Google DeepMind Co-Scientist：一种用于科学假设生成的多代理 AI 系统

Google DeepMind 宣布推出 Co-Scientist，这是一套多代理 AI 系统，旨在通过自动生成和完善科学假设，充当研究人员的协作伙伴。系统利用由 Gemini 为基础的专门代理联盟，解决复杂科学领域信息过载的瓶颈，使研究人员能够在海量文献和数据中识别新颖的线索和关联。

多代理架构与工作流

Co-Scientist 作为基于 Gemini 模型的专门代理协作联盟运行，由一个充当自适应规划者的监督代理进行编排。不同于线性 AI 模型，这个监督代理将高层研究目标拆解为可执行步骤，使各代理能够并行运行并同步探索多条路径。工作流分为三个主要阶段：

1. 思路生成

  • 生成代理：提出基于科学数据和文献的初始关注领域和新颖假设。
  • 邻近代理：对这些假设进行映射和聚类，以确保对研究空间进行多样且全面的探索。

2. 思路辩论

  • 反思代理：充当“虚拟同行评审”，评估假设的新颖性、质量和正确性。
  • 排名代理：利用模拟科学辩论和两两比较，管理“思路锦标赛”，优先排序最有前景的假设。

3. 思路演化

  • 演化代理：迭代地细化并组合排名最高的假设，以提升其质量。
  • 元审查代理：综合锦标赛和辩论的洞见，优化系统并生成供人工审阅的最终研究提案。

“思路锦标赛”与验证

为管理成千上万的潜在研究方向，Co-Scientist 采用受 AlphaGo 与 AlphaStar 原理启发的“思路锦标赛”。该系统使用基于 Elo 的锦标赛迭代对假设进行排名，同时注入新知识以扩展搜索空间。

验证是系统计算的核心组成部分，旨在确保假设的稳健性和可检验性。Co-Scientist 通过交叉核对以下内容来保持事实依据和逻辑连贯性：

  • 网络搜索与专用数据库：与 UniProt、ChEMBL 等资源的集成。
  • 专用模型：系统正在测试在特定合作中集成 AlphaFold 等工具。

实际研究应用

Co-Scientist 已在多家机构进行测试，展示了在多个高影响力领域的实用价值：

  • 肝纤维化：帮助识别被忽视的药物再利用候选者，其中一种在实验室测试中阻断了 91% 与疤痕相关的反应。
  • ALS 研究：促进了对复杂文献的消化并提出了基于 RNA 的方法，促成了 Ritu Raman 与 Ryan Flynn 实验室的合作。
  • 细胞衰老：将分析大型筛选数据集的时间从数月缩短至数天，并提出了在实验室测试中成功使细胞恢复活力的基因线索。
  • 代谢性肝病：识别出有前景的疾病机制和药物组合，解释了为何特定现有药物仅对特定患者子群有效。
  • 传染病：将跨种传播导致严重疾病的蛋白质搜索范围缩小至特定氨基酸，以便进行实验室测试（如流感和 COVID-19）。
  • 衰老生物学：提出了关于整合应激反应的全新假设，随后由 Calico Life Sciences 在实验室中验证。

安全性与可用性

Google DeepMind 进行了广泛的内部和外部安全评估，包括对化学、生物、放射和核（CBRN）领域潜在滥用的独立评估。为降低风险，团队开发了自定义安全分类器，以标记不道德的研究目标并防止不安全信息的出现。

Co-Scientist 将通过名为 Hypothesis Generation 的实验工具向个人研究者提供，该工具由 Google DeepMind、Google Research、Google Cloud 和 Google Labs 开发。研究者可在 labs.google/science 注册兴趣，未来计划为 Google Cloud 企业合作伙伴提供更广泛的访问权限。

Sources