Google DeepMind Co-Scientist：用於科學假設生成的多代理 AI 系統

Google DeepMind 已宣布 Co-Scientist，這是一個多代理 AI 系統，旨在透過自動化產生與精煉科學假設，成為研究人員的協作夥伴。透過結合多個專門的 Gemini 基礎代理，系統解決了複雜科學領域資訊過載的瓶頸，使研究人員能在龐大的文獻與資料中辨識出新穎的線索與關聯。

多代理架構與工作流程

Co-Scientist 作為一個基於 Gemini 模型的專門代理協作聯盟運作，由一個充當自適應規劃者的監督代理協調。與線性 AI 模型不同，該監督代理將高層次的研究目標拆解為可執行的步驟，使各代理能平行運行，同時探索多條路徑。工作流程分為三個主要階段：

1. 想法生成

  • Generation Agent: 提出基於科學資料與文獻的初始焦點領域與新穎假設。
  • Proximity Agent: 繪製並聚類這些假設，以確保對研究空間的多樣且全面的探索。

2. 想法辯論

  • Reflection Agent: 充當「虛擬同行評審」，評估假設的新穎性、品質與正確性。
  • Ranking Agent: 使用模擬科學辯論與成對比較，管理「想法錦標賽」以優先排序最有前景的假設。

3. 想法演化

  • Evolution Agent: 迭代地精煉與結合排名最高的假設，以提升其品質。
  • Meta-review Agent: 綜合錦標賽與辯論的見解，優化系統並產出供人工審閱的最終研究提案。

「想法錦標賽」與驗證

為了管理數千個潛在的研究方向，Co-Scientist 採用了受 AlphaGo 與 AlphaStar 原則啟發的「想法錦標賽」。此系統使用基於 Elo 的錦標賽，迭代排序假設，同時注入新知識以擴展搜尋空間。

驗證是系統計算的核心組件，確保假設具備穩健性與可測試性。Co-Scientist 透過與以下資源交叉核對，以維持事實基礎與邏輯一致性：

  • Web Search and Specialized Databases: 與 UniProt、ChEMBL 等資源整合。
  • Specialized Models: 系統正在測試在特定合作中整合 AlphaFold 等工具。

真實世界的研究應用

Co-Scientist 已在多個機構進行測試，展示了在多個高影響領域的實用性：

  • Liver Fibrosis: 協助發現被忽視的藥物再利用候選者，其中一種在實驗室測試中阻斷了 91% 與疤痕相關的反應。
  • ALS Research: 促進了對複雜文獻的消化與 RNA 為基礎方法的提出，促成 Ritu Raman 與 Ryan Flynn 實驗室之間的合作。
  • Cellular Aging: 將分析大型篩選資料集的時間從數月縮短至數天，並提出能在實驗室測試中成功使細胞復原的基因線索。
  • Metabolic Liver Disease: 辨識出有前景的疾病機制與藥物組合，說明為何特定現有藥物僅對特定患者子群有效。
  • Infectious Diseases: 將在動物傳染跨越期間導致嚴重疾病的蛋白質搜尋縮小至特定氨基酸，以供實驗室測試。
  • Biology of Aging: 產生了一項關於整合壓力反應的新假設，後續由 Calico Life Sciences 在實驗室中驗證。

安全性與可用性

Google DeepMind 進行了廣泛的內部與外部安全評估，包括針對化學、生物、放射與核 (CBRN) 領域潛在濫用的獨立評估。為降低風險，團隊開發了自訂安全分類器，以標記不道德的研究目標並防止不安全資訊的出現。

Co-Scientist 正透過名為 Hypothesis Generation 的實驗性工具向個別研究人員開放，該工具由 Google DeepMind、Google Research、Google Cloud 與 Google Labs 共同開發。研究人員可於 labs.google/science 註冊意願，未來亦計畫為 Google Cloud 企業合作夥伴擴大存取。

Sources