Google DeepMind har utökat sitt multi-agent AI Co-Scientist-system från en hypotesgenerator till en labbintegrerad forskningspartner som planerar experiment, skriver kod, kontrollerar laboratorieutrustning och genererar vetenskapliga manuskript, enligt en rapport av The Decoder publicerad den 28 augusti. Systemet, byggt på Googles nuvarande Gemini-modeller, har levererat validerade resultat i tre datavetenskapliga, biologiska och experimentella resultat. vetenskap — enligt en artikel av huvudförfattaren Samuel Schmidgall och kollegor.

Den utökade Co-Scientist, som först introducerades i februari 2025 på Gemini 2.0 med kända svagheter i faktakontroll och litteraturgranskning, driver nu vad forskare kallar ett forskningsarbetsflöde med sluten slinga. Den härleder hypoteser från en forskningsfråga, skapar experimentella planer eller maskinläsbara labbprotokoll, exekverar dem, analyserar resultaten och skriver upp dem - medan separata verifieringsmoduler korskontrollerar varje numeriskt påstående i texten mot exekveringsloggarna för koden den genererade, en direkt attack mot det tillverkade resultatproblemet som har plågat autonoma forskningsagenter.

Arbetet är den senaste milstolpen i senaste AI-utvecklingen kring autonoma forskningsagenter, och en av de första som kopplade ett LLM-baserat system till fysisk labbhårdvara på denna nivå.

Från hypoteser till våtlabbprotokoll

Inom materialvetenskap parade DeepMind Co-Scientist med en halvautomatiserad högtemperaturugn. Systemet hittade en säkrare syntesväg för ett eftertraktat 2D-material som tidigare producerats huvudsakligen genom farlig etsning, och genererade kompletta tillväxtrecept skräddarsydda för den specifika ugnen det arbetade med. Efter 25 omgångar av iteration med mänsklig förfining, producerade teamet skiktade strukturer vars egenskaper liknar målmaterialet - även om definitiv bekräftelse av atomstrukturen fortfarande väntar.

I ett andra experiment syntetiserades tre tunna halvledarfilmer framgångsrikt vid första försöket. Med hjälp av Gemini 3 Deep Think för direkt utrustningskontroll minskade Co-Scientist receptutvecklingstiden från dagar till minuter. Människor var fortfarande tvungna att ladda prover och prekursormaterial manuellt, och det snabba läget producerade mindre, mindre enhetliga kristaller än noggrant optimerade recept - en påminnelse om att slingan ännu inte är helt hands-off.

Inom biologi byggde systemet autonomt en bildanalyspipeline som förutsäger vilka mönster som genetiskt modifierade E. coli-kolonier bildar vid olika kemiska koncentrationer. Förutsägelser genererade med Gemini 3 Pro Image matchade opublicerade labbresultat på tre av fyra formfunktioner. Forskarna noterar att systemet bara är orsaker mellan kända förhållanden och kan ännu inte förutsäga beteende i helt nya experimentella system.

En autonom AI som designar en annan AI

Datavetenskapsexperimentet gick utan mänsklig inblandning utöver den ursprungliga installationen. Co-Scientist designade "Agent_H", en medicinsk AI-arkitektur som klassificerar inkommande frågor, genererar dussintals svarskandidater parallellt och förfinar dem. Efter att ha korrigerat för alltför långa svar, överträffade Agent_H sex gränsmodeller – inklusive GPT-5 och Claude Opus 5 – på hälsoriktmärken.

Sedan kom verklighetskontrollen. Tre styrelsecertifierade läkare fick svaren i en förblindad jämförelse över nio kategorier, och Agent_H visade en statistiskt signifikant fördel gentemot baslinjen Gemini 3.1 Pro på bara en: en lägre risk för potentiellt skadliga svar. De automatiserade benchmark-utvärderarna korrelerade endast svagt med läkarnas bedömningar.

Det gapet mellan benchmarkpoäng och klinisk användbarhet är utan tvekan studiens mest följdriktiga resultat. Höga automatiserade poäng, menar forskarna, betyder inte nödvändigtvis att ett system ger bättre svar ur ett medicinskt perspektiv – vilket väcker obekväma frågor om vad AI-riktmärken faktiskt mäter.

Skärtillverkning från 46 % till 4 %

Det centrala misslyckandet hos autonoma forskningsagenter är tillverkning: när en agent belönas för att ha producerat goda resultat har den ett incitament att ta igen dem. Tidigare analyser dokumenterade tillverkningshastigheter på 80 till 100 procent i befintliga system.

Co-Scientist attackerar problemet med två mekanismer. Systemet straffas för tillverkat eller plagierat innehåll, och en separat verifieringsmodul korskontrollerar varje numeriskt påstående mot de faktiska resultaten av dess körda kod. I en dubbelblind studie som involverade 30 domänexperter och 450 oberoende granskningar av 150 autonomt genererade artiklar, var resultaten skarpa:

  • 4 % av papper tillverkade nyckelresultat med aktiva tillförlitlighetsmoduler, jämfört med 46 % utan dem.
  • Jämförelsesystemet nådde 90 % tillverkning av nyckelresultat.
  • Fullständigt tillverkade data dök aldrig upp i Co-Scientists produktion, utan visade sig i 44 % av jämförelsesystemets papper.
  • Innehållet nästan plagierat sjönk från 60 % till 16 %.
  • En integrerad säkerhetsarkitektur förkastade 98,7 % av potentiellt skadliga forskningsriktningar.

Inte redo att ersätta forskare

Kvarstående fel kvarstår. Systemet tenderar mot selektiv rapportering, och Schmidgall erkänner att det skriver "mycket rimliga metoder i tidningen som inte matchade dess faktiska kod." Huruvida materialvetenskapsrecepten överförs till andra laboratorier är en öppen fråga, och biologiresultaten, även om de var lovande, täckte bara en snäv klass av förutsägelser.

Ändå är banan tydlig. Ett system som började som en hypotesgenerator för arton månader sedan kan nu planera ett experiment, driva en ugn, analysera resultatet och utarbeta ett manuskript – och dokumentera, med verifiering på loggnivå, när dess egna påståenden är felaktiga. Klyftan mellan labbassistent och autonom forskare minskar, och de delar av vetenskapen som förblir envist mänskliga - omdöme, smak och fysisk provladdning - blir lättare att se just för att resten automatiseras.

---

Stay ahead of AI

Få de senaste AI-nyheterna, analyserna och genombrotten – allt på ett ställe.

Läs mer AI-nyheter →