Nature | Co-Scientist: 加速科学发现的新一代 AI 科学家
一句话看懂：Google DeepMind 基于 Gemini 模型开发的多智能体系统 Co-Scientist，在 Nature 发表的研究中展示了 AI 不仅能总结文献，还能独立提出新假设、设计实验方案，并在药物再利用、靶点发现等真实生物医学任务中获得实验验证。
事件核心：发生了什么
研究团队提出了一种名为 Co-Scientist 的多智能体系统，基于 Google DeepMind 的 Gemini 模型构建。其核心机制是让多个专门智能体（生成、反思、排序、进化等）通过“生成—辩论—迭代”循环，结合外部搜索工具和科学辩论，持续优化研究假设。在 203 个不同研究目标的测试中，系统随着推理时间增加，生成假设的质量（Elo 评分）持续上升，且未出现性能饱和。在急性髓系白血病（AML）研究中，系统成功预测了 Binimetinib、KIRA6 等候选药物，体外实验验证其 IC50 值达到 10 nM 级别。在抗菌耐药机制研究中，系统仅用两天独立复现了尚未发表的实验发现。
为什么重要
Co-Scientist 的突破不在于“生成文本”，而在于模拟科学方法本身：通过异步多智能体架构模拟科研团队的协作流程。这意味着 AI 从“信息检索工具”转向“科研协作者”。当前系统已在肝纤维化靶点发现、药物协同组合设计（如 JQ1+Olaparib+MSA2 三联方案）等任务中展示出实验价值。由于系统采用开放获取文献并依赖模型推理，其在付费文献覆盖与消除幻觉方面仍存在局限，但 human-in-the-loop 的设计模式为 AI 辅助科研提供了一条可控路径。
对用户/开发者/创作者的影响
对生物医药研发人员而言，Co-Scientist 提供了一种新的假设生成工具，其输出的候选方案可直接进入体外实验验证。对 AI 开发者来说，该系统展示了 test-time compute scaling 在科学推理中的有效性——随着推理计算量增加，输出质量持续提升，这为优化推理成本提供了方向。对科研机构与药企而言，需要关注的是系统目前无法利用付费文献与负结果数据，这可能影响其在商业验证环境中的可靠性。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
首先，研究团队计划将 Co-Scientist 与实验室自动化平台连接，实现“闭环自动科学发现”，这将是真正的端到端自动化实验验证。其次，对于药物组合空间（指数级增长）的探索，AI 实验验证的效率对比传统筛选将是一个关键观察点。最后，系统如何处理付费文献壁垒以及负结果数据对模型幻觉的缓解效果，将决定其在工业级科研场景中的落地速度。
来源：Readhub · AI
