AI conquered the super bacteria "ten-year problem" in just two days, containing six intelligent agents that can independently infer new knowledge

谷歌人工智能 “co-scientist” 在 48 小時內解決了困擾科學家長達十年的超級細菌之謎，相關科學家表示非常震驚，甚至開始懷疑自己電腦裏的私人文件是不是被人工智能訪問過......

（來源：谷歌）

這要從英國帝國理工學院何塞·佩納德斯（José Penadés）教授團隊的一項研究成果説起。此前，他和團隊耗時十年左右研究為什麼某些細菌會對抗生素產生耐藥性。

他和團隊不知疲倦地工作，就是為了揭示超級細菌是如何進化和傳播的。但當谷歌的人工智能 “co-scientist” 嘗試解決這一問題時，它僅用兩天就得出了同樣的結論。

圖 | 何塞·佩納德斯（José Penadés）（來源：資料圖）

佩納德斯驚呆了，因為他和團隊的相關論文尚未發表，這意味着人工智能並不能簡單地在現有研究中發現它們。他最初設想過是不是人工智能訪問了他的私人電腦文件。

後來，他給谷歌寫了一封電子郵件，詢問後者人工智能是不是能夠訪問他的電腦。谷歌向他保證沒有。

相反，是谷歌的 “co-scientist” 獨立地生成了正確的假設。更值得注意的是，它提出了四個額外的理論，所有這些理論在科學上都是合理的，其中還包括一個佩納德斯從未考慮過的理論。這讓佩納德斯和他的同事們相信，“co-scientist” 可以徹底改變科學發現。

那麼，佩納德斯的這項研究成果到底講了什麼？這得從超級細菌即耐藥菌説起，這種細菌已經對全球健康構成嚴重威脅。此前，學界一直在努力瞭解這些危險的微生物是如何獲得耐藥性並在物種間傳播的。

佩納德斯和團隊曾假設，一些細菌是通過從病毒中借用遺傳物質進化而來的。這些細菌會獲得病毒的 “尾巴”，這種結構使它們能在不同物種之間移動，就像打開多扇門的鑰匙一樣。

具體來説，在這項研究之中佩納德斯等人發現了一種名為 “衣殼形成噬菌體誘導性染色體島”（cf-PICIs，capsid-forming phage-inducible chromosomal islands）的新型生物實體，這種顆粒能夠幫助細菌跨越物種邊界，實現基因的廣泛傳播。

佩納德斯等人發現 cf-PICIs 是一種新型的移動遺傳元素，它們能夠產生自己的衣殼幷包裝自身的 DNA。與傳統的衞星病毒不同，cf-PICIs 不依賴輔助噬菌體提供完整的感染顆粒，而是通過一種稱為 “尾劫持” 的機制來實現跨物種傳播。

當 cf-PICIs 被誘導時，它們會產生無尾的小衣殼，這些衣殼中含有它們的 DNA。一旦釋放到環境中，這些無尾衣殼會與不同物種的噬菌體尾部結合從而形成 cf-PICIs。這些 cf-PICIs 能夠將 DNA 注入不同的細菌物種中，從而實現跨物種的基因傳播。

研究中，佩納德斯團隊通過冷凍電子顯微鏡技術揭示了 cf-PICIs 衣殼的結構。藉此發現這些衣殼具有類似於 HK97 噬菌體的結構特徵，並顯示出高度的進化保守性。

嵌合感染顆粒的衣殼能夠避免與輔助噬菌體的衣殼發生干擾，確保其獨特的基因傳播策略得以實現。總的來説，cf-PICIs 的發現揭示了一種全新的細菌基因傳播機制。這種機制不僅擴展了細菌的宿主範圍，還可能在細菌進化和抗生素耐藥性的傳播中發揮重要作用。

（來源：bioRxiv）

而為了測試 “co-scientist” 的能力，佩納德斯團隊讓它嘗試探索關於上述研究中的課題。結果，“co-scientist” 迅速返回了一組假設。它給出的首要答案便是：超級細菌通過獲取病毒尾部來進化，而這正是佩納德斯在過去十年裏苦苦嘗試證實的內容。

佩納德斯説，如果一開始就能通過人工智能得到這個假設，那麼就可以為他和團隊節省數年時間。因此這證明，人工智能可以在創紀錄的時間內產生突破性的科學理論，從而能夠消除許多阻礙傳統研究的瓶頸。

蒂亞戈·迪亞斯·達科斯塔（Tiago Dias da Costa）博士，是本次研究的參與者之一。他告訴媒體，科學研究涉及到大量的試錯。在找到正確的方法之前，經常會遇到許多的實驗 “死衚衕”。而 “co-scientist” 有望儘早地排除 “死衚衕”，從而加快科研速度。

“co-scientist” 能夠通過分析大量數據來開展工作，這些數據包括已發表的研究論文、科學數據庫以及人工提交的私人文檔。然後，它會綜合所有可用證據，形成假設，甚至還會提出實驗設計。

為了進一步地驗證 “co-scientist” 的能力，佩納德斯等人並沒有向其提出一個開放式的問題，而是給它一個他們已經解決的問題，以確保能夠評估其回應的準確性。結果 “co-scientist” 的表現超出了預期，它不僅複製了佩納德斯團隊的此前研究成果，而且還提出了其他研究方向。

（來源：谷歌）

佩納德斯説，他和團隊也曾嘗試市面上其他的人工智能系統，但沒有一個能得出正確答案。甚至有些人工智能系統即使在輸入描述答案的論文後也無法得出答案，而 “co-scientist” 會給出從未想過的角度。佩納德斯表示，他從未接受過谷歌任何資助。那麼，“co-scientist” 到底有何厲害之處？

佩納德斯説，他和團隊也曾嘗試市面上其他的人工智能系統，但沒有一個能得出正確答案。甚至有些人工智能系統即使在輸入描述答案的論文後也無法得出答案，而 “co-scientist” 會給出從未想過的角度。佩納德斯表示，他從未接受過谷歌任何資助。那麼，“co-scientist” 到底有何厲害之處？

“co-scientist”：使用 Gemini 2.0 構建的多智能體人工智能系統

據谷歌公開介紹，“co-scientist” 是一個使用 Gemini 2.0 構建的多智能體人工智能系統。與之前的同類人工智能模型不同的是，“co-scientist” 可以與科學家進行對話，根據科學家的反饋完善其想法，並能提出新的研究方向。

（來源：谷歌）

除了標準的文獻綜述、摘要和 “deep research” 工具之外，“co-scientist” 旨在發現新的原創性知識，並根據先前的證據和特定研究目標，制定新穎的研究假設和建議。

為此，“co-scientist” 運用了一個由多個智能體組成的聯盟——生成（Generation）、反思（Reflection）、排序（Ranking）、進化（Evolution）、鄰近性（Proximity）和元審查（Meta-review）智能體，它們的設計靈感源於科學方法本身。

這些智能體利用自動化反饋來反覆生成、評估和完善假設，從而形成一個自我改進的循環，不斷產出質量越來越高且新穎的成果。

一般情況下，完成一項科研工作往往需要不同想法的碰撞。而 “co-scientist” 專門為協作而構建，人類科學家可以通過多種方式與它進行交互，包括直接提供自己的種子想法以供探索，或者用自然語言對生成的成果提供反饋。“co-scientist” 還能利用網絡搜索和專門的大模型等工具，來增強生成假設的依據性和質量。

在使用時，“co-scientist” 將指定的目標解析為一個研究計劃配置，由主管智能體進行管理。主管智能體將專門智能體分配到工作任務隊列，並分配資源。這種設計讓其能夠靈活地擴展計算能力，並朝着特定的研究目標迭代地改進科學推理能力。

與此同時，“co-scientist” 利用擴展測試時間計算（test-time）來迭代推理、發展和改進輸出。其中的關鍵推理步驟包括：基於自我博弈的科學辯論（用於產生新假設）、排名比賽（用於比較假設）以及 “進化” 過程（用於改進質量）。“co-scientist” 的代理性質促進了遞歸自我批評，包括使用工具進行反饋以改進假設和提案。

據谷歌公開表示，“co-scientist” 的自我改進依賴於從其競賽中衍生出的 Elo 自動評估指標。為此，谷歌評估了更高的 Elo 評級是否與更高的輸出質量相關。

具體來説，谷歌分析了 Elo 自動評級與 GPQA 基準在其難題集上的準確性之間的一致性，結果發現更高的 Elo 評級與正確答案概率更高呈正相關。

（來源：谷歌）

“co-scientist”：並未要取代人類科學家，而是成為科研小助手

不過，“co-scientist” 並不是為了取代人類科學家。相反，它希望通過與人類科學家合作，提供快速分析和創新見解。關於此，或許從 “co-scientist” 這一命名中的 “co” 就能看出它的使命旨在幫助人類科學家。

總之，“co-scientist” 有着不錯的潛在應用前景。在對抗抗菌素耐藥性的鬥爭中，它可以幫助科學家快速識別有前景的候選藥物；在做課題前期調研時，它可以簡化文獻綜述，使研究人員能夠在幾分鐘內綜合大量現有知識（而不需要耗時幾個月）；它甚至可能降低年輕科學家進入科研領域的門檻，讓他們在不需要幾十年經驗的情況下獲得最前沿的見解。

毫無疑問，人工智能正在迅速重塑科學發現。支持者認為，人工智能可以加速研究，使其更快、更高效。批評者擔心，這可能會消除就業機會，削弱人類科學家的作用。

然而，前面提到的佩納德斯認為人工智能是一種強大的工具，而不是威脅。未來，谷歌還將通過可靠測試人員計劃為科研組織提供訪問 “co-scientist” 系統的權限。

本文作者：羅以，來源：DeepTech 深科技，原文標題：《AI 僅用兩天攻克超級細菌 “十年難題”，內含六個智能體，能自行推理出新知識》

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。