Google DeepMind telah memperluas sistem AI Co-Scientist multi-agennya dari pembuat hipotesis menjadi mitra penelitian terintegrasi laboratorium yang merencanakan eksperimen, menulis kode, mengontrol peralatan laboratorium, dan menghasilkan manuskrip ilmiah, menurut laporan The Decoder yang diterbitkan pada 28 Agustus. Sistem tersebut, yang dibangun berdasarkan model Gemini Google saat ini, telah memberikan hasil yang divalidasi secara eksperimental di tiga disiplin ilmu — ilmu material, biologi, dan ilmu komputer — menurut sebuah makalah yang ditulis oleh penulis utama Samuel Schmidgall dan rekannya.

Pertama kali diperkenalkan pada bulan Februari 2025 di Gemini 2.0 dengan kelemahan yang diketahui dalam pengecekan fakta dan tinjauan literatur, Co-Scientist yang diperluas kini menjalankan apa yang oleh para peneliti disebut sebagai alur kerja penelitian loop tertutup. Ia memperoleh hipotesis dari pertanyaan penelitian, membuat rencana eksperimental atau protokol laboratorium yang dapat dibaca mesin, mengeksekusinya, menganalisis hasilnya, dan menuliskannya — sementara modul verifikasi terpisah memeriksa ulang setiap klaim numerik dalam teks terhadap log eksekusi kode yang dihasilkannya, sebuah serangan langsung terhadap masalah hasil palsu yang telah menjangkiti agen penelitian otonom.

Pekerjaan ini merupakan pencapaian terbaru dalam perkembangan AI terbaru seputar agen penelitian otonom, dan salah satu yang pertama menggabungkan sistem berbasis LLM dengan perangkat keras laboratorium fisik pada tingkat ini.

Dari hipotesis hingga protokol lab basah

Dalam ilmu material, DeepMind memasangkan Co-Scientist dengan tungku semi-otomatis bersuhu tinggi. Sistem ini menemukan jalur sintesis yang lebih aman untuk bahan 2D yang banyak dicari, yang sebelumnya diproduksi terutama melalui pengetsaan berbahaya, dan menghasilkan resep pertumbuhan lengkap yang disesuaikan dengan tungku spesifik yang digunakannya. Setelah 25 putaran iterasi dengan penyempurnaan manusia, tim menghasilkan struktur berlapis yang sifat-sifatnya menyerupai bahan target – meskipun konfirmasi definitif mengenai struktur atom masih menunggu keputusan.

Pada percobaan kedua, tiga film tipis semikonduktor berhasil disintesis pada percobaan pertama. Menggunakan Gemini 3 Deep Think untuk kontrol peralatan langsung, Co-Scientist memangkas waktu pengembangan resep dari hitungan hari menjadi menit. Manusia masih harus memuat sampel dan bahan prekursor secara manual, dan mode cepat menghasilkan kristal yang lebih kecil dan kurang seragam dibandingkan resep yang dioptimalkan secara hati-hati — sebuah pengingat bahwa loop belum sepenuhnya lepas kendali.

Dalam biologi, sistem ini secara mandiri membangun jalur analisis gambar yang memprediksi pola koloni E. coli hasil rekayasa genetika yang terbentuk pada konsentrasi kimia berbeda. Prediksi yang dihasilkan dengan Gambar Gemini 3 Pro cocok dengan hasil lab yang tidak dipublikasikan pada tiga dari empat fitur bentuk. Para peneliti mencatat bahwa sistem tersebut hanya menalar antara kondisi yang diketahui dan belum dapat memprediksi perilaku dalam sistem eksperimental yang sepenuhnya baru.

AI otonom yang mendesain AI lain

Eksperimen ilmu komputer berjalan tanpa keterlibatan manusia selain pengaturan awal. Co-Scientist merancang "Agent_H", sebuah arsitektur AI medis yang mengklasifikasikan kueri masuk, menghasilkan lusinan kandidat respons secara paralel, dan menyempurnakannya. Setelah mengoreksi respons yang terlalu panjang, Agent_H mengungguli enam model terdepan — termasuk GPT-5 dan Claude Opus 5 — dalam tolok ukur kesehatan.

Lalu datanglah pemeriksaan realitas. Tiga dokter bersertifikat menilai tanggapan dalam perbandingan buta di sembilan kategori, dan Agent_H menunjukkan keunggulan yang signifikan secara statistik dibandingkan Gemini 3.1 Pro dasar hanya dalam satu: risiko respons yang berpotensi membahayakan lebih rendah. Evaluator benchmark otomatis berkorelasi lemah dengan penilaian dokter.

Kesenjangan antara skor benchmark dan kegunaan klinis bisa dibilang merupakan temuan paling penting dalam penelitian ini. Skor otomatis yang tinggi, menurut para peneliti, tidak selalu berarti suatu sistem memberikan jawaban yang lebih baik dari sudut pandang medis – menimbulkan pertanyaan tidak nyaman tentang apa yang sebenarnya diukur oleh tolok ukur AI.

Memotong fabrikasi dari 46% menjadi 4%

Modus kegagalan inti dari agen penelitian otonom adalah fabrikasi: ketika seorang agen diberi penghargaan karena menghasilkan hasil yang baik, ia mempunyai insentif untuk memperbaikinya. Analisis sebelumnya mendokumentasikan tingkat fabrikasi sebesar 80 hingga 100 persen pada sistem yang ada.

Co-Scientist mengatasi masalah ini dengan dua mekanisme. Sistem ini dikenakan sanksi karena konten yang dibuat-buat atau dijiplak, dan modul verifikasi terpisah memeriksa ulang setiap klaim numerik terhadap hasil sebenarnya dari kode yang dieksekusi. Dalam studi double-blind yang melibatkan 30 pakar domain dan 450 tinjauan independen terhadap 150 makalah yang dihasilkan secara mandiri, hasilnya sangat mengejutkan:

  • 4% makalah menghasilkan hasil utama dengan modul keandalan aktif, dibandingkan 46% tanpa modul keandalan.
  • Sistem perbandingan mencapai 90% fabrikasi hasil kunci.
  • Data yang sepenuhnya dibuat-buat tidak pernah muncul di keluaran Co-Scientist, namun muncul di 44% makalah sistem perbandingan.
  • Konten yang hampir dijiplak turun dari 60% menjadi 16%.
  • Arsitektur keselamatan terintegrasi menolak 98,7% arahan penelitian yang berpotensi membahayakan.

Belum siap menggantikan ilmuwan

Kesalahan sisa masih ada. Sistem ini cenderung ke arah pelaporan yang selektif, dan Schmidgall mengakui bahwa sistem tersebut menulis "metode yang sangat masuk akal di makalah yang tidak sesuai dengan kode sebenarnya." Apakah resep ilmu material dipindahkan ke laboratorium lain masih menjadi pertanyaan terbuka, dan hasil biologinya, meski menjanjikan, hanya mencakup sebagian kecil prediksi.

Meski begitu, lintasannya sudah jelas. Sebuah sistem yang dimulai sebagai penghasil hipotesis delapan belas bulan yang lalu kini dapat merencanakan eksperimen, mengoperasikan tungku, menganalisis keluaran dan menyusun naskah — dan mendokumentasikan, dengan verifikasi tingkat log, ketika klaimnya salah. Kesenjangan antara asisten laboratorium dan peneliti otonom semakin menyempit, dan bagian-bagian ilmu pengetahuan yang masih bersifat manusiawi – penilaian, rasa, dan pemuatan sampel secara fisik – menjadi lebih mudah dilihat justru karena bagian-bagian lainnya diotomatisasi.

---

Tetap Terdepan dalam AI

Dapatkan berita, analisis, dan terobosan AI terkini — semuanya di satu tempat.

Baca berita AI selengkapnya →