Google’s nya AI “Co-Scientist” syftar till att accelerera vetenskapliga upptäckter

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

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. Google’s senaste verktyg, testat 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 mening av informationsöverbelastning och föreslå insikter som en människa kan missa.

Denna “AI co-scientist”, som Google kallar det, är inte en fysisk robot i ett laboratorium, utan ett sofistikerat programsystem. Det är byggt på Google’s nyaste AI-modeller (främst Gemini 2.0-modellen) och speglar sättet forskare tänker – från brainstorming till idékritik. Istället för att bara sammanfatta kända fakta eller söka efter artiklar, är systemet avsett att avslöja ursprunglig kunskap och föreslå verkligen 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 vetenskapliga tillämpningar för AI, efter att ha demonstrerat framgångar som AlphaFold, som använde AI för att lösa 50-åriga pusslet med proteinveckning. Med AI co-scientist hoppas de kunna “accelerera upptäckternas klockhastighet” inom områden från biomedicin till fysik.

AI co-scientist (Google)

Hur en AI Co-Scientist Fungerar

Under huven är Google’s AI co-scientist 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 Google’s forskningsteam, så fungerar processen på följande sätt:

• Genereringsagent – gräver i relevant forskning och syntetiserar befintliga resultat för att föreslå nya vägar eller hypoteser.
• Reflekterande agent – fungerar som en peer reviewer, 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.
• Evolutionsagent – tar de bäst rankade hypoteserna och finslipar dem ytterligare, använder analogier eller förenklar koncept för tydlighet för att förbättra förslagen.
• Meta-granskningsagent – 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 under alla stadier. AI co-scientist fungerar 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 “specialbyggt för samarbete”, vilket innebär att forskare kan infoga sina egna ursprungsidéer 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-scientist-agenter (Google)

En Snabbare Väg till Genombrott

Genom att outsourca en del av forskningsarbetet – uttömmande litteraturgenomgång och initial brainstorming – till en outtröttlig maskin, hoppas forskare kunna dramatiskt påskynda upptäckter. AI co-scientist kan läsa många fler artiklar än någon människa, och den slutar aldrig generera färska idéer. 

“Det har potentialen att påskynda forskarnas ansträngningar att hantera stora utmaningar inom vetenskap och medicin,” skrev projektets forskare i artikeln. Tidiga resultat är uppmuntrande. I en studie som fokuserade på leverfibros (skador på levern), rapporterade Google att varje tillvägagångssätt som AI co-scientist föreslog visade lovande förmåga att hämma drivkrafterna för sjukdomen. 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 förfinade AI lösningar som experter ursprungligen föreslog, vilket indikerar att den kan lära sig och lägga till inkrementell värde utöver mänsklig expertis med varje iteration.

Ett annat anmärkningsvärt test involverade det besvärliga problemet med antibiotikaresistens. Forskare gav AI i uppgift att förklara hur ett visst genetiskt element hjälper bakterier att sprida sina läkemedelsresistenta 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 att 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-scientist under hypotesgenerering,” noterade författarna. Med andra ord, AI lyckades återupptäcka en nyckelinsikt 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.

Implikationerna av sådan hastighet och tvärvetenskaplig räckvidd är enorma. Genombrott sker ofta när insikter från olika områden 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 kan förbise. Google’s DeepMind-enhet har redan visat hur omvälvande AI i vetenskap kan vara med AlphaFold, som förutsåg 3D-strukturer av proteiner och hyllades som ett stort språng för biologi. Den prestationen, som påskyndade läkemedelsupptäckt och vaccinutveckling, till och med gav DeepMind-teamet en del av vetenskapens högsta utmärkelser (inklusive erkännande kopplat till Nobelpriset). 

Den nya AI co-scientist 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 komprimerar år av trial-and-error till en mycket kortare tidsram.