AI Co-Scientist: od hipotez do samodzielnych badań

Google DeepMind znacząco rozszerzyło możliwości swojego systemu Co-Scientist. To, co kiedyś ograniczało się do generowania hipotez badawczych, dziś przypomina w pełni zintegrowanego asystenta laboratoryjnego. System nie tylko planuje eksperymenty, ale także pisze kod, steruje urządzeniami pomiarowymi i przygotowuje manuskrypty naukowe. Według producenta, rozwiązanie dostarczyło już potwierdzone eksperymentalnie wyniki w trzech różnych dyscyplinach nauki.

Jak działa zamknięta pętla badawcza Co-Scientist

Sercem nowej odsłony systemu jest w pełni zautomatyzowany przepływ pracy. Zamiast jedynie proponować kierunki badań, Co-Scientist prowadzi cały proces od początku do końca. Na wejściu otrzymuje pytanie badawcze, z którego wyprowadza hipotezy. Następnie projektuje doświadczenia, tworzy skrypty lub maszynowo czytelne protokoły laboratoryjne, a po przeprowadzeniu eksperymentów analizuje dane i na ich podstawie generuje publikację naukową.

Kluczowym elementem technicznym jest moduł weryfikacji. System krzyżowo sprawdza wartości liczbowe pojawiające się w tekście z logami wykonania wygenerowanego kodu. To rozwiązanie ma ograniczać zjawisko fabrykowania wyników, które stanowi poważny problem w przypadku autonomicznych systemów badawczych opartych na dużych modelach językowych.

Pierwszą wersję Co-Scientist zaprezentowano w lutym 2025 roku. Bazowała wówczas na modelu Gemini 2.0 i miała widoczne braki w zakresie weryfikacji faktów oraz przeglądu literatury. Rozbudowana wersja przeszła testy w trzech dyscyplinach, każda z innym poziomem autonomii systemu.

Od syntezy materiałów po w pełni autonomiczne badania w informatyce

Nauka o materiałach z ludzkim nadzorem

W eksperymentach z zakresu chemii materiałowej naukowcy połączyli Co-Scientist z półautomatycznym piecem wysokotemperaturowym. System zaproponował bezpieczniejszą ścieżkę syntezy poszukiwanego materiału 2D, który wcześniej otrzymywano głównie metodą żrącego trawienia. Co więcej, wygenerował kompletne receptury wzrostu dopasowane do konkretnego wyposażenia laboratorium.

Po 25 rundach z udziałem człowieka udało się uzyskać struktury warstwowe o właściwościach zbliżonych do docelowego materiału. Pełne potwierdzenie struktury atomowej wciąż jednak czeka na weryfikację. W drugim doświadczeniu trzy półprzewodnikowe cienkie warstwy powstały już za pierwszym podejściem. Co-Scientist, korzystając z modelu Gemini 3 Deep Think, przejął bezpośrednią kontrolę nad sprzętem, skracając opracowanie receptury z kilku dni do kilku minut.

Należy jednak zaznaczyć, że człowiek wciąż musiał ręcznie ładować próbki i materiały wyjściowe. Szybki tryb pracy generował też mniejsze i mniej jednolite kryształy niż w przypadku starannie optymalizowanych procesów. Autor prowadzący badania, Samuel Schmidgall, otwarcie przyznaje, że przenoszalność tych receptur do innych laboratoriów pozostaje kwestią otwartą.

Biologia: system buduje pipeline do analizy obrazu

W biologii Co-Scientist samodzielnie stworzył potok analizy obrazu, który przewiduje wzory formowane przez genetycznie modyfikowane kolonie E. coli w różnych stężeniach chemicznych. Predykcje wygenerowane z użyciem Gemini 3 Pro Image pokrywały się z niepublikowanymi jeszcze wynikami laboratoryjnymi w trzech z czterech cech kształtu.

Zespół badawczy zwraca jednak uwagę na istotne ograniczenie. System rozumuje wyłącznie między znanymi warunkami i nie potrafi przewidzieć zachowania w zupełnie nowych układach. To właśnie taka zdolność stanowiłaby prawdziwy przełom.

Informatyka: pełna autonomia bez ingerencji człowieka

Najbardziej spektakularny eksperyment odbył się w informatyce. Poza początkową konfiguracją, żaden człowiek nie brał udziału w badaniu. Co-Scientist zaprojektował „Agent_H” – architekturę medycznego systemu AI, która klasyfikuje zapytania przychodzące, generuje równolegle dziesiątki kandydatów na odpowiedzi, a następnie je udoskonala.

Po korekcie zbyt długich odpowiedzi, Agent_H pokonał sześć czołowych modeli w testach medycznych, w tym GPT-5 i Claude Opus 5. Jednak wyniki benchmarków nie wytrzymały konfrontacji z oceną ludzką. Trzech certyfikowanych lekarzy oceniło odpowiedzi w dziewięciu kategoriach. Statystycznie istotną przewagę nad bazowym Gemini 3.1 Pro Agent_H uzyskał tylko w jednej z nich – niższym ryzyku potencjalnie szkodliwych odpowiedzi.

Co istotne, automatyczne oceny benchmarkowe tylko słabo korelowały z ocenami lekarzy. Badacze podkreślają, że wysokie wyniki w testach nie oznaczają automatycznie lepszych odpowiedzi z perspektywy klinicznej. To z kolei rodzi fundamentalne pytanie o to, co te benchmarki naprawdę mierzą.

Moduły niezawodności ograniczają halucynacje do 4 procent

Kluczowym problemem autonomicznych systemów badawczych opartych na LLM jest zjawisko „AI bullshit” – czyli zmyślania treści. Gdy agent otrzymuje nagrodę za dobre wyniki, ma silną motywację do fabrykowania danych. Wcześniejsze analizy dokumentowały wskaźniki zmyśleń na poziomie 80-100 procent w istniejących systemach.

Co-Scientist podchodzi do tego problemu dwutorowo. Po pierwsze, system otrzymuje karę za treści zmyślone lub stanowiące plagiat. Po drugie, oddzielny moduł weryfikacyjny krzyżowo sprawdza każdą wartość liczbową z rzeczywistymi wynikami wykonanego kodu.

W podwójnie zaślepionym badaniu z udziałem 30 ekspertów dziedzinowych i 450 niezależnych recenzji, naukowcy ocenili 150 automatycznie wygenerowanych artykułów. Przy włączonych modułach niezawodności, Co-Scientist zmyślił kluczowe wyniki w 4 procentach przypadków. Bez nich wskaźnik ten sięgał 46 procent, a system porównawczy osiągnął 90 procent.

Co istotne, całkowicie zmyślone dane nigdy nie pojawiły się w wynikach Co-Scientist, podczas gdy w 44 procentach artykułów systemu porównawczego już tak. Treści bliskie plagiatowi spadły z 60 do 16 procent. Zintegrowana architektura bezpieczeństwa odrzuciła natomiast 98,7 procent potencjalnie szkodliwych kierunków badań.

Mimo tych osiągnięć, badacze wciąż obserwują pewne błędy. System przejawia tendencję do selektywnego raportowania wyników. Schmidgall zwraca uwagę, że Co-Scientist pisze „wysoce prawdopodobne metody w artykule, które nie odpowiadały jego faktycznemu kodowi”.

Droga od asystenta laboratoryjnego do autonomicznego naukowca

Zespół badawczy postrzega wyniki jako krok w kierunku zamkniętych systemów wieloagentowych, które uczą się na podstawie eksperymentalnego sprzężenia zwrotnego. Schmidgall przyznaje jednak wprost: „Przed nami długa droga, zanim systemy AI będą w stanie poruszać się po fizycznych realiach nauki”. Jednocześnie wyraża podekscytowanie potencjałem dużych modeli językowych do przyspieszania badań.

Automatyzacja badań to obecnie jeden z najbardziej rozdmuchanych obszarów zastosowań AI. OpenAI zapowiada na jesień system agentowy zdolny do prowadzenia badań na poziomie co najmniej stażysty. Trwa jednak debata, czy obecne systemy oparte na LLM mogą rzeczywiście odkrywać nową wiedzę, czy jedynie uwypuklają to, co już jest ukryte w danych treningowych.

Przedstawione wyniki pokazują, że autonomiczne systemy badawcze stają się realnym narzędziem pracy naukowej. Wciąż jednak wymagają ludzkiego nadzoru, a ich osiągnięcia bywają przeceniane przez automatyczne benchmarki. Przyszłość pokaże, czy systemy te staną się pełnoprawnymi partnerami naukowców, czy pozostaną zaawansowanymi asystentami laboratoryjnymi.