Google DeepMind wis ngembangake sistem multi-agen AI Co-Scientist saka generator hipotesis dadi mitra riset terintegrasi laboratorium sing ngrancang eksperimen, nulis kode, ngontrol peralatan laboratorium lan ngasilake manuskrip ilmiah, miturut laporan dening The Decoder sing diterbitake 28 Agustus Sistem kasebut, dibangun ing model Google saiki Gemini, wis ngasilake asil sing divalidasi kanthi eksperimen lan èlmu komputer - miturut biografi ilmiah Samuel. Schmidgall lan kolega.

Pisanan dikenalake ing Februari 2025 ing Gemini 2.0 kanthi kelemahane ing pamriksa fakta lan tinjauan literatur, Co-Scientist sing ditambahi saiki nindakake apa sing diarani peneliti minangka alur kerja riset loop tertutup. Nindakake hipotesis saka pitakonan riset, nggawe rencana eksperimen utawa protokol lab sing bisa diwaca mesin, nglakokake, nganalisa asil lan nulis - nalika modul verifikasi sing kapisah mriksa saben pratelan angka ing teks kasebut marang log eksekusi kode sing digawe, serangan langsung ing masalah asil-fabrikasi sing nyebabake agen riset otonom.

Karya kasebut minangka tonggak sejarah paling anyar ing [perkembangan AI paling anyar] (https://aibuzzwire.news) ing sekitar agen riset otonom, lan salah sawijining sing pertama nggabungake sistem berbasis LLM menyang hardware lab fisik ing tingkat iki.

Saka hipotesis nganti protokol lab udan

Ing ilmu material, DeepMind masangake Co-Scientist karo tungku suhu dhuwur semi-otomatis. Sistem kasebut nemokake jalur sintesis sing luwih aman kanggo materi 2D sing digoleki sing sadurunge diprodhuksi utamane liwat etsa sing mbebayani, lan ngasilake resep-resep wutah lengkap sing cocog karo tungku khusus sing digunakake. Sawise 25 babak pengulangan kanthi refinement manungsa, tim kasebut ngasilake struktur berlapis sing sifate meh padha karo materi target - sanajan konfirmasi definitif struktur atom isih ditundha.

Ing eksperimen kapindho, telung film tipis semikonduktor disintesis kanthi sukses ing upaya pisanan. Nggunakake Gemini 3 Deep Think kanggo kontrol peralatan langsung, Co-Scientist ngethok wektu pangembangan resep saka dina nganti menit. Manungsa isih kudu ngemot conto lan bahan prekursor kanthi manual, lan mode cepet ngasilake kristal sing luwih cilik lan kurang seragam tinimbang resep-resep sing dioptimalake kanthi teliti - pangeling yen daur ulang durung rampung.

Ing biologi, sistem kasebut kanthi otomatis nggawe saluran analisis gambar sing prédhiksi pola koloni E. coli sing direkayasa sacara genetis kanthi konsentrasi kimia sing beda. Prediksi sing digawe karo Gemini 3 Pro Image cocog karo asil lab sing ora diterbitake ing telung saka papat fitur wangun. Para panaliti nyathet sistem kasebut mung alesan ing antarane kahanan sing dikenal lan durung bisa prédhiksi prilaku ing sistem eksperimen sing anyar.

AI otonom sing ngrancang AI liyane

Eksperimen ilmu komputer mlaku tanpa keterlibatan manungsa ngluwihi persiyapan awal. Co-Scientist ngrancang "Agent_H," arsitektur AI medis sing nggolongake pitakon sing mlebu, ngasilake puluhan calon tanggapan kanthi paralel lan nyaring. Sawise mbenerake tanggapan sing dawa banget, Agent_H ngluwihi enem model perbatasan - kalebu GPT-5 lan Claude Opus 5 - ing benchmark kesehatan.

Banjur teka mriksa kasunyatan. Telung dokter sing disertifikasi papan nyetak tanggepan ing perbandingan buta ing sangang kategori, lan Agent_H nuduhake kauntungan sing signifikan sacara statistik ing garis dasar Gemini 3.1 Pro mung siji: risiko sing luwih murah saka respon sing bisa mbebayani. Evaluator benchmark otomatis mung sesambungan karo keputusan dokter.

Kesenjangan ing antarane skor benchmark lan kegunaan klinis bisa uga minangka temuan sing paling penting. Skor otomatis sing dhuwur, para peneliti nyaranake, ora ateges sistem menehi jawaban sing luwih apik saka perspektif medis - nuwuhake pitakonan sing ora nyenengake babagan apa sing bener-bener diukur benchmark AI.

# Nglereni fabrikasi saka 46% dadi 4%

Mode kegagalan inti saka agen riset otonom yaiku fabrikasi: nalika agen diganjar kanggo ngasilake asil sing apik, duwe insentif kanggo nggawe. Analisis sadurunge nyathet tingkat fabrikasi 80 nganti 100 persen ing sistem sing ana.

Co-Scientist nyerang masalah kasebut kanthi rong mekanisme. Sistem kasebut dihukum amarga konten sing digawe utawa diplagiat, lan modul verifikasi sing kapisah mriksa saben pratelan numerik marang asil nyata saka kode sing dieksekusi. Ing studi buta kaping pindho sing nglibatake 30 ahli domain lan 450 review independen saka 150 makalah sing digawe kanthi otonom, asile katon nyata:

  • 4% kertas digawe asil kunci kanthi modul linuwih aktif, lawan 46% tanpa.
  • Sistem perbandingan tekan 90% fabrikasi asil kunci.
  • Data sing digawe kanthi lengkap ora tau muncul ing output Co-Scientist, nanging muncul ing 44% kertas sistem perbandingan.
  • Konten sing meh plagiarized mudhun saka 60% dadi 16%.
  • Arsitèktur safety terpadu nolak 98,7% arah riset sing bisa mbebayani.

Ora siap ngganti ilmuwan

Sisa kesalahan tetep. Sistem kasebut cenderung marang pelaporan sing selektif, lan Schmidgall ngakoni yen dheweke nulis "metode sing bisa ditemokake ing kertas sing ora cocog karo kode sing bener." Apa resep-resep bahan-ilmu ditransfer menyang laboratorium liyane minangka pitakonan sing mbukak, lan asil biologi, sanajan janji, mung kalebu prediksi sing sempit.

Isih, lintasan wis jelas. Sistem sing diwiwiti minangka generator hipotesis wolulas wulan kepungkur saiki bisa ngrancang eksperimen, ngoperasikake tungku, nganalisa output lan ngrancang naskah - lan dokumen, kanthi verifikasi tingkat log, nalika klaim dhewe salah. Jurang antarane asisten lab lan peneliti otonomi saya sempit, lan bagean ilmu sing tetep stubbornly manungsa - pangadilan, rasa lan loading sampel fisik - dadi luwih gampang kanggo ndeleng sabenere amarga liyane lagi otomatis.

---

Tetep Ahead of AI

Entuk warta, analisis, lan terobosan AI paling anyar - kabeh ing sak panggonan.

Waca liyane AI warta →