人工智能联合科学家带来科学加速
近年来，由于学术论文的增加和专业领域的细分，我们经常听到人们说，即使提出了一个研究想法，也被迫去研究文献。
在这篇文章中，我们将解释谷歌的人工智能系统“AI联合科学家”如何解决这些问题并加速新发现。该系统不仅整合了现有知识，而且还生成了独特的假设，乍一看令人惊讶。对于那些希望专注于研究而不被复杂的搜索工作分散注意力的人来说，您一定会找到重大突破的机会。
谷歌的人工智能联合科学家是什么？
谷歌开发的多智能体人工智能系统“人工智能联合科学家”扮演着“虚拟合作者”的角色，为研究人员解决广泛的问题提供支持。基础是下一代语言模型“Gemini 2.0”是一个能够集成丰富信息和高级推理的平台。除了总结和整理文献之外，我们还提出全新的观点和假设，并支持研究人员拓展思维。
背景：现代研究面临的问题
在研究领域，每天都会发表大量新论文，领域也变得越来越分散。虽然结合领域外的知识可以取得意想不到的突破，但掌握一切却很困难。
例如，发现 CRISPR 的关键是微生物学和分子生物学之间的多学科合作。人工智能联合科学家作为解决此类跨学科方法的困难并实现研究思想的广度和深度的新工具而引起人们的关注。
人工智能联合科学家如何工作
人工智能联合科学家以自然语言接收研究目标（例如“发现新的治疗靶点”），并从多个角度考虑它们。具体来说，以下代理共同使用模仿科学方法的过程来生成、评估和改进假设。
- Generation（生成）
- 负责相继产生多个新假设。
- 反射
- 评估生成的假设的有效性和逻辑结构，并提供纠正反馈。
- 排行
- 比较和检查多个假设并评估其可能性。
- Evolution（进化）
- 我们进一步完善高度评价的假设，并创建包含新观点的改进版本。
- 邻近性
- 分析与研究目标和相关领域的关系，以衡量假设的前景。
- 元评论
- 提供整个情况的概述并支持最终假设的选择和研究计划的提出。
它是一个通过多个智能体的自主协作逐渐提高候选假设的准确性和原创性的系统。
系统性能验证：Elo 评级和专家评论
AI Co-Scientist引入了“Elo评级”作为一种自动评估指标，其中假设相互比较，幸存的假设获得高分。内部实验表明，您测试的越多，您就会变得越准确和原创。此外，专家评估证实了其相对于其他先进人工智能模型的创造力和实用性。
在实际研究中的实用性
- AML（急性髓系白血病）的药物重新定位
- 一种为现有药物寻找新适应症的方法。人工智能联合科学家提出的三种药物被发现有效。实验证实它可以抑制肿瘤细胞的生长。
- 肝纤维化的新治疗靶点
- 在使用人类肝脏类器官的实验中发现，人工智能选择的表观遗传相关靶标具有抗纤维化作用。未来计划进行更详细的研究。
- 阐明抗菌素耐药性（AMR）的机制
- 当人工智能接受一项基于未发表研究的任务时，它重新发现了“cf-PICIs（噬菌体诱导的染色体岛）与各种噬菌体尾部相互作用并扩大其宿主范围”的新发现。这与之前的研究结果一致。
局限性和未来前景
AI联合科学家只是辅助研究人员的工具，并不意味着取代人类的直觉或经验。此外，还指出了文献综述、与外部工具的协作等需要进一步加强的地方。未来，希望通过邀请专家大规模参与，验证更准确、更广泛的实用性，为科学和医学领域的合作开辟新的可能性。
可信测试程序
该系统计划逐步向研究机构发布。一个名为“受信任的测试人员计划”的框架已经为希望参与的组织准备好了，使他们能够实际实施该系统并体验加速研究和做出新发现的潜力。
概括
谷歌的人工智能联合科学家是一种新时代的工具，通过其“超越文档组织的假设生成能力”和“合作代理结构”，有可能大幅提高研究的速度和质量。通过快速准确地整合多个领域的知识，并将其与专家的验证和反馈相结合，以前不可能的研究方法已成为现实。预计未来它的使用将会增加，因为它可以帮助研究人员和公司突破他们所感受到的“创新停滞”。