科學發現是由科學家為複雜問題產生新穎假設,並經過嚴謹的實驗驗證所驅動的。為了增強這個過程,我們介紹 Co-Scientist,一個建構於 Gemini 的多代理 AI 系統,用於結構化科學思考和假設生成。Co-Scientist 的目標是協助科學家發現新的原創知識。在研究目標和先前科學證據的條件下,它會提出可證明的新穎研究假設以供實驗驗證。該系統的設計涉及代理不斷生成、批判和精煉假設,並透過擴展測試時的運算資源來加速。主要貢獻包括:(1) 具有非同步任務執行框架的多代理架構,用於靈活的運算擴展;(2) 用於自我改進假設生成的競賽演化過程。自動化評估顯示測試時的運算擴展持續帶來益處,隨著時間推移提高了假設的品質。雖然是通用系統,但我們將驗證重點放在三個生物醫學應用上:藥物再利用、新標靶發現 1 和解釋抗微生物抗藥性 2 的機制。具體來說,Co-Scientist 協助識別了治療急性骨髓性白血病的新藥再利用候選藥物和協同組合療法,這些療法已透過體外實驗得到驗證。這些真實世界的驗證證明了 Co-Scientist 加速科學發現的潛力,並開啟了由 AI 賦能的科學家時代。
科學 85
Co-Scientist 加速科學發現:基於 Gemini 的多代理 AI 系統
科學發現仰賴科學家提出新穎假設並進行嚴謹驗證。為此,研究團隊開發了 Co-Scientist,一個建構於 Gemini 的多代理 AI 系統,旨在結構化科學思考與生成假設,協助科學家發現原創知識。該系統能根據研究目標與既有科學證據,提出可驗證的新穎研究假設。透過持續生成、批判與精煉假設,並利用測試時的運算資源擴展,Co-Scientist 顯著加速了科學發現的過程。研究團隊在藥物再利用、新標靶發現及抗微生物抗藥性機制解釋等生物醫學領域進行了驗證,並成功識別出治療急性骨髓性白血病的潛在新藥及協同療法,經實驗室驗證證實了其潛力。
值得注意此研究展示了 AI 在加速科學發現方面的重大進展,可能對學術研究和製藥產業產生深遠影響。
原文來源: Nature