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。
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:
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:
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。
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:
透過這些工具,研究人員可以:
Google 將 Gemini for Science 定位為 AI 實驗生態系統的一部分。
透過 Antigravity 的 Science Skills,AI 代理可以:
Gemini for Science 另一個較具野心的設計,是資料連接能力。
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。
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:
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。
Gemini for Science 其實亦反映 Google AI 策略的一個大方向:Agentic AI。
Gemini for Science 就是一個典型例子:
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。
Comments
0 comments