Googles nya AI “Co-Scientist” syftar till att påskynda vetenskapliga upptäckter

Föreställ er en forskningspartner som har läst alla vetenskapliga artiklar ni har, outtröttligt brainstormar nya experiment dygnet runt. Google (GOOGL ) försöker förverkliga denna vision med ett nytt AI-system som är utformat för att fungera som en “co-vetenskapsman”.

Denna AI-drivna assistent kan gå igenom enorma bibliotek av forskning, föreslå färska hypoteser och till och med skissa på experimentplaner – allt i samarbete med mänskliga forskare. Googles senaste verktyg, som testats vid Stanford University och Imperial College London, använder avancerad resonemang för att hjälpa forskare att syntetisera berg av litteratur och generera nya idéer. Målet är att påskynda vetenskapliga genombrott genom att göra sig av med informationsöverbelastning och föreslå insikter som en människa kanske missar.

Denna “AI-co-vetenskapsman”, som Google kallar det, är inte en fysisk robot i ett laboratorium, utan ett sofistikerat programsystem. Det är byggt på Googles senaste AI-modeller (främst Gemini 2.0-modellen) och speglar sättet forskare tänker – från brainstorming till att kritisera idéer. Istället för att bara sammanfatta kända fakta eller söka efter papper är systemet avsett att avslöja originalkunskap och föreslå genuint nya hypoteser baserat på befintliga bevis. Med andra ord, det hittar inte bara svar på frågor – det hjälper till att uppfinna nya frågor att ställa.

Google och dess AI-enhet DeepMind har prioriterat vetenskapsapplikationer för AI, efter att ha demonstrerat framgångar som AlphaFold, som använde AI för att lösa det 50-åriga pusslet med proteinveckning. Med AI-co-vetenskapsmannen hoppas de “påskynda upptäckternas klockhastighet” inom områden från biomedicin till fysik.

AI-co-vetenskapsman (Google)

Hur en AI-co-vetenskapsman fungerar

Under huven är Googles AI-co-vetenskapsman i själva verket sammansatt av flera specialiserade AI-program – tänk på dem som ett team av super-snabba forskningsassistenter, var och en med en specifik roll. Dessa AI-agenter arbetar tillsammans i en pipeline som imiterar den vetenskapliga metoden: en genererar idéer, andra kritiserar och finslipar dem, och de bästa idéerna skickas vidare till den mänskliga forskaren.

Enligt Googles forskarteam är detta hur processen utvecklas:

• Genereringsagent – gräver i relevant forskning och syntetiserar befintliga resultat för att föreslå nya vägar eller hypoteser.
• Reflekterande agent – fungerar som en peer reviewer, som kontrollerar noggrannheten, kvaliteten och nyheten hos de föreslagna hypoteserna och rensar bort felaktiga idéer.
• Rankningsagent – genomför en “turnering” av idéer, effektivt låter hypoteserna tävla i simulerade debatter, och sedan rankar dem baserat på vilka som verkar mest lovande.
• Närhetsagent – grupperar liknande hypoteser tillsammans och eliminerar dubbletter så att forskaren inte granskar upprepade idéer.
• Utvecklingsagent – tar de högst rankade hypoteserna och finslipar dem ytterligare, med analogier eller förenklar koncept för tydlighet för att förbättra förslagen.
• Meta-granskare – sammanställer slutligen de bästa idéerna till en sammanhängande forskningsförslag eller översikt för den mänskliga forskaren att granska.

Avgörande är att den mänskliga forskaren förblir i loopet vid varje stadium. AI-co-vetenskapsmannen arbetar inte i isolering eller fattar slutgiltiga beslut på egen hand. Forskare börjar med att mata in ett forskningsmål eller en fråga på naturligt språk – till exempel ett mål att hitta nya strategier för att behandla en viss sjukdom – tillsammans med eventuella relevanta begränsningar eller initiala idéer de har. AI-systemet går sedan igenom cykeln ovan för att producera förslag. Forskaren kan ge feedback eller justera parametrar, och AI kommer att iterera igen.

Google byggde systemet för att vara “syftat för samarbete”, vilket innebär att forskare kan infoga sina egna idéer eller kritik under AI-processen. AI kan till och med använda externa verktyg som webbsökning och andra specialiserade modeller för att dubbelkolla fakta eller samla in data medan den arbetar, vilket säkerställer att dess hypoteser är grundade i uppdaterad information.

AI-co-vetenskapsman-agenter (Google)

En snabbare väg till genombrott

Genom att outsourca en del av forskningsarbetet – uttömmande litteraturgenomgångar och initial brainstorming – till en outtröttlig maskin, hoppas forskare att dramatiskt påskynda upptäckter. AI-co-vetenskapsmannen kan läsa långt fler artiklar än någon människa, och den slutar aldrig att generera färska idékombinationer att prova.

“Det har potentialen att påskynda forskarnas ansträngningar att hantera stora utmaningar inom vetenskap och medicin”, skrev projektforskarna i artikeln. Tidiga resultat är uppmuntrande. I en prövning som fokuserade på leverfibros (skador på levern), rapporterade Google att varje tillvägagångssätt som AI-co-vetenskapsmannen föreslog visade lovande förmåga att hämma sjukdomsdrivare. I själva verket var AI:s rekommendationer i det experimentet inte skott i mörkret – de stämde överens med vad experter anser vara trovärdiga ingrepp.

Dessutom visade systemet en förmåga att förbättra mänskligt konstruerade lösningar över tid. Enligt Google fortsatte AI att finslipa och optimera lösningar som experter initialt hade föreslagit, vilket indikerar att den kan lära sig och lägga till inkrementell värde utöver mänsklig expertis med varje iteration.

En annan anmärkningsvärd test involverade det besvärliga problemet med antibiotikaresistens. Forskare gav AI i uppgift att förklara hur ett visst genetiskt element hjälper bakterier att sprida sina resistenta egenskaper. Okänt för AI hade ett separat vetenskapligt team (i en ännu opublicerad studie) redan upptäckt mekanismen. AI gavs endast grundläggande bakgrundsinformation och ett par relevanta artiklar, sedan lämnades den till sig själv. Inom två dagar nådde den samma hypotes som de mänskliga forskarna hade.

“Denna upptäckt validerades experimentellt i den oberoende forskningsstudien, som var okänd för co-vetenskapsmannen under hypotesgenerering”, noterade författarna. Med andra ord, AI lyckades återupptäcka en viktig insikt på egen hand, vilket visar att den kan koppla punkter på ett sätt som kan mäta sig med mänsklig intuition – åtminstone i fall där tillräckligt med data finns.

Konsekvenserna av sådan hastighet och tvärvetenskaplig räckvidd är enorma. Genombrott sker ofta när insikter från olika fält kolliderar, men ingen enskild person kan vara expert på allt. En AI som har absorberat kunskap över genetik, kemi, medicin och mer kan föreslå idéer som mänskliga specialister kanske förbiser. Googles DeepMind-enhet har redan visat hur omvälvande AI i vetenskap kan vara med AlphaFold, som förutsade 3D-strukturer av proteiner och hyllades som ett stort framsteg för biologi. Den prestationen, som påskyndade läkemedelsupptäckt och vaccinutveckling, vann till och med DeepMinds team en del av vetenskapens högsta utmärkelser (inklusive erkännande kopplat till Nobelpriset).

Den nya AI-co-vetenskapsmannen syftar till att bringa liknande språng till vardaglig forskningsbrainstorming. Medan de första tillämpningarna har varit inom biomedicin, kan systemet i princip appliceras på vilket vetenskapligt område som helst – från fysik till miljövetenskap – eftersom metoden för att generera och granska hypoteser är disciplin-agnostisk. Forskare kan använda det för att jaga nya material, utforska klimatlösningar eller upptäcka nya matematiska satser. I varje fall är löftet detsamma: en snabbare väg från fråga till insikt, potentiellt komprimerande år av trial-and-error till en mycket kortare tidsram.