I jagten på videnskabelige gennembrud blander forskere kreativitet og ekspertise med litterær indsigt for at udvikle innovative forskningsveje og vejlede udforskninger. Dog præsenterer det en udfordring at navigere i den hurtige stigning i videnskabelige publikationer, mens man integrerer viden fra forskellige felter. Det er afgørende at adressere dette problem, som det ses i moderne opdagelser fra tværfaglige bestræbelser, såsom Nobelprisen i kemi i 2020, der blev tildelt Emmanuelle Charpentier og Jennifer Doudna for deres CRISPR-innovation, som integrerede viden på tværs af mikrobiologi, genetik og molekylærbiologi. For at imødegå de uopfyldte behov i videnskabelig opdagelse og udnytte fremskridt inden for AI har vi udviklet et AI co-scientist system. Denne multi-agent AI, bygget på Gemini 2. 0, fungerer som et samarbejdsværktøj for forskere, som forbedrer ræsonneringsprocessen i den videnskabelige metode. AI co-scientisten går ud over standard litteraturgennemgange; den har til formål at generere original viden og formulere unikke forskningshypoteser, der er skræddersyet til specifikke mål. AI co-scientisten anvender test-time compute scaling for løbende at forbedre sin output.

Nøgleprocesser inkluderer selvspil-baserede videnskabelige debatter for generation af hypoteser, rangeringsturneringer for evaluering af hypoteser og en "evolution"-strategi for kvalitetsforbedring. For at sikre effektivitet anvendte vi Elo auto-evalueringsmetrik fra disse turneringer og opdagede, at højere Elo-vurderinger korrelerer med større outputpræcision. I bestræbelserne på at remedieres lægemidler til akut myeloid leukæmi (AML) foreslog vores AI co-scientist nye repurposing-kandidater, som blev valideret gennem computervidenskab, ekspertråd og laboratorietests. Derudover udforskede vi hypoteser relateret til antimikrobiel resistens (AMR) ved at instruere AI'en til at undersøge mekanismer for bakteriel genoverførsel. AI'en foreslog uafhængigt, at kapsid-dannende phage-inducible kromosomale øer (cf-PICIs) interagerer med fagerhaler for at udvide deres værtsomfang, en opdagelse som senere blev valideret gennem tidligere eksperimenter. Dette arbejde er et samarbejde blandt forskellige teams ved Google Research, Google DeepMind og Google Cloud AI, sammen med partnere fra adskillige institutioner, herunder Fleming Initiativet og Imperial College London. Vi udtrykker vores taknemmelighed til alle bidragydere og eksperter, der har givet væsentlig feedback, samt vores interne teams, hvis støtte har været uundgåelig for denne stræben.