Towards an AI co-scientist
作者: Juraj Gottweis, Wei-Hung Weng, Alexander Daryin, Tao Tu, Anil Palepu, Petar Sirkovic, Artiom Myaskovsky, Felix Weissenberger, Keran Rong, Ryutaro Tanno, Khaled Saab, Dan Popovici, Jacob Blum, Fan Zhang, Katherine Chou, Avinatan Hassidim, Burak Gokturk, Amin Vahdat, Pushmeet Kohli, Yossi Matias, Andrew Carroll, Kavita Kulkarni, Nenad Tomasev, Yuan Guan, Vikram Dhillon, Eeshit Dhaval Vaishnav, Byron Lee, Tiago R D Costa, José R Penadés, Gary Peltz, Yunhan Xu, Annalisa Pawlosky, Alan Karthikesalingam, Vivek Natarajan
发布时间: 2025-02-27
来源: arxiv
研究方向: 人工智能辅助科学研究
主要内容
该论文介绍了一种名为AI co-scientist的多智能体系统，旨在辅助科学家进行科学研究。该系统基于Gemini 2.0模型，通过模拟科学方法中的推理过程，帮助科学家生成新的研究假设和实验方案。
主要贡献
1. 引入了AI co-scientist系统，该系统能够帮助科学家生成新的研究假设和实验方案。
2. 显著扩展了测试时计算范式，提高了科学推理能力。
3. 实现了专家在科学工作流程中的参与，使系统能够根据专家的反馈进行改进。
4. 在药物重用、新型治疗靶点发现和抗菌耐药机制解释等三个生物医学领域进行了端到端的验证。
研究方法
1. 多智能体架构
2. 异步任务执行框架
3. 自我改进的假设生成过程
4. 科学辩论
5. 锦标赛进化过程
6. 上下文记忆
7. 自然语言界面
8. 专家反馈
9. 实验验证
实验结果
AI co-scientist在药物重用、新型治疗靶点发现和抗菌耐药机制解释等三个生物医学领域都取得了积极的实验结果。例如，在药物重用方面，系统提出了对急性髓系白血病具有潜在疗效的候选药物；在新型治疗靶点发现方面，系统提出了新的表观遗传学靶点，该靶点在人类肝细胞器官中表现出显著的抗纤维化活性；在抗菌耐药机制解释方面，系统通过并行计算机模拟发现了细菌进化中的一种新的基因转移机制。
未来工作
未来工作将集中在以下几个方面：增强文献综述，提高事实核查能力，增加引文召回，减少遗漏相关研究；开发更客观的评估指标，包括基于文献的验证和模拟实验；扩展系统的能力，例如使用强化学习来改进假设排序、方案生成和进化改进；集成更多专用AI工具和数据库，以增强系统的能力。