Google DeepMind 推出 Gemini for Science：加速科学发现的新工具集

# Google DeepMind 推出 Gemini for Science：加速科学发现的新工具集

几个世纪以来，科学方法一直是人类进步的最伟大引擎。在 Google，我们的使命深深植根于构建加速这一进程的工具。我们相信，发现的新时代不会来自狭窄的专业模型，而是来自能够赋能各个科学领域研究人员的通用智能体。

正因如此，我们推出了 Gemini for Science，这是一套旨在扩大科学探索规模和精度的科学工具与实验集合。

提升人类创造力的倍增器

如今，科学面临一个悖论：我们的集体知识增长如此之快，以至于个人科学家越来越难以把握全局。科学突破往往依赖于在数据之间建立创造性的联系，但手动完成这些工作可能需要数周甚至数月的时间。人工智能可以通过处理复杂的任务来消除这一瓶颈，并成为科学工作的倍增器。这使得研究人员能够专注于识别和解决那些最能推动进步的科学问题和方向。

Google Labs 上的 Gemini for Science 实验工具包括三个旨在处理此类任务的主要原型：

假设生成（Hypothesis Generation，基于 Co-Scientist 构建）： 构思是科学的心脏，但没有人能综合每年发表的数百万篇论文。假设生成通过模拟科学方法来弥补这一差距：它与研究人员合作定义研究挑战，然后使用多智能体“创意锦标赛”来生成、辩论和评估假设。为了确保绝对的严谨性，所有主张都经过深度验证，并由可点击的引文支持。

计算发现（Computational Discovery，基于 AlphaEvolve 和 ERA 构建）： 科学进步往往受到我们通过计算实验实际能测试的假设数量的限制。计算发现是一个智能体研究引擎，它通过并行生成和评分数千种代码变体来解决这个问题。这使得科学家能够测试新颖的建模方法——例如针对太阳能预测或流行病学等复杂领域——而这些方法如果手动操作则需要数月时间。

文献洞察（Literature Insights，基于 Google NotebookLM 构建）： 理解科学文献是所有研究旅程的核心部分。文献洞察可以搜索科学文献，并将结果整理成带有自定义、可搜索属性的表格，以便进行并排分析。研究人员可以使用聊天功能来发掘基于其精选语料库的细微差别，并创建高质量的产出物，如报告、幻灯片、信息图表以及音频和视频概述。借助 NotebookLM 的力量，文献洞察有助于综合各篇论文的发现，识别研究空白并发现机会领域。

除了这些单独的实验外，我们还通过 Google Cloud 将这些先进的 AI 能力带给企业组织。我们面向科学和工业研发的企业级解决方案已经在私有预览阶段被一系列合作伙伴使用，以推动现实世界的影响。例如，巴斯夫（BASF）正在使用 AlphaEvolve 来优化其供应链，Klarna 正在利用它来增强其机器学习模型。与此同时，第一三共（Daiichi Sankyo）、拜耳作物科学（Bayer Crop Science）和美国国家实验室（作为美国能源部 Genesis 使命的一部分）正在使用 Co-Scientist 来加速其研究并解决基础科学挑战。

桌面上的科学工作台

作为 Gemini for Science 的一部分，我们还推出了 Science Skills，这是一个专门的工具包，整合了来自 30 多个主要生命科学数据库和工具的见解，包括 UniProt、AlphaFold 数据库、AlphaGenome API 和 InterPro。在 Google Antigravity 等智能体平台上使用这些技能，可以让研究人员在几分钟内（而非几小时）完成结构生物信息学和基因组分析等复杂且通常需要手动操作的工作流程。

我们的研究团队在使用 Science Skills 时已经实践了这种加速。在早期测试中，我们的团队使用 Science Skills 进行了一项通常需要数小时才能完成的复杂分析，仅用了几分钟。这带来了关于 AK2 基因突变引起的罕见遗传病潜在机制的新见解。

与科学界的协作努力

我们致力于负责任地开发和部署科学工具，并从科学生态系统开始。我们正在与 100 多个机构合作——包括斯坦福大学（关于肝纤维化）、伦敦帝国理工学院（关于抗菌素耐药性）以及与克里克研究所（The Crick Institute）的多年合作——以验证我们的新系统和工具。为了确保 AI 生成见解的完整性，我们建立了一个受信任的测试者社区——从博士生到行业研究人员再到诺贝尔奖得主——以针对复杂的现实世界挑战对我们的系统进行压力测试。

此外，我们还与 ICML、STOC 和 NeurIPS 等领先的科学会议建立了专门的试点项目，以开发用于智能体同行评审和科学验证的开创性工具，例如我们的实验性论文助手工具（PAT）和 ScholarPeer。

所有这些工作都建立在 AI 长期进步的历史之上。我们的专业 AI 模型已经在加速进步：AlphaFold 已经帮助超过 300 万研究人员应对疟疾疫苗和塑料降解酶的研究；AlphaGenome 正在帮助科学家识别疾病的驱动因素。这些与研究人员依赖的日常工具并列——从 Google Scholar 和 Earth Engine 到 Colab、MedGemma、Earth AI 和 Gemini Deep Research。随着我们最新发布的 Gemini Deep Think，我们继续提升核心模型在复杂科学任务上的能力。这些工具共同成为了科学生态系统中不可或缺的一部分，帮助研究人员组织信息并大规模执行复杂的数据分析。

来源：Google DeepMind｜原文链接