AI Co-Scientist от Google: команда агентов вместо одной модели

В феврале 2025 года Google Research показал AI Co-Scientist — не чат-бота и не поисковик по статьям, а систему из нескольких взаимодействующих агентов поверх модели Gemini 2.0. Задача у неё узкая и амбициозная: помогать учёным формулировать новые гипотезы, спорить с ними и ранжировать по правдоподобности. Показательный кейс из анонса — работа по устойчивости бактерий к антибиотикам: система за пару дней предложила механизм переноса генов, к которому исследовательская группа в Imperial College London независимо пришла за несколько лет. Результат группы к тому моменту ещё не был опубликован, то есть модель не могла его «подсмотреть».

Это не обещание заменить лабораторию. Но это заявка на то, что генерация научной идеи — этап, который раньше считался чисто человеческим, — тоже поддаётся автоматизации, если правильно собрать конвейер.

Почему один агент — это мало

Обычная большая языковая модель на запрос «предложи гипотезу» выдаёт правдоподобный текст и на этом останавливается. Она не проверяет себя, не ищет слабые места в собственном рассуждении и не сравнивает варианты между собой. Co-Scientist построен вокруг идеи, что качество рождается в споре, а не в одном проходе.

Система делит работу между специализированными агентами, каждый из которых отвечает за свой этап. Между ними стоит управляющий агент-супервизор, который распределяет вычислительные ресурсы и запускает циклы уточнения.

• Generation — порождает первичные гипотезы, опираясь на литературу и формулировку задачи от исследователя.
• Reflection — критикует гипотезы, ищет логические дыры и противоречия с известными фактами.
• Ranking — устраивает между гипотезами что-то вроде турнира, где они «сражаются» в парных сравнениях по правдоподобности.
• Evolution — берёт лучшие идеи и дорабатывает их, комбинирует, упрощает.
• Proximity и Meta-review — группируют похожие гипотезы и сводят итоги в обзор для учёного.

Ключевая механика — tournament-подход: гипотезы конкурируют между собой в парных сравнениях, а рейтинг по системе, похожей на шахматную Elo¹, определяет, какие идеи дорабатывать дальше. Чем дольше система работает над задачей, тем выше средний Elo лучших гипотез — так авторы показывают, что дополнительные вычисления действительно улучшают результат, а не просто перемешивают текст.

Ценность здесь не в том, что модель «знает ответ», а в том, что она устроена как маленькая научная среда: одни агенты предлагают, другие безжалостно критикуют, третьи выбирают выживших.

Что показали первые эксперименты

Google описывает несколько областей биомедицины, где систему проверяли вместе с профильными лабораториями. Стоит держать в голове: это отчёт самой компании, а не независимая рецензируемая проверка, и часть результатов пока в статусе препринтов.

• Перепрофилирование лекарств при остром миелоидном лейкозе — система предложила существующие препараты-кандидаты, часть из которых затем проверяли в экспериментах на клеточных линиях.
• Фиброз печени — предложены мишени для терапии, отобранные для дальнейшей валидации.
• Устойчивость к антибиотикам — тот самый кейс с механизмом переноса генов, совпавший с невыпущенным на тот момент результатом лаборатории.

Важная оговорка от самих авторов: система выдаёт гипотезы, а не доказанные факты. Каждая идея требует лабораторной проверки, и без экспериментов её ценность нулевая. Co-Scientist сокращает не путь до открытия, а путь до правдоподобной идеи, которую стоит проверять.

Чем это отличается от привычных ИИ-инструментов

На рынке уже есть инструменты, которые помогают исследователям: от чат-ботов до систем вроде AlphaFold для предсказания структуры белков. Co-Scientist решает другую задачу.

Ещё одно отличие — роль человека. Co-Scientist задуман как партнёр под контролем исследователя, а не автономная система. Учёный задаёт цель на естественном языке, может добавить свои идеи в общий котёл, направить критику и в конце получает обзор с обоснованием, а не голый список.

Что осталось за кадром

Google на момент анонса не открыл систему широкой публике: доступ предоставлялся ограниченному кругу через программу Trusted Tester, и точных условий и цен для массового пользователя компания не называла. Актуальный статус доступа и любые ценовые детали стоит смотреть в официальном блоге Google Research, а не полагаться на цифры из вторых рук.

Отдельный вопрос — цена вычислений. Турнирный подход и многократные циклы критики означают, что система прогоняет модель по одной задаче многие десятки раз. Для отдельного пользователя это выражается в счетах за вычисления, о конкретных значениях которых судить рано.

И главное ограничение остаётся честно проговоренным самими авторами: без эксперимента гипотеза — это только текст. Совпадение с работой лаборатории по антибиотикам впечатляет, но одно совпадение не делает систему надёжным генератором открытий. Настоящая проверка — независимые исследования, где Co-Scientist сравнят с работой людей на большом числе задач.