Nature：谷歌DeepMind推出AI科学家，独立自主做研究，发现抗癌药物、揭示新靶点、提出抗生素耐药新机制

撰文丨王聪

编辑丨王多鱼

排版丨水成文

如今的科学家们正面临着广度与深度的难题。科学主题的复杂性，要求越来越深且具体的学科专业知识，然而，跨学科知识的融会贯通仍可能带来深刻的洞见。随着研究论文的迅速增加以及众多专业技术的发展，掌握学科内部的深度知识以及跨学科的洞察力，都颇具挑战性。

与此同时，人工智能（AI）在通用智能和协作系统方面取得了快速的技术进步，这可能会使科学家能够创造性地跨越学科领域进行探索，并能够熟练地进行跨领域推理。这类系统具备高级推理、多模态理解和智能体行为的能力，例如能够使用工具在长时期内解决复杂任务。此外，蒸馏和推理时间计算成本的趋势表明，这类通用型人工智能系统正迅速变得更容易获取。

2026 年 5 月 19 日，谷歌 DeepMind、谷歌研究院及谷歌云的研究人员合作，在国际顶尖学术期刊Nature上发表了题为：Accelerating scientific discovery with Co-Scientist 的研究论文。

科学发现是由科学家针对复杂问题提出新颖假说，并经过严格的实验验证所推动的。为了增强这一过程，研究团队推出了Co-Scientist，这是一个基于Gemini构建的多智能体人工智能系统（multi-agent AI system），用于结构化科学思维和假说生成，它就像一个不知疲倦、博闻强识的“AI 科学家”，旨在帮助人类科学家加速科学发现。

研究团队重点在三个生物医学应用中验证了 Co-Scientist 的能力：老药新用、新靶点发现以及解释抗生素耐药性的机制。Co-Scientist 帮助确定了急性髓系白血病（AML）的老药新用候选药物和协同组合疗法，并在体外实验中得到了验证。这些真实世界的验证实验证实了 Co-Scientist 加速科学发现的潜力，开启了 AI 赋能科学家的新时代。

Co-Scientist：一套会“吵架”和“进化”的AI团队

Co-Scientist建立在谷歌强大的大语言模型Gemini之上。但它的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。

如果把传统的 AI 比作一个简单的问答机器，那 Co-Scientist 就是一个分工明确的虚拟研究团队。当你向它输入一个研究目标（比如“寻找治疗某罕见病的新药”），系统内部会异步调度多个专属AI 智能体协同工作：

1、生成智能体（Generation Agent）：负责大开脑洞，提出海量可能的假说。

2、反思智能体（Reflection Agent）：充当严苛的审稿人，通过联网搜索文献，专门挑刺、指出逻辑漏洞，防止 AI “一本正经地胡说八道”（即所谓的幻觉）。

3、排名智能体（Ranking Agent）：把假说拉进“学术擂台赛”，进行两两对决，通过找胜负规律排出座次。

4、邻近智能体（Proximity Agent）：计算研究假说和提案之间的相似度，不直接参与假说的生成，但协助排名智能体组织竞赛匹配，并展示与研究目标相关的各种想法，帮助科学家能够快速探索感兴趣的领域，并轻松识别相关概念。

5、进化智能体（Evolution Agent）：胜出的假说并不是终点，该智能体会吸取败北的假说的优点，对胜出假说进行重组和迭代优化。

6、审查智能体（Meta-review Agent）：负责把控大局，保证整体方向不跑偏。

这种类似生物进化的“锦标赛机制”，让 Co-Scientist 能够随着思考时间的延长（测试时计算放大），不断逼近最优解。在对 203 个不同科学领域目标的测试中，它的表现不仅碾压了此前的 SOTA 模型，甚至超越了人类专家的第一直觉。

更重要的是，它是一个完美的“科研副驾”，科学家可以随时用自然语言与它对话，提供反馈，甚至直接扔给它一个初步想法，让它去无限拓展和完善。

AI 做出的发现，能在实验室里实现吗？

一套理论再完美，也需要接受现实的“毒打”。为了验证 Co-Scientist 的实战能力，研究团队在三个极具挑战性的生物医学领域对其进行了“真刀真枪”的湿实验（实验室实操）验证。

1、寻找急性髓系白血病（AML）的“老药新用”

众所周知，研发一款新药动辄需要十亿美金和十年时间。而“老药新用”是一种性价比极高的策略。研究团队让 Co-Scientist 在 2300 种已获批的药物中，寻找能治疗急性髓系白血病（AML）的候选药物。

经过复杂的推算，Co-Scientist 锁定了 5 种候选药物。在随后的实验室细胞测试中，这 5 种候选药物均不同程度抑制了 AML 癌细胞的活性，其中，Binimetinib（一种 MEK1/2 抑制剂，主要用于治疗 BRAF V600 突变阳性的不可切除或转移性黑色素瘤）、Pacritinib（一种 JAK2 抑制剂，主要用于治疗伴有严重血小板减少症的骨髓纤维化成人患者）和Cerivastatin（一种他汀类降脂药物 ,曾用于治疗高胆固醇血症和心血管疾病）尤为出色，表现出了强大的抑制效果。这些发现为复发/难治性白血病患者带来了新的希望。

2、挖掘肝纤维化的全新治疗靶点

在肝纤维化的研究中，传统的生物推断往往充满不确定性。Co-Scientist 被要求寻找全新的表观遗传靶点。它不仅成功提出了靶点，后续的湿实验还证实，这些 AI 发现的靶点能在人类肝脏类器官中展现出显著的抗纤维化活性和肝细胞再生能力。

3、破解细菌的抗生素耐药之谜

抗生素耐药性（AMR）是全球公共卫生的重大威胁。研究团队给 Co-Scientist 下了一个极具前瞻性的任务：在不提供任何已发表文献的前提下，让它推测“衣壳形成型噬菌体诱导染色体岛”（cf-PICI）是如何跨越不同细菌物种存在的。cf-PICI 是一类特殊的可移动遗传元件，广泛存在于细菌基因组中，能够在特定条件下被激活并实现跨物种水平基因转移。

Co-Scientist 只用了短短两天时间就完全独立地推导出了一个极其前沿的机制——cf-PICI 通过与多种噬菌体尾部相互作用来扩展宿主范围。值得一提的是，这一机制与另一个独立的研究团队后来发表于Cell期刊实验结果相吻合，而 Co-Scientist 提出这一机制时，这篇论文尚未进行同行评议。这进一步证明了 Co-Scientist 具有通过综合复杂的科学信息并生成与专家水平相当的严谨科学假说，具有加速科学发现的潜力。

AI 会取代科学家吗？

从提出假说，到自我辩论、优胜劣汰，再到最终产出可供实验验证的顶级学术灵感，Co-Scientist向我们展示了通用人工智能（AGI）在复杂科学推理和跨领域知识整合上的巨大潜力。

但谷歌团队强调，Co-Scientist的设计初衷并非取代人类，而是为了开启一个 “人类科学家主导，AI 赋能” 的全新协同范式。它把科学家从繁琐的文献筛选和初期试错中解放出来，让他们能站在 AI 的肩膀上，更专注地去触碰真理的边界。

毕竟，提出一个问题，往往比解决一个问题更重要。而现在，我们可能有了一个不知疲倦的“超级大脑”，能和我们并肩作战，一起去回答那些关乎人类命运的终极问题。

论文链接：

https://www.nature.com/articles/s41586-026-10644-y