AI co-scientist 系統(tǒng)基于 Gemini 2.0 開發(fā)，能夠協(xié)助科研人員生成新的研究假設(shè)、制定實(shí)驗(yàn)方案，并通過自我改進(jìn)提升結(jié)果質(zhì)量。在生物醫(yī)學(xué)應(yīng)用中，AI co-scientist 成功預(yù)測了藥物再利用方向、提出新的治療靶點(diǎn)，并解釋了抗菌耐藥機(jī)制。
在科學(xué)探索的過程中，研究人員需要對(duì)以往發(fā)表的文獻(xiàn)進(jìn)行觀察總結(jié)，提出一些新穎、可行的研究方向，最后通過全面的實(shí)驗(yàn)進(jìn)行 idea 驗(yàn)證。
科研人員需要對(duì)探索的寬度和深度進(jìn)行平衡，由于精力有限，不能探索過多的研究方向，同時(shí)還要保證對(duì)目標(biāo)主題的研究深度。
最近，谷歌、斯坦福大學(xué)等機(jī)構(gòu)的研究人員開發(fā)了一個(gè)多智能體、基于 Gemini 2.0 的 AI 協(xié)同科研（AI co-scientist）系統(tǒng)，具備跨復(fù)雜主題的綜合能力和進(jìn)行長期規(guī)劃、推理的能力，除了傳統(tǒng)的文獻(xiàn)綜述、總結(jié)功能之外，還可以輔助科研人員提出新的、原創(chuàng)知識(shí)，或是基于先前的成果制定研究假設(shè) (hypotheses) 和計(jì)劃 (proposal)。
論文鏈接：https://storage.googleapis.com/coscientist_paper/ai_coscientist.pdf
AI co-scientist 系統(tǒng)的輸入為一段用自然語言描述的研究目標(biāo)，輸出為全新的研究假設(shè)、詳細(xì)的研究概述和實(shí)驗(yàn)方案。
根據(jù)科研活動(dòng)本身的特性，開發(fā)者設(shè)計(jì)了多個(gè)專用智能體用來「生成、反思、排名、進(jìn)化、鄰近性檢查、元審查（meta review）」，使用自動(dòng)反饋信號(hào)來迭代生成、評(píng)估和改進(jìn)假設(shè)，構(gòu)成了一個(gè)自我修正、改進(jìn)的循環(huán)機(jī)制，逐步生成質(zhì)量更高、創(chuàng)新性更好的假設(shè)。
系統(tǒng)的核心思路就是「協(xié)助科研」，所以開發(fā)者設(shè)計(jì)了多種方式讓研究人員與系統(tǒng)進(jìn)行互動(dòng)，比如「直接提供種子想法」進(jìn)行探索或是對(duì)生成的結(jié)果提供「自然語言反饋」。
系統(tǒng)還用到了外部工具，如網(wǎng)絡(luò)搜索和專用 AI 模型，以增強(qiáng)生成假設(shè)的依據(jù)和質(zhì)量。
AI co-scientist 將分配的目標(biāo)解析為研究計(jì)劃配置，由監(jiān)督智能體（supervisor agent）負(fù)責(zé)將專用智能體分配到工作隊(duì)列并分配資源，使得系統(tǒng)能夠靈活擴(kuò)展計(jì)算能力，并迭代地提高其科學(xué)推理能力，以實(shí)現(xiàn)指定的研究目標(biāo)。
測試時(shí)計(jì)算（test-time compute）
AI co-scientist 使用「測試時(shí)計(jì)算」技術(shù)來迭代推理、進(jìn)化和改進(jìn)輸出，如進(jìn)行自我對(duì)弈（self-play）科學(xué)辯論以生成新假設(shè)，對(duì)所有假設(shè)進(jìn)行質(zhì)量排名對(duì)比，或是不斷進(jìn)化假設(shè)等，可以讓智能體不斷進(jìn)行自我批評(píng)，使用工具進(jìn)行反饋以細(xì)化假設(shè)和提案。
論文鏈接：https://arxiv.org/ abs / 2408.03314
系統(tǒng)的自我提升能力主要依賴于 Elo 自動(dòng)評(píng)估指標(biāo)，通過對(duì)模型的輸出進(jìn)行對(duì)比競賽，最終可以得到一個(gè) Elo 值，研究人員分析了 Elo 自動(dòng)評(píng)級(jí)與 GPQA 中 diamond set（有難度的問題集合）準(zhǔn)確率的匹配度，結(jié)果發(fā)現(xiàn) Elo 評(píng)級(jí)與輸出質(zhì)量呈正相關(guān)。
AI co-scientist（藍(lán)色線）和 Gemini 2.0（紅色線）的平均準(zhǔn)確率對(duì)比，按 Elo 評(píng)級(jí)分組
七位領(lǐng)域?qū)＜以谄鋵I(yè)領(lǐng)域內(nèi)精心挑選了 15 個(gè)開放研究目標(biāo)和最佳解決方案，使用自動(dòng)化的 Elo 指標(biāo)，結(jié)果發(fā)現(xiàn) AI co-scientist 在復(fù)雜問題上的表現(xiàn)優(yōu)于其他最先進(jìn)的智能體和推理模型。
隨著系統(tǒng)在推理和改進(jìn)上花費(fèi)更多時(shí)間，結(jié)果的自我評(píng)估質(zhì)量提高，并超越了模型和無助的人類專家。
結(jié)果也驗(yàn)證了「使用從科學(xué)方法中歸納出的先驗(yàn)知識(shí)」進(jìn)行「測試時(shí)計(jì)算」擴(kuò)展的優(yōu)勢：系統(tǒng)在推理和改進(jìn)上花費(fèi)的時(shí)間越多，結(jié)果的自我評(píng)估質(zhì)量越高，最終超越了其他模型和人類專家。
AI co-scientist 的性能會(huì)隨著系統(tǒng)在計(jì)算上花費(fèi)時(shí)間更多而逐步提高
在 11 個(gè)研究目標(biāo)的小子集上，專家們評(píng)估了 AI co-scientist 生成結(jié)果相對(duì)于其他基線模型在新穎性（novelty）和影響潛力（impact）的總體偏好，雖然樣本量較小，但專家們普遍認(rèn)為 AI co-scientist 更受歡迎，與之前引入的 Elo 自動(dòng)評(píng)估指標(biāo)一致。
真實(shí)場景應(yīng)用
藥物再利用治療急性髓系白血病
藥物研發(fā)是一個(gè)耗時(shí)且昂貴的流程，新的治療方法需要重新啟動(dòng)發(fā)現(xiàn)和開發(fā)流程，以治療不同的適應(yīng)癥或疾病。
藥物再利用（drug repurposing）通過發(fā)現(xiàn)現(xiàn)有藥物超出其原始預(yù)期用途的新治療應(yīng)用來克服該難題，但由于任務(wù)復(fù)雜，需要廣泛的跨學(xué)科專業(yè)知識(shí)。
研究人員使用 AI co-scientist 來輔助預(yù)測潛在的藥物再利用研究方向，模型提出了針對(duì)急性髓系白血?。ˋML）全新的、可再利用的候選藥物，隨后與合作團(tuán)隊(duì)通過計(jì)算生物學(xué)、專家臨床醫(yī)生反饋和體外實(shí)驗(yàn)驗(yàn)證了模型的預(yù)測結(jié)果，證實(shí)該藥物在多個(gè) AML 細(xì)胞系中，在臨床相關(guān)濃度下能夠抑制腫瘤活力。
三種新型 AI 合科學(xué)家預(yù)測的 AML 再利用藥物之一的有效劑量反應(yīng)曲線；KIRA6 在臨床相關(guān)濃度下抑制 KG-1（AML 細(xì)胞系）的存活，能夠在較低藥物濃度下降低癌細(xì)胞存活，減少了脫靶副作用的可能性
推進(jìn)肝纖維化目標(biāo)發(fā)現(xiàn)
識(shí)別新型治療靶點(diǎn)比藥物再利用更復(fù)雜，通常會(huì)導(dǎo)致假設(shè)選擇效率低下、體外及體內(nèi)實(shí)驗(yàn)優(yōu)先級(jí)排序不當(dāng)。人工智能輔助靶點(diǎn)發(fā)現(xiàn)有助于簡化實(shí)驗(yàn)驗(yàn)證過程，降低開發(fā)時(shí)間成本。
AI co-scientist 通過識(shí)別基于臨床前證據(jù)并具有顯著抗纖維化活性的表觀遺傳學(xué)靶點(diǎn)（3D、多細(xì)胞組織培養(yǎng)，由人類細(xì)胞衍生并設(shè)計(jì)來模擬人類肝臟的結(jié)構(gòu)和功能），展現(xiàn)了其在提出、排序和生成針對(duì)發(fā)現(xiàn)假設(shè)的假設(shè)和實(shí)驗(yàn)方案方面的潛力，相關(guān)報(bào)告即將與合作者斯坦福大學(xué)共同發(fā)布。
AI co-scientist 建議的治療方案與纖維化誘導(dǎo)劑（陰性對(duì)照）和抑制劑（陽性對(duì)照）的治療效果對(duì)比
解釋抗菌藥物耐藥機(jī)制
研究人員指示 AI co-scientist 探索小組內(nèi)已經(jīng)進(jìn)行過新穎發(fā)現(xiàn)但尚未公開的課題，解釋囊膜形成噬菌體誘導(dǎo)的染色體島（cf-PICIs）如何在多種細(xì)菌物種中存在？
「微生物進(jìn)化出的抵抗感染治療藥物的機(jī)制」涉及到理解基因轉(zhuǎn)移（接合、轉(zhuǎn)導(dǎo)和轉(zhuǎn)化）的分子機(jī)制，以及推動(dòng)抗菌藥物耐藥性（AMR）基因傳播的生態(tài)和進(jìn)化壓力。
AI co-scientist 系統(tǒng)獨(dú)立提出，cf-PICIs 與多種噬菌體尾部相互作用以擴(kuò)大宿主范圍，在之前進(jìn)行的實(shí)驗(yàn)中得到了驗(yàn)證，進(jìn)一步說明 AI co-scientist 作為輔助技術(shù)的價(jià)值，能夠利用數(shù)十年前的研究結(jié)果。
AI co-scientist 重新發(fā)現(xiàn)新型基因轉(zhuǎn)移機(jī)制的時(shí)間線。藍(lán)色：cf-PICI 發(fā)現(xiàn)實(shí)驗(yàn)研究流程時(shí)間線。紅色：AI co-scientist 在沒有先驗(yàn)知識(shí)的情況下發(fā)展和重現(xiàn)這些關(guān)鍵發(fā)現(xiàn)
參考資料：
https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/
本文來自微信公眾號(hào)：新智元（ID：AI_era）
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。