《自然》杂志19日刊发报告，介绍了两款能覆盖科研全流程——从提出假设、设计实验到分析数据——的AI系统，标志着“AI副驾”时代正式到来。这两个系统分别由谷歌深度思维（Google DeepMind）和非营利研究机构FutureHouse开发，定位为科研人员的加速器而非替代者。
科学发现本质上是一个不断循环的过程：提出新假设、实验验证、数据分析。随着研究主题日趋复杂且学科间高度交叉，研究人员不仅需要深厚的专业功底，还需具备跨学科的广泛知识。此前，AI已被证明能提速研究中的单个环节；而如今，深度思维的“Co-Scientist”与FutureHouse的“Robin”这两套独立系统，展现了其优化整个科学发现流程的潜力。
两个系统均采用多个自主且专业化的AI智能体协同工作，在研究全链路中分别承担不同任务。这一架构使系统能够自主生成假说、设计验证方案、解读实验结果，并根据新发现反过来优化原有假说。
基于Gemini 2.0构建的Co-Scientist是一套通用型多智能体系统，适用于所有学科，初期验证主要聚焦生物医药领域。例如，它为急性髓系白血病提出了新的候选药物及联合疗法，但设计团队强调，这些方案仍需经过严格的临床前和临床评估，方能确认其疗效。此外，该系统还发现了针对肝纤维化的新药物靶点，并揭示了抗菌药物耐药性背后的关键遗传机制。
另一款系统Robin则同时调用OpenAI的o4-mini与Anthropic的Claude 3.7，专门辅助实验生物学领域的发现工作。团队将其应用于药物发现研究。例如，Robin协助识别了针对干性年龄相关性黄斑变性（一种多国致盲主因）的潜在治疗方案：系统锁定了视网膜细胞内可调节的靶向过程，并推荐了一种此前从未被提出用于该疾病的候选药物，同时还发现了新的潜在药物靶点。
两个团队一致强调：这些系统的设计初衷是与科研人员协作，科学家始终掌握最终决策权。两组团队的实际演示，为"AI助手"赋能科学研究的未来提供了生动范例。