試與改進演算法方案，逐步找到更好的解決方法。Google 表示，這個系統已經在幾個領域展示潛力，例如：

• 改善 DNA 定序錯誤校正
• 提高 災害預測模型準確度
• 在模擬中探索 電網穩定技術

這類 AI 搜尋演算法的方法，能夠幫研究人員處理需要大量嘗試與計算的問題。

ERA（Empirical Research Assistance）

另一個重要工具係 ERA，全名 Empirical Research Assistance。

它主要針對科研中最花時間的一個部分：寫程式同反覆測試計算實驗。

ERA 利用 Gemini 模型去：

• 自動生成科學計算程式
• 優化模擬與實驗代碼
• 加速實驗設計與測試流程

Google Research 指出，ERA 的研究成果已經在 《Nature》期刊發表，並且用來建立一個名為 Computational Discovery 的研究平台原型。

目前這個原型正透過 Google Labs 的 trusted tester 計劃 提供測試。

NotebookLM 研究流程

Gemini for Science 亦整合 NotebookLM 工作流程，用於處理龐大的學術文獻資料。

透過這些工具，研究人員可以：

• 快速整理數千篇論文
• 提取重要數據與研究結論
• 找出新興研究方向

這對於現代科研非常重要，因為每年發表的學術論文數量已經達到數百萬篇，人類很難逐一閱讀與整理。

Google Labs 與 Antigravity 的角色

Google 將 Gemini for Science 定位為 AI 實驗生態系統的一部分。

目前有三個主要原型工具透過 Google Labs 提供，讓研究人員可以申請試用並測試早期功能。

同時，系統亦連接 Google Antigravity——Google 的代理式 AI（agent-first）開發平台。

透過 Antigravity 的 Science Skills，AI 代理可以：

• 連接科研資料庫
• 取得研究數據
• 執行分析與模擬
• 自動生成研究結果

這種設計令 AI 可以由單純回答問題，變成可以實際完成研究任務的系統。

與生命科學資料庫的整合

Gemini for Science 另一個較具野心的設計，是資料連接能力。

Google 表示，Science Skills 層可以將 Antigravity 的 AI 代理連接到 超過 30 個主要生命科學資料庫與工具。

公司暫時未公開具體包括哪些資料庫，但概念係讓 AI 能直接與科研資料互動，而唔只是依靠訓練時學到的知識。

ERA 已有的實際成果

在整個工具組中，ERA 是目前最有實際研究成果的系統之一。

Google Research 指出：

• ERA 的能力已經發表在 《Nature》論文 中
• 系統協助建立 Computational Discovery 原型平台
• 該平台正在 Google Labs 測試計劃 中提供試用

這顯示 AI 自動生成科研程式與實驗流程，已開始進入實際研究環境。

Google 的「Agentic AI」策略

Gemini for Science 其實亦反映 Google AI 策略的一個大方向：Agentic AI。

在 I/O 2026 上，Google 多次提到公司正由「提示式 AI」（prompt-based AI）轉向 可以自主執行任務的 AI 代理系統。

Gemini for Science 就是一個典型例子：

• Co‑Scientist：負責提出研究假設
• AlphaEvolve：搜尋最佳演算法
• ERA：生成與優化實驗程式

這些 AI 工具並非單一聊天機器人，而是一組協作代理，組成一個完整的研究工作流程。

如果這個方向成功，AI 未來可能會成為科研團隊的一個固定角色——協助分析數據、設計實驗，甚至加速重大科學發現。