夜雨聆风导语：科学发现的核心，在于科学家针对复杂问题提出新假说，并经过严格的实验验证。然而，今天的科学家们正面临一个越来越严重的困境：科学文献数量呈指数级增长，各种专门技术不断涌现，研究人员越来越难以同时兼顾领域深度与跨学科视野。2026年5月19日，谷歌DeepMind、谷歌研究院及谷歌云的研究团队在国际顶尖学术期刊《自然》（Nature） 上发表了一项重磅研究——Co-Scientist，一个基于Gemini构建的多智能体AI系统。这个系统被《自然》评价为“AI研究助手”，能够在假设生成、实验设计和数据分析等多个环节协助科研人员。
文章引用信息：Gottweis, J., Weng, WH., Daryin, A. et al. Accelerating scientific discovery with Co-Scientist. Nature (2026). https://doi.org/10.1038/s41586-026-10644-y
📝 Co-Scientist是什么？一个会“吵架”和“进化”的AI团队
如果把传统AI比作一个简单的问答机器，Co-Scientist就是一个分工明确的虚拟研究团队。Co-Scientist建立在谷歌大语言模型Gemini之上，但其精髓不在于底层模型有多大，而在于其独创的多智能体架构和测试时计算放大机制。系统包含六个核心智能体，各司其职：
1. 生成智能体（Generation Agent） ：负责提出海量可能的假说。它可以通过网络搜索文献、模拟专家之间的自我对弈式科学辩论、逐步推导可检验的中间假设。
2. 反思智能体（Reflection Agent） ：扮演同行评审的角色，分四个层次审查假说——初步审查快速过滤明显缺陷；全面审查调用搜索工具做文献核查；深度验证把假说拆解为子假设逐一检验；观测回顾判断假说能否解释已有实验中的未解现象。
3. 排序智能体（Ranking Agent） ：使用Elo评分机制（国际象棋等级分体系）对假说排序，通过两两辩论比较相对质量。
4. 演化智能体（Evolution Agent） ：负责改进排名靠前的假说，补充文献依据、提高实验可行性、合并多个假说的优点。
5. 相似度智能体（Proximity Agent） ：计算假说之间的相似度，识别相近或重复的想法。
6. 元审查智能体（Meta-review Agent） ：总结评审和辩论中反复出现的问题，并把这些反馈写入其他智能体的提示词，实现不依赖模型训练的系统级学习。
Co-Scientist采用 “科学家闭环”（scientist-in-the-loop） 的协作模式。科学家可以用自然语言给出研究目标、偏好和约束，也可以提交自己的初始假说，与系统生成的假说共同参与排序和演化。
🔬核心机制：“idea锦标赛”让假说不断进化
Co-Scientist最核心的创新是“Idea锦标赛”（Idea Tournament） 机制。多个智能体之间不断生成、辩论、批判、细化假设，再用测试时计算扩展持续提升假设质量。简单来说，Co-Scientist让不同的假设像选手一样“打比赛”——两两辩论、相互比较，胜者晋级、败者淘汰。在这个过程中，演化智能体会不断优化排名靠前的假设，生成新的候选版本，再重新进入比赛。
研究团队在203个不同科学领域的研究目标上测试了这一机制，结果表明：随着计算时间的增加，系统生成的假设质量持续提升。更令人震撼的是，在15个由生物医学专家精心设计的复杂研究问题上，Co-Scientist最终超越了包括OpenAI o1、o3-mini-high和DeepSeek R1在内的所有前沿大模型，也超越了人类专家的“最佳猜测”。
📈 三大真实验证：从白血病到超级细菌
Co-Scientist最令人信服的部分，是它在三个真实的生物医学场景中通过了“湿实验”（实验室实验）的检验。
1. 急性髓系白血病（AML）：找到新药，发现新组合
急性髓系白血病是一种侵袭性的血液癌症，疾病复发率高，有效治疗选择有限。Co-Scientist从2300种已获批药物中筛选出候选方案。在体外细胞实验中，系统推荐的Binimetinib（一种已获批用于黑色素瘤的药物）在部分AML细胞系中表现出低至2纳摩尔的半抑制浓度（IC₅₀），显示出极强的抗白血病活性。更令人惊讶的是，Co-Scientist在没有任何人类专家干预的情况下，自主提出了一个全新的候选药物KIRA6（一种IRE1α抑制剂）。实验验证发现，KIRA6在一种AML细胞系中的IC₅₀仅为10纳摩尔，而在正常细胞中为180纳摩尔——18倍的选择性差异，暗示了潜在的治疗窗口。此外，Co-Scientist还成功提出了多种药物的协同组合疗法，在实验室中验证了显著的协同效应。
2. 肝纤维化：老药新用，一箭双雕
肝纤维化每年导致超过140万人死亡。Co-Scientist被要求寻找新的表观遗传靶点来治疗肝纤维化。系统成功识别了三个新型表观遗传修饰剂，其中两个在人类肝类器官中表现出显著的抗纤维化活性且无细胞毒性。最关键的是，其中一个有效药物伏立诺他（Vorinostat） 已经是FDA批准的抗癌药物——Co-Scientist意外发现了它在肝纤维化治疗中的新用途，能将TGF-β诱导的染色质结构变化降低91%，并促进肝实质细胞再生。
3. 抗生素耐药性：两天追上十年研究
这是最令人震撼的案例。
抗菌素耐药性（AMR）是全球公共卫生的重大威胁。研究人员给Co-Scientist提供了最少的背景信息，要求它解释衣壳型噬菌体诱导染色体岛屿（cf-PICIs） 如何在不同细菌物种间传播。仅仅两天后，Co-Scientist独立提出了一个颠覆性的假说：cf-PICIs通过与不同的噬菌体尾部相互作用来扩大宿主范围。巧合的是，帝国理工学院的一个研究团队当时已经独立发现了这一机制，但尚未发表。Co-Scientist的假说与他们的实验发现高度一致，后者后来发表在《细胞》（Cell）杂志上。
传统研究耗时十年，AI仅用两天就达到了同样的成果。
📈 意义与局限：AI不是取代科学家，而是成为“副驾”
《自然》杂志同期配发的编辑文章标题意味深长：“为什么AI没有人类就无法做好科学”（https://www.nature.com/articles/d41586-026-01551-3）。
Co-Scientist的设计初衷是协助而非取代科学家。正如研究团队所强调的，这些系统旨在与科研人员协作，科学家始终处于决策流程之中。然而，Co-Scientist也存在明显的局限性：
知识受限：系统依赖开放获取的科学文献，可能遗漏付费墙后的关键研究，也缺乏负面实验结果的访问权限。
幻觉风险：继承了底层大模型的固有问题，包括事实性错误和幻觉。
验证仍属初步：所有实验结果都来自体外细胞实验，距离真正的临床应用还需要严格的临床前和临床评估。
潜在风险：不当使用可能导致科学可重复性危机恶化，或使研究方向趋于同质化。
🌈 结语：AI正成为科研流程中的协作者
Co-Scientist的发布，与谷歌同日宣布的 “Gemini for Science”计划紧密相关。谷歌首次系统性地将Gemini、AlphaEvolve、NotebookLM、Co-Scientist等能力整合为一套面向科研场景的AI工作流。
谷歌已与超过100家机构合作验证新系统和工具，包括斯坦福大学、帝国理工学院、克里克研究所等。
《科技日报》的评论说得恰到好处：“科研界来了两个不知疲惫的‘神仙助手’……过去可能耗费数年甚至一代人青春的学术研究，如今能在AI加持下按下快进键。”
Co-Scientist也许还不是真正意义上的“AI科学家”，但它已经展示了一种新的可能——AI不只是科研工具，而可能成为科研流程中的协作者。
在人类智慧与人工智能的协同下，科学发现的加速时代，正在到来。
诚邀您将已发表的最新论文投稿到计算摩擦学公众号！公众号拥有1w+关注者，将有效提升研究成果可见度，增加您的领域影响力！公众号文章需阐述研究背景、创新方法及核心结论，配图表！计算摩擦学公众号可发布文献分享、行业咨询、会议信息、招聘信息！来稿请将Word文档及论文PDF发送至478469605@qq.com！商务合作请加微信Hewhkl4。
如果你觉得文章对你有帮助，请不吝关注、推广本公众号。如果你想鼓励一下作者，请点击喜欢作者。如果你对文章内容有疑问，欢迎交流讨论。
