谷歌的多智能体AI共研科学家系统正展现出其作为强大科研助手的价值，能够做出通常需要研究人员多年才能取得的真实科学发现。
出于对现代科学发现流程挑战的关注，谷歌开发了基于Gemini 2.0的多智能体AI共研科学家系统。该系统旨在作为科学家的协作工具，模拟科学方法背后的推理过程。
与传统的文献回顾和总结工具不同，AI共研科学家旨在基于现有证据，结合具体研究目标，挖掘全新原创知识并提出新颖的研究假设。研究人员只需用自然语言描述研究目标，系统即可生成创新假设、详细的研究综述及实验方案。
该系统的能力在一次极具挑战性的细菌进化问题中得到了充分展示。伦敦帝国理工学院的José Penadés教授和Tiago Costa教授向其提出了一个复杂问题。Penadés实验室花费十年时间研究包膜形成噬菌体诱导染色体岛（cf-PICIs）如何通过交换尾部感染不同细菌种类。在发表成果前，他们决定用未公开的数据测试AI共研科学家，看看其是否能得出同样的结论。
结果令人惊叹。AI准确识别出cf-PICIs会产生自身的包膜并包装其DNA，仅依赖噬菌体尾部进行转移。它发现cf-PICIs会释放不具感染性的无尾包膜，将其DNA释放到环境中，这些包膜随后可与来自不同物种的噬菌体尾部结合，形成嵌合颗粒，并根据尾部类型将DNA注入不同细菌宿主。
Penadés教授指出，他们团队曾被自身的偏见所困：“我们有偏见。多年来，我和所有噬菌体生物学领域的人都认为，感染后得到的总是带有包膜和尾部的感染性颗粒。我们一直不明白，为什么有些PICIs可以被诱导却无法转移……我们太受自身偏见影响，以至于看不到实际发生的事情。”
AI共研科学家的表现不仅仅体现在这一案例。在对11个研究目标的子集进行评估时，领域专家将其产出与其他相关基线模型进行了对比。尽管样本量有限，专家们认为AI共研科学家的新颖性和影响力更高，并更倾向于其产出。
为推动AI共研科学家潜力的负责任探索，谷歌正通过受信测试者计划向科研机构开放该系统。 随着科学挑战日益复杂和跨学科，像AI共研科学家这样的工具有望帮助研究人员克服自身偏见，发现有前景的新研究方向，从而显著加速科学发现进程。