Jak wynika z raportu opublikowanego 28 sierpnia przez firmę The Decoder, system Google DeepMind rozszerzył swój wieloagentowy system AI Co-Scientist z generatora hipotez w zintegrowanego z laboratorium partnera badawczego, który planuje eksperymenty, pisze kod, kontroluje sprzęt laboratoryjny i generuje manuskrypty naukowe. Jak wynika z artykułu głównego autora Samuela Schmidgalla i współpracowników, system zbudowany na obecnych modelach Gemini firmy Google zapewnił eksperymentalnie potwierdzone wyniki w trzech dyscyplinach – materiałoznawstwie, biologii i informatyce.

Wprowadzony po raz pierwszy w lutym 2025 r. w Gemini 2.0, ze znanymi słabościami w sprawdzaniu faktów i przeglądzie literatury, rozszerzony moduł Współnaukowiec obsługuje obecnie to, co badacze nazywają przepływem pracy w zamkniętej pętli. Wywodzi hipotezy z pytań badawczych, tworzy plany eksperymentów lub protokoły laboratoryjne do odczytu maszynowego, wykonuje je, analizuje wyniki i zapisuje je, podczas gdy oddzielne moduły weryfikacyjne sprawdzają krzyżowo każde twierdzenie liczbowe w tekście z dziennikami wykonania wygenerowanego przez siebie kodu, co stanowi bezpośredni atak na problem sfabrykowanych wyników, który nęka autonomicznych agentów badawczych.

Ta praca jest kamieniem milowym w najnowszych osiągnięciach sztucznej inteligencji wokół autonomicznych agentów badawczych i jedną z pierwszych, które łączą system oparty na LLM z fizycznym sprzętem laboratoryjnym na tym poziomie.

Od hipotez po protokoły mokrego laboratorium

W dziedzinie inżynierii materiałowej firma DeepMind połączyła Co-Scientist z półautomatycznym piecem wysokotemperaturowym. System znalazł bezpieczniejszą ścieżkę syntezy poszukiwanego materiału 2D, produkowanego wcześniej głównie w drodze niebezpiecznego trawienia, i wygenerował kompletne receptury wzrostu dostosowane do konkretnego pieca, z którym współpracował. Po 25 rundach iteracji z ludzkim udoskonalaniem zespół stworzył struktury warstwowe, których właściwości przypominają materiał docelowy, choć ostateczne potwierdzenie struktury atomowej wciąż nie zostało potwierdzone.

W drugim eksperymencie za pierwszym razem pomyślnie zsyntetyzowano trzy cienkie warstwy półprzewodników. Używając Gemini 3 Deep Think do bezpośredniego sterowania sprzętem, współpracownik naukowy skrócił czas opracowywania receptury z dni do minut. Ludzie nadal musieli ręcznie ładować próbki i materiały prekursorowe, a tryb szybki generował mniejsze, mniej jednolite kryształy niż w przypadku starannie zoptymalizowanych receptur — co przypomina, że ​​pętla nie została jeszcze całkowicie uruchomiona.

W biologii system autonomicznie zbudował proces analizy obrazu, który przewiduje, jakie wzorce tworzą genetycznie zmodyfikowane kolonie E. coli przy różnych stężeniach substancji chemicznych. Prognozy wygenerowane za pomocą Gemini 3 Pro Image odpowiadały niepublikowanym wynikom laboratoryjnym dotyczącym trzech z czterech cech kształtu. Naukowcy zauważają, że system łączy jedynie znane warunki i nie są w stanie jeszcze przewidzieć zachowania w zupełnie nowych systemach eksperymentalnych.

Autonomiczna sztuczna inteligencja, która projektuje inną sztuczną inteligencję

Eksperyment informatyczny przebiegał bez udziału człowieka, poza wstępną konfiguracją. Współnaukowiec zaprojektował „Agent_H”, medyczną architekturę sztucznej inteligencji, która klasyfikuje przychodzące zapytania, generuje równolegle dziesiątki kandydatów na odpowiedzi i udoskonala je. Po uwzględnieniu zbyt długich odpowiedzi agent_H uzyskał lepsze wyniki niż sześć modeli granicznych — w tym GPT-5 i Claude Opus 5 — w testach porównawczych dotyczących zdrowia.

Potem nadeszła konfrontacja z rzeczywistością. Trzech certyfikowanych lekarzy oceniło odpowiedzi w ślepym porównaniu w dziewięciu kategoriach, a Agent_H wykazał statystycznie znaczącą przewagę nad bazowym Gemini 3.1 Pro tylko w jednym: mniejsze ryzyko potencjalnie szkodliwych reakcji. Zautomatyzowane oceny porównawcze korelowały jedynie słabo z oceną lekarzy.

Ta rozbieżność między wynikami testów porównawczych a przydatnością kliniczną jest prawdopodobnie najważniejszym wnioskiem badania. Naukowcy sugerują, że wysokie zautomatyzowane wyniki niekoniecznie oznaczają, że system zapewnia lepsze odpowiedzi z medycznego punktu widzenia, co rodzi niewygodne pytania o to, co faktycznie mierzą testy porównawcze AI.

Cięcie produkcji z 46% do 4%

Podstawową przyczyną niepowodzenia autonomicznych agentów badawczych jest fabrykacja: gdy agent jest nagradzany za uzyskanie dobrych wyników, ma motywację do ich wymyślania. Poprzednie analizy wykazały, że w istniejących systemach stopień produkcji wynosi od 80 do 100 procent.

Współnaukowiec atakuje problem za pomocą dwóch mechanizmów. System jest karany za sfabrykowane lub plagiat treści, a oddzielny moduł weryfikacyjny sprawdza krzyżowo każde roszczenie liczbowe z rzeczywistymi wynikami wykonanego kodu. W badaniu z podwójnie ślepą próbą, w którym wzięło udział 30 ekspertów dziedzinowych i 450 niezależnych recenzji 150 samodzielnie wygenerowanych artykułów, wyniki były jednoznaczne:

  • 4% artykułów sfabrykowało kluczowe wyniki z aktywnymi modułami niezawodności, w porównaniu do 46% bez nich.
  • System porównawczy osiągnął 90% kluczowych wyników.
  • Całkowicie sfabrykowane dane nigdy nie pojawiały się w wynikach Co-Scientist, ale pojawiały się w 44% artykułów systemu porównawczego.
  • Liczba treści niemal plagiatowych spadła z 60% do 16%.
  • Zintegrowana architektura bezpieczeństwa odrzuciła 98,7% potencjalnie szkodliwych kierunków badań.

Nie jestem gotowy na zastąpienie naukowców

Błędy resztkowe pozostają. System ma tendencję do selektywnego raportowania, a Schmidgall przyznaje, że w artykule zapisano „wysoce wiarygodne metody, które nie odpowiadały jego faktycznemu kodowi”. Kwestią otwartą jest, czy przepisy z zakresu nauk o materiałach zostaną przeniesione do innych laboratoriów, a wyniki biologii, choć obiecujące, obejmowały jedynie wąską klasę przewidywań.

Mimo to trajektoria jest jasna. System, który zaczynał jako generator hipotez osiemnaście miesięcy temu, może teraz planować eksperyment, obsługiwać piec, analizować wyniki i przygotowywać szkic manuskryptu, a także dokumentować, za pomocą weryfikacji na poziomie dziennika, gdy jego własne twierdzenia są błędne. Przepaść między asystentem laboratoryjnym a niezależnym badaczem zmniejsza się, a obszary nauki, które uparcie pozostają ludzkie – ocena, smak i pobieranie próbek fizycznych – stają się coraz łatwiejsze do dostrzeżenia właśnie dlatego, że reszta jest zautomatyzowana.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →