一场实验室会议里，AI 先让一千个假设互相争论

白板上最容易消失的是反对意见

一个实验室要讨论 ALS、肝纤维化或病原体跨物种传播，通常先有一个很宽的问题：为什么有些细胞会在同样刺激下走向不同结局？为什么一个已知药物只对部分病人有效？哪个蛋白变化最值得优先验证？研究者会把论文、经验和直觉带进会议，慢慢把问题缩小。真正困难的不是提出第一个想法，而是让足够多的反对意见在实验开始前出现。

2026 年 5 月，Google DeepMind 介绍 Co-Scientist，一套基于 Gemini 的多代理科学研究系统。同日发表在 Nature 的论文描述了它如何从自然语言研究目标出发，搜索和学习相关文献，生成候选假设与实验方案，再通过反思、排名和迭代形成供科学家审阅的研究提案。

它最值得注意的地方，不是“AI 会提出新假设”这句话，而是系统把一场实验室会议拆成了不同角色。生成代理先提出方向；接近度代理把相似想法聚类；反思代理扮演虚拟同行评审；排名代理组织一场“想法锦标赛”；演化代理组合和改写胜出的假设；元评审代理把争论整理成最终提案。一个主管代理负责拆任务、并行探索和调度工具。

把科学想法变成一场锦标赛

人类会议很少能同时比较上千个方向。时间有限，参与者往往从自己熟悉的文献和技术出发，几个有影响力的人先说话，讨论就会沿着他们的路径前进。Co-Scientist 的设计，试图把这个社会过程变成可重复的计算流程：先扩大候选空间，再用批评和比较减少方向。

“想法锦标赛”借鉴了游戏系统里的排名机制。代理之间对假设做成对比较，讨论其新颖性、可行性、证据支撑和潜在影响，再用类似 Elo 的方式更新排名。系统还会注入新的文献和数据库信息，避免早期的热门想法把后续搜索完全锁死。理论上，这让一个冷门但有证据的方向有机会重新进入视野。

但排名不是科学真理。一个假设在文本上更完整，可能只是因为它引用了更多论文；一个假设看起来更大胆，可能只是没有写清楚失败条件。真正的科学判断包括实验资源、样本可得性、伦理约束和团队经验，这些很难被一套通用评分完全表示。锦标赛能帮助人把争论摆到台面上，却不能替人决定哪一场实验值得付出代价。

生命科学是一个合适的试验场

DeepMind 在公开案例中介绍，Co-Scientist 曾和研究者一起讨论抗菌素耐药、植物免疫、肝纤维化、ALS 以及细胞衰老。一个案例里，系统帮助研究者快速整理复杂文献，提出可测试的想法，并发现两个实验室可以互补的技术路径；另一个案例里，系统帮助寻找肝纤维化的药物重定位候选，企业披露称其中一个候选在实验室测试中阻断了 91% 的瘢痕相关反应。

这些案例显示了代理最适合的工作：把不同领域的术语接起来，把某个研究者没有时间读完的文献压缩成可讨论的候选，把实验室之间的知识边界变得可见。它们也提醒我们，企业案例不能独自承担结论。91% 是体外测试中的一个结果，必须回到 Advanced Science 等原始论文，确认实验条件、对照、重复次数和终点定义；“加速研究”需要明确节省的是阅读、假设筛选还是实验周期。

Nature 论文把 Co-Scientist 描述成能够辅助科学思考和实验规划的系统，并明确这是初步结果，需要进一步验证。这个边界非常重要。候选假设尚未经过实验，实验室验证也不等于临床疗效；系统能生成一个新颖的解释，不等于解释就是真的。

AI 让跨实验室合作变得更具体

科研合作经常卡在语言上。一个实验室用“RNA 调控”描述问题，另一个实验室用“递送工具”描述能力，双方都知道自己有相关经验，却无法迅速说清楚能否拼成一个实验。Co-Scientist 作为中间层，先把两边的文献和问题转换成若干候选假设，再指出哪些步骤需要哪个实验室的工具。

在 ALS 案例中，系统帮助 MIT 的 Ritu Raman 和 Boston Children’s Hospital 的 Ryan Flynn 团队看到互补的研究路径。DeepMind 的公开说明把它描述为潜在的 RNA 方向，并强调科学家仍然需要彼此合作。这个故事的重点不在“AI 找到了 ALS 疗法”，而在于它让研究者更快知道该向谁提什么问题。

如果这类系统成熟，研究协作的中介可能会发生变化。以前，一个实验室要靠会议、同行介绍和偶然的邮件找到合作者；以后，代理可以根据研究目标、技术条件和可验证的假设给出候选合作网络。可是，合作关系不只是技能匹配。信任、署名、样本共享和失败后的责任，仍然必须由人来协商。

代理最需要的是“停下来”的能力

研究代理的危险，不在它偶尔生成一个奇怪的想法，而在它能把错误想法包装成一条很完整的路线。只要文献检索、工具调用和文本生成都顺利，系统就可能一直向前推进，即使最开始的研究问题已经被误读。

因此，好的科学代理应该拥有明确的暂停点：关键事实找不到一手来源时暂停；实验条件无法满足时暂停；两个数据库的定义不一致时暂停；推理依赖未验证假设时暂停；涉及危险生物、化学或伦理风险时暂停。DeepMind 表示 Co-Scientist 进行了包括化学、生物、放射性和核领域在内的安全评估，并设计了安全分类器来阻止不当研究目标。这些安全机制的存在，反过来说明科学代理不能只用“答得像不像专家”来评价。

研究者也要有拒绝代理的操作权。界面应当允许人删除一条假设、标记一条错误引用、要求系统显示相反证据，并保存这些否决记录。没有拒绝记录的“协作”很容易变成自动接受。一个系统若只展示排名第一的假设，实验室会逐渐忘记还有哪些方向被淘汰、为什么被淘汰。

研究速度不是唯一的产出

DeepMind 公开材料中多次使用“加速”“从数月到数日”这样的说法。它们可能来自研究者对文献整理或筛选工作的体验，也可能来自具体实验数据，但不能不加口径地改写成“科研周期缩短”。一个假设被更快提出，不等于实验更快完成；实验更快完成，也不等于结论更可靠。

更合适的评价指标有四类。第一类是搜索覆盖：系统是否找到了人类团队容易遗漏的相关文献和替代解释。第二类是可检验性：假设是否带有明确的实验预测、阴性结果和停止条件。第三类是协作质量：系统是否帮助不同团队理解彼此的技术和限制。第四类是复现能力：另一位研究者能否根据系统日志重做一次思考过程。

这些指标看起来没有“发现了多少新药”那么有冲击力，却更接近科学价值。研究的进步常常来自更早地排除一个错误方向，或让一个小团队少走几个月的弯路。代理若能稳定地做到这一点，就已经改变了研究生产率，而不必被包装成能够独立完成科学发现。

科学家的角色没有消失，只是更容易被看见

当系统能生成、批评和排名假设，科学家的工作会不会只剩下按下“运行实验”？答案取决于研究机构怎样分配责任。科学家仍需定义问题的价值，选择可接受的证据，判断样本是否代表目标人群，决定失败是否足以否定一个机制，并承担把结果发布给同行和公众的责任。

代理反而可能让这些判断更明显。传统研究中，很多决定藏在个人笔记、口头讨论和没有公开的失败里。多代理系统若保存每一次搜索、争论和淘汰，就能让团队看见一个假设是怎样变成方案的，也能在结果不一致时回溯哪一步发生了偏移。这是一种新的科研记忆，而不是新的科研权威。

来源与边界

本文关于 Co-Scientist 的系统结构、代理角色、想法锦标赛和生命科学案例，依据 Nature 论文及 Google DeepMind 2026 年 5 月 19 日的原始介绍。本文没有把企业案例中的 91% 体外结果或“加速”表述当作临床疗效与普遍周期结论；这些数字需要回到对应实验论文和方法材料进一步核验。Co-Scientist 能生成假设和实验提案，不等于它完成了实验、证明了机制或替代科学与临床专家。

实验室会议最珍贵的部分，往往是有人提出一个不受欢迎的问题：如果我们错了呢？多代理系统的价值，不是把这个问题删掉，而是让它更早出现、更有证据、更容易被记录。AI 可以扩大科学家能讨论的空间，但只有实验、复现和人类的否决，才能把想法变成知识。

对于年轻研究者，这种变化尤其微妙。过去，提出一个不成熟的想法可能要等到组会后半段，等导师问完熟悉的问题；现在，代理可以在几分钟内生成一份看似完整的反驳。它降低了表达门槛，却也可能把“什么值得讨论”交给排序算法。实验室如果只奖励排名靠前的假设，少数派、跨学科和暂时说不清楚的直觉会更难获得资源。科学共同体需要的不是一台更快的投票机，而是一套允许暂缓、重做和保留异议的记录制度。

所以，Co-Scientist 最有价值的交付物可能不是最终提案，而是提案周围那一圈被明确写出的失败条件、替代解释和需要补证的地方。它让人看到一个想法怎样被推动，也让人看到它在哪里还站不住。机器可以把会议拉长到人类无法承受的规模，但最后决定哪条路值得走的，仍然是愿意为证据负责的人。

科学史上许多重要线索都曾经显得太小、太慢或太不合群。机器可以帮我们更快地整理它们，却不能替我们决定哪些异议值得保存。真正成熟的代理，应当让少数意见留下可追踪的记录，而不是把所有不同意见压成一个漂亮的平均排名。