侃AI 00059 登上 Nature 的 AI 科学家：让一群智能体互殴、打擂台、迭代进化

潘力刚地产.激光.IT.AI医学

前世：

何以中国

今生：

读懂中国，认识中国，讲好中国故事，提高文化自信： 这就是中国

千里姻缘一线牵，公益相亲平台： 圆梦缘
科学、医学、人文、历史、文学、音乐、影视、摄影、数、理、化、计算机、人工智能、......： 仰望星空 文库
你在加拿大魁北克的家园： 蓬莱仙阁楼台 加拿大魁北克傍山依水家园 文库
赏心乐事谁家院： 好山好水好风光 文库
别时容易见时难： 千里江山 文库

千流归大海，高山入云端（数据总库）： 仰望星空脚踏实地 BECC CECC
勘、侃、龛、看人生： 圆桌派

逻辑思维

加中教育促进会 BECC-CECC 《仰望星空 文库》列表

侃AI by BECC-CECC 加中教育促进会

侃AI 00059 登上 Nature 的 AI 科学家：让一群智能体互殴、打擂台、迭代进化，它真的比人更会「想」吗？

人类科学史，本质上是一部「如何提出好问题」的历史。从牛顿被苹果砸中后追问「为什么往下落」，到爱因斯坦思考「如果追上一束光会怎样」，每一次范式跃迁的起点，往往不是数据的累积，而是一个出乎意料的假设。然而在今天，科学发现正面临一种奇特的困境：不是算力不够，不是数据太少，而是「想不出来」——提出一个新颖、可验证、有潜力的科研假设，正在成为整个流程中最难的一环。

现代生物医学研究者面临的挑战是空前的。PubMed 上每天新增的论文数以千计，一个科学家穷尽一生也只能读完自己小领域的沧海一粟。更要命的是，真正的突破往往发生在学科的交叉地带——微生物学家不懂 AI 算法，计算生物学家不熟悉临床细节。人的认知有边界，阅读速度有上限，思维容易陷在熟悉的知识框架里打转。而跨学科的知识组合，恰恰是产生高质量假设的重要来源。

Google DeepMind 在 2026 年 5 月发表于 Nature 的论文 Accelerating scientific discovery with Co-Scientist，正是针对这个「想」的问题给出的一套系统性解法——别让一个 AI 单干，让一群 AI 分工协作，像一支科研团队那样工作。它不会做实验，不会写论文，但它会在数小时内翻遍成千上万篇文献，生成一批候选假设，然后在系统内部经历「同行评议」「学术擂台赛」和「迭代进化」，最终把经过反复批判的、最有潜力的答案交到科学家手中。

这篇评论试图拆解这套系统的核心逻辑，梳理它在真实科研场景中的表现，并在此基础上追问一个更根本的问题：当 AI 开始介入「假设」这个环节，科学发现的本质会发生怎样的变化？人机协作的边界又在哪里？

一、「想」这件事，为什么 AI 可以插手？

「提出假设」在传统认知中被视为人类创造力的专属领地，难以形式化。它依赖专家的直觉、跨领域的联想能力、对实验可行性的判断，以及某种说不清道不明的「科学品味」。然而 DeepMind 团队敏锐地捕捉到了一个关键的突破口：假设生成虽然在宏观上看似玄妙，但在微观操作层面，它其实可以被拆解为「搜索—组合—评价—筛选」的可计算过程。

一篇好的假设，本质上是对已有知识的某种新颖重组。AI 在文献覆盖广度和无偏见搜索上天然优于人类——它不会因为学科归属而忽略某个领域，也不会因为某个假说听起来「太奇怪」而提前将其排除。但如果只是让一个 AI 模型来承担这一切，问题仍然存在：单一模型的输出受限于其训练数据和推理偏好，容易产生幻觉，也容易陷入自我强化的思维定势。

Co-Scientist 的突破在于，它将这个问题从一个「个体推理问题」转变为一个「群体博弈问题」——通过多智能体之间的辩论和竞争，让高质量的假设在对抗中自然浮现。

二、「脑暴—挑刺—打擂—进化」：一场思想锦标赛

Co-Scientist 建立在 Gemini 2.0 基础之上，但它的核心不是大模型本身，而是围绕它构建的一套多智能体架构。研究团队将其拆解为六个互相配合的角色：

第一，生成智能体。当科学家用自然语言输入一个研究目标（比如「寻找某种抗菌药物的耐药机制」）时，生成智能体便开始检索相关的科学文献和数据库，综合已有证据，提出一批初始候选假设。它不追求精确，而是追求广覆盖。

第二，邻近智能体。这个角色的任务是「画地图」——将生成智能体输出的假设进行聚类和映射，确保探索空间覆盖了足够多的方向，防止系统过早地收敛到某一条思路上。

第三，反思智能体。这是一个「虚拟同行评审」，会从六个维度（包括可验证性、新颖性、逻辑自洽性等）对每个候选假设进行严格的审查，专门挑毛病。它还会调用外部搜索工具来核查假设的事实基础，防止系统产生看似新颖但缺乏逻辑支撑的幻觉。反思智能体的存在，是 Co-Scientist 区别于普通「头脑风暴工具」的关键——系统内部自带了一条纠错回路。

第四，排名智能体。这是整个系统中最具戏剧性的一环。排名智能体将候选假设两两配对，组织模拟科学辩论，让两个假设在虚拟的「学术擂台」上正面交锋。每个假设必须为自己的合理性辩护，同时攻击对手的漏洞。裁判根据辩论结果给出胜负，系统据此更新每个假设的 Elo 评分（一种常用于棋类排名的动态积分系统）。经过多轮对战后，排名最高的假设脱颖而出。

第五，进化智能体。排名不是终点。进化智能体会提取排名最高的假设中的「优质基因」——比如一个有说服力的机制解释，或一个巧妙的实验设计——然后将其与其他假设中的元素进行组合、改进，生成新一代的候选假设。这个「锦标赛—进化」循环可以反复执行多轮，系统消耗的计算时间越长，输出假设的质量越高。

第六，元评审智能体。它负责全程监督和协调，从辩论和排名中提炼整体洞察，最终将最优的研究提案整理成系统化的报告，交还给人类科学家审查。

这六个角色形成了一个闭环：生成 → 批评 → 排序 → 进化 → 再批评……每一次循环，都是一次思想的「淬火」。系统不做湿实验，不自己动手验证，但它用计算换取了另一个维度的时间——把本应由人类专家花数周才能完成的文献综述、假设筛选和逻辑推演，压缩到了数小时之内。

三、真实战场：它真的能「想」出东西吗？

Nature 论文中最有说服力的部分，是对 Co-Scientist 的三项真实世界验证。这三项测试覆盖了科学发现的三个典型场景：药物再利用、新靶点发现和机制解释。

案例一：急性髓系白血病（AML）的药物再利用

AML 是一种侵袭性强的血癌。研究团队让 Co-Scientist 从约 2300 种已批准药物中筛选候选药物。系统提出了 Binimetinib、Pacritinib、Cerivastatin 等候选药物，并在体外细胞系实验中验证了其对 AML 细胞的抑制作用。更令人印象深刻的是，Co-Scientist 还独立提出了一些此前未被探索的药物组合方案，在 MOLM-13 细胞系中验证出了强协同效应。在专家盲评的 11 个开放生物医学问题中，Co-Scientist 在新颖性、影响力和整体偏好上都拿到了最高分。

案例二：肝纤维化的新药发现

肝纤维化是一种几乎无药可治的器官瘢痕疾病。斯坦福医学院的 Gary Peltz 团队向 Co-Scientist 提出了一个需求：在现有上市药物中寻找能治疗肝纤维化的候选药物。系统给出了三个建议。在后续的肝脏类器官实验室测试中，AI 选中的药物中有两个显著减少了纤维化，其中一个——FDA 已批准的抗癌药物 Vorinostat——将 TGFβ 诱导的染色质结构变化减少了 91%，还表现出促进肝脏再生的迹象。作为对比，Peltz 本人凭经验选出的两个药物在测试中均未达到同样效果。这让一些人机「竞赛」的味道显现出来：在某些特定场景下，AI 的「全景视野」确实超越了个体专家的经验直觉。

案例三：抗生素耐药性机制的独立推演

最戏剧化的案例来自伦敦帝国理工学院的 José Penadés 教授团队。他们多年来一直在研究一个奇怪的现象：一些微小的 DNA 碎片能够借助病毒的「尾部」在同种细菌之间传播，但为何完全相同的 DNA 碎片会出现在物种差异巨大的不同细菌中？这个跨物种跳跃的机制，团队花了数年时间才形成一个初步的猜想——这些 DNA 碎片不仅能在宿主细胞内部「偷」病毒尾巴，还能从邻近细菌那里「抢」来病毒尾巴。当团队把相关文献和问题输入 Co-Scientist 后，系统在两天内提出的头号假说，与人类科学家耗费数年才得出的结论完全一致。Penadés 事后回忆：「我真的被吓到了。」一个从未踏入过实验室的 AI，仅凭逻辑和数据推理，就精准重现了人类科学家数年的探索。

这三个案例有一个共同特征：Co-Scientist 并非在「创造」全新的知识，而是在「重组」现有知识，找出那些隐藏在文献缝隙里的、非显而易见的组合。而这个过程，恰恰是很多科学家最耗费心力、也最容易遗漏的环节。

四、人机对照：AI 和人类科学家「想」的方式有什么不同？

为了理解 Co-Scientist 带来的改变，有必要先厘清它与人类科学家在「想」这件事上的本质差异。

维度 人类科学家 Co-Scientist

文献覆盖 深但窄，依赖个人专业积累 广且快，可并行处理海量文献

跨领域联想 依赖个体经验，跨学科困难 无学科偏见，可任意组合

假设创新性 可能受制于既有知识框架 易跳出常规思路，但可能偏离实际

假设批判 依赖同行评议，周期长 系统内置「虚拟评审」，可实时迭代

认知偏见 受声誉、学派、个人偏好影响 无社会性偏见（但可能有训练数据偏见）

实验可行性判断 经验丰富，判断准确 依赖文献推断，可靠性存疑

责任承担 对结论负全责 不承担责任，需人类把关

这张表格揭示了一个关键结论：Co-Scientist 的优势集中在「搜索广度」和「无偏见筛选」上，而人类科学家的优势则在「深度判断」「领域直觉」和「责任伦理」上。两者不是替代关系，而是互补关系。这也正是其设计团队反复强调的核心立场：Co-Scientist 是一个协作工具，科学家的角色始终是最终决策者。

五、冷静审视：争议、局限与伦理困境

Co-Scientist 的发布引发了学术界的大量讨论，其中不乏尖锐的质疑。正视这些质疑，才能对这项技术有一个公允的评估。

争议一：真的「新颖」吗？

有批评者指出，Co-Scientist 提出的「新颖」假说，本质上是已有知识的组合，而非真正意义上的「创造」。在肝纤维化案例中，Vorinostat 作为抗癌药已被广泛研究，有人质疑 AI 并没有发现真正「新」的东西。这个批评触及了一个核心哲学问题：在科研中，什么算「新」？如果「新」仅指一种此前未被实验验证过的药物-疾病配对，那 Co-Scientist 确实达到了这个标准；但如果「新」意味着对基础机制的突破性洞察，当前的 AI 系统还有很长的路要走。

争议二：结果可信吗？

MIT 计算机视觉研究员 Sara Beery 公开表示，这个工具「虽然有趣，但似乎不太可能被认真使用」；北美西医疗中心的病理学家 Favia Dubyk 则指出 Google 公开的结果「过于模糊，没有任何科学家会当真」。罗彻斯特理工学院的 Ashique KhudaBukhsh 教授更冷静地指出：「我们不会真正理解这类工具的优势和局限，直到它在不同科学领域经过严格的、独立的评估」。这篇 Nature 论文只是一个开端，真正的考验还在漫长的实际应用过程中。

争议三：科学家的乐趣和创造力被忽视了吗？

索尼计算机科学实验室的 AI 研究员 Lana Sinapayen 提出了一个更人文的视角：对很多科学家来说，提出假说是科研过程中最具乐趣的部分。将这个环节交给机器，可能会让科学家失去工作的热情。这不是一个技术问题，而是一个职业身份认同问题——如果 AI 承担了科学发现中最核心的「想」，科学家的角色还有什么不可替代的价值？

争议四：安全和伦理

随着 AI 科学家能力的提升，其潜在的滥用风险也在增加。耶鲁大学等机构的研究团队在 Nature Communications 上发表了一篇重要分析，系统梳理了 AI 科学家的风险维度：在恶意意图下，AI 可能被用于设计有害实验或合成危险物质；即使在没有恶意的情况下，AI 的非预期行为也可能产生不可预见的后果。Google 的研究者也主动发布了一份伦理指南，强调在透明度、问责性、公平性等方面建立规范。

争议五：AI 能署名吗？

一个更为现实的问题是署名权。当前所有权威学术伦理指南——包括 COPE、ICMJE——都明确禁止将 AI 列为论文作者，理由是 AI 无法承担对研究准确性和伦理的责任。这意味着即使 AI 贡献了核心假设，最终的责任归属仍然在人类科学家身上。这个矛盾在未来几年内势必引发更激烈的讨论。

这些争议并不否定 Co-Scientist 的价值，而是揭示了一个重要事实：任何通用工具在进入一个高度复杂的专业领域时，都需要经过长期的文化调适和制度磨合。AI 在科研中的角色，是在争议中逐步被定义的。

六、范式转变：AI 如何重塑「科学发现」的前端

从更宏观的视角来看，Co-Scientist 的出现不是一个孤立事件，而是一股正在加速蔓延的趋势中的标志性一步。2026 年初，北京智源研究院将「AI Scientist 成为 AI4S 北极星」列为年度十大 AI 趋势之一，指出 AI 在科研中的角色正在「从辅助工具升级为自主研究的 AI 科学家」。与此同时，随着 MCP、A2A 等智能体通信协议的标准化，多智能体系统正逐步成为科研领域的「基础设施」——不止能干活，还能协同。

在同一天的 Nature 上，非营利研究机构 FutureHouse 也发布了名为「Robin」的多智能体科研助手系统，专注于实验生物学的自动数据分析。Robin 能在约 30 分钟内完成相当于人类专家 800 小时的工作量。两个系统同日发表在顶刊上，释放了一个清晰的市场信号：AI 正在从「单点工具」演进为「全流程伙伴」，科学发现的范式正在被重新书写。

从科研方法的演变来看，我们正在见证一个被称为「第五范式」的兴起——以「数据密集—智能涌现—人机协同」为核心特征的智能化科研新范式。前四个范式（实验科学、理论科学、计算科学、数据驱动科学）分别对应了人类在不同时代对「如何做研究」的解答，而第五范式的核心在于：AI 不再是被动的分析工具，而是主动参与到「提出假设」这一前端环节中。

写到这里，一个根本问题始终无法回避：当 AI 开始「想」，人类还能做什么？

Co-Scientist 的设计给出了一条很聪明的回答：它不取代人的判断，而是放大人的判断。科学家将研究目标输入系统后，从几十上百个候选假设中做选择、设计实验、做出最终决策——这些环节仍然由人类主导。AI 把「从 0 到 1」的生成过程加速了，但「从 1 到 100」的判断、验证和落地，仍然需要人类的智慧。

那么，AI 会不会让科研变得更同质化？如果大家都用同一套多智能体系统，会不会所有人的假设都朝着同一个方向收敛？这个担忧并非没有道理。多智能体系统的核心机制是辩论和竞争，如果所有用户都在同一个基础模型上运行相似的推理流程，生成相似的数据来源，那么它产出的假设多样性确实值得警惕。真正的创造力来自不同的提问方式、不同的背景知识和不同的价值判断。这些差异，恰恰是人类科学家提供的。

还有一个更个人化的角度：那些选择不依赖 AI 的研究者，会被整个系统抛弃吗？如果 AI 辅助成为常态，拒绝使用 AI 的科学家可能会在文献覆盖广度、假说生成速度和科研产出量上处于劣势。这会不会制造出一种新的数字鸿沟，甚至在学术竞争中形成一种隐性的「AI 军备竞赛」？这些问题没有轻松的答案。

回到那个听到 AI 推演结果后惊恐地向团队喊出「谁黑了我的电脑？」的教授身上。他的第一反应是恐惧，但最终他选择与 AI 合作，把它当作一个不知疲倦的「科研搭子」，用它来验证自己的猜想，甚至用它来探索自己未曾想到的方向。

这或许就是 Co-Scientist 最深的启示：科学发现的未来，既不是 AI 主宰一切，也不是人类坚守阵地，而是在「慢思考」与「快计算」之间找到一种新的平衡——人类提出好问题，AI 帮忙寻找可能的答案，然后人类再去验证、去质疑、去追问。相互较劲，也相互成就。