Google DeepMind搞了个”AI科研搭档”
科学家做研究，最花时间的是啥？不是做实验，是”想假设”和”查文献”。一个靠谱的假设，往往要读几百篇论文、反复试错几个月甚至几年。Google DeepMind最近发布了一个叫Co-Scientist的多智能体系统，目标是让AI来干这件事。
这个系统基于Gemini构建，但跟普通的聊天机器人不一样。它不是你问它答，而是真的在”做科研”——生成假设、跟自己”讨论”、再去文献里找证据验证，然后反复迭代，直到假设站得住脚。
普通LLM的问题在于：它不确定时会瞎编，而且不会主动承认”这个结论有矛盾”。Co-Scientist的核心是，它能在多个专业智能体之间制造”争论”，让它们在讨论中发现逻辑漏洞，然后自己去文献里找证据修补。
三个步骤，模拟科学家的思考过程
Co-Scientist的运作分三个阶段：生成、讨论、验证。
生成阶段，系统会根据你给的研究方向，产生一批可能的假设。这些假设不是随机生成的，而是基于已有的科学文献和数据库。
讨论阶段最有意思。系统里有好几个”智能体”，每个扮演不同的角色——有的负责挑刺，有的负责找支持证据，有的负责检查逻辑一致性。它们会互相”吵架”，直到对某个假设达成一致意见。
验证阶段，系统会去查文献，看看这个假设跟已知的研究是否矛盾，有没有实验数据支持。如果有矛盾，它会回过头去修正假设，然后重新走一遍流程。
已经在用的场景
Google已经在跟Google Cloud和Google Labs合作，让研究人员试用这个系统。目前的反馈是，它在”假设筛选”这个环节特别有用——人类科学家往往靠直觉和经验来判断一个假设值不值得深究，但直觉会出错，经验有盲区。Co-Scientist能把这些假设结构化地过一遍，帮人更快地找到值得深挖的方向。
特别值得关注的是，Google正在把它应用到ALS（肌萎缩侧索硬化症）的疗法开发，还有衰老研究。这两个领域都有一个共同点：数据极其复杂，变量极多，人类研究者很难把所有线索串起来。AI的优势正好在这里——它能同时处理海量文献，发现人眼看不到的模式。
下一步是跟实验自动化打通
现在的Co-Scientist还停留在”纸上谈兵”阶段——它能生成和验证假设，但验证完了，还得人类去做实验。Google的下一步计划，是把这个系统跟实验自动化系统整合起来，让AI生成的假设能直接在实验室里被验证。
如果这一步实现了，科研的效率提升会是数量级的。现在从一个假设到发表论文，往往要几年。如果假设生成、验证、实验、数据分析全都能由AI加速，可能几个月就能走完。
当然，这里有个绕不开的问题：AI生成的假设，如果连人类都理解不了为啥它对，那还敢不敢照着做实验？这个问题，可能比技术本身更难回答。