Nature丨Google和FutureHouse同日登刊，把AI科学助理推到科研前线

来源ScienceAI 本文约2000字建议阅读5分钟多智能体架构、实验室闭环——AI正在从执行者变为合作者。2026 年 5 月19 日《Nature》杂志同日发表了两项来自科技巨头的突破性研究共同宣告了一个新时代的到来。这两篇论文分别介绍了来自谷歌 DeepMind 的「Co-Scientist」和来自 FutureHouse 的「Robin」都是旨在全面辅助科研流程的多智能体 AI 系统。这两项研究成果都在药物再定位任务上交出了结果只是其中一个不只会生成假设还会继续分析实验数据把发现往前推一步。Co-Scientist 主打结构化科学思维与假设生成Robin 则把文献检索、实验设计和数据分析串成一个闭环。这是一个清晰的信号AI 正在从单点工具进化为科研伙伴而科学发现的范式正在被重新书写。Co-Scientist谷歌的「学者型」科研搭档Co-Scientist 基于 Gemini 2.0采用多智能体架构核心组件包括生成智能体、反思智能体、排名智能体、进化智能体以及元评审智能体。除此之外系统还集成了网络搜索、专用数据库等工具并允许科学家随时介入、提供反馈或直接输入自己的假设。整个过程中考虑的关键标准包括合理性、新颖性、可测试性和安全性。该公司写道Reflection 工具还能访问外部搜索工具因为访问科学文献「防止了看似新颖但不合逻辑的假说的幻觉」。论文链接https://www.nature.com/articles/s41586-026-10644-y据论文所说科学家们始终处于知情状态。在寻找针对白血病的潜在药物时系统提出的建议基于专家小组的审查这些专家获得了 Co-Scientist 用来制定建议的文献。而结果正如预料中的那样——部分被鉴定的药物有效但仅对骨髓性白血病细胞的亚群有效。专家盲评的 11 个开放生物医学问题里Co-Scientist 在 novelty、impact 和整体偏好上都拿到最高分。放到药物再定位场景它先在 AML 里从 2300 种已批准药物中筛选候选再由专家挑出 Binimetinib、Pacritinib、Cerivastatin 等进入实验。图示所选药物的实验评测。Co-Scientist 所选择的药物在多种 AML 细胞系中表现出极低的 IC50且对非 AML 细胞系选择性更高。它还自主提出了此前未被探索的药物组合并在 MOLM-13 细胞中验证出强协同效应。RobinFutureHouse 的「实干型」实验伙伴Robin 走的是另一条路它以 Crow 和 Falcon 做文献搜索与综述以 Finch 做实验数据分析。其中 Finch 是 Robin 最具特色的组件它能接收湿实验产生的原始数据在 Jupyter notebook 中自主编写并执行代码完成从门控策略到差异表达分析的全流程并输出图表和统计结论。论文链接https://www.nature.com/articles/s41586-026-10652-y但它与 Co-Scientist 还是有所区别的。Robin 的工作对象是干性年龄相关性黄斑变性dAMD。它先用 Crow 读了 551 篇论文在约 30 分钟里提炼出 10 个疾病机制接着围绕 RPE phagocytosis 提出了 30 个候选药物并让 Falcon 为每个候选做综合评估。图示Robin 系统概述。根据文献总结 Robin 提出了一系列关于黄斑变性疾病机制的假说并利用这些工具详细报告了每个机制的证据。一位大型语言模型评委随后对假设进行了两两比较产生了相对排名——这有点像谷歌的锦标赛系统。首轮实验中Robin 所提出的抑制剂已被证实其增强吞噬的能力。而在此之后Robin 主动提议对处理后的细胞进行 RNA-seq并基于 Finch 自主实验后得出的新发现提出了更新的迭代。Robin 的整个工作流分析约 825 篇参考文献仅耗时约 30 分钟而估计的人类专家工作量超过 800 小时。所有主图中的统计图表均由 Robin 自动生成。AI 在科学里的位置正如谷歌所发现的专门设计用于与科学文献接口的工具非常重要。用 OpenAI 的 o4-mini 替换 Crow 后幻觉引用的比例从零提升到了 45%。FutureHouse 还考察了 OpenAI 研究型工具的性能发现在所有推荐 Robin 未提出药物的情况下这些药物都未能对这些细胞产生影响。即使如此Co-Scientist 和 Robin 都没有宣称自己已经「自动做科学」。它们的成功集中在药物开发中较容易的部分之一当然开发过程中也没有任何部分真的可以说是轻松的。AI 并未被要求设计全新的分子大多数药物在动物和临床试验阶段失败而非细胞培养测试阶段。这并不是说重新利用现有药物毫无意义——研究机构已经有了这些分子的安全性和机构批准而且许多已过专利因此价格便宜。但眼下还没有到单凭 AI 解决难题的阶段。除开这些药物背后的起效机制、基因表达的原因这些都是模型尚且不能解决的疑点。但不可否认的是它们正在重新定义科学家的角色。未来科学家可能更像一位「首席科学家」负责提出根本性问题、设计实验范式的边界、并做出最终的判断与决策而AI则扮演「超级博士后」的角色——不知疲倦地阅读所有文献严谨地生成和反驳假设精准地分析每一份数据并在迭代中不断逼近正确答案。相关链接https://arstechnica.com/science/2026/05/two-ai-based-science-assistants-succeed-with-drug-retargeting-tasks/编辑文婧关于我们数据派THU作为数据科学类公众号背靠清华大学大数据研究中心分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识努力建设数据人才聚集平台、打造中国大数据最强集团军。新浪微博数据派THU微信视频号数据派THU今日头条数据派THU