DeepMind报告：AI正在批量生产科学假设，但谁来证明它们是真的？
AI智能体可快速生成科学假设，如Co-Scientist两天提出与团队十年研究相符的假设，但无法独立验证。报告指出，假设生成加速而实验、评审等验证速度未同步，形成新瓶颈，需解决可及性、数据、设施及同行评审等问题。
一个科学家团队花了近十年才摸清的问题，AI 智能体只用了两天就给出了相同的答案——这事听起来多少有点科幻，但它确实发生了。
帝国理工学院的微生物学家 José Penadés 长期研究一个核心问题：某些“超级细菌”到底是怎么传播抗生素耐药性的？经过多年实验，团队逐渐确认，一些细菌会“偷”来病毒身上的尾部结构，把它们当作钥匙，从而进入不同的宿主物种。
这项研究当时还没发表。2024 年，Penadés 把一个简化版的研究问题交给了谷歌 DeepMind 开发的 AI 智能体 Co-Scientist。结果 48 小时内，Co-Scientist 给出了五种可能的解释，还按优先级排好了序。排名第一的那个假设，正是团队多年实验得出的结论。
Penadés 的第一反应不是惊喜，而是怀疑自己电脑被黑了。他赶紧联系谷歌，确认系统有没有读取过实验室的未公开数据。得到的回复是：没有。AI 没偷看答案。
更让人意外的是，Co-Scientist 提出的四个额外假设里，有一个方向是研究团队此前根本没考虑过的——目前正在被进一步验证。
Penadés 承认，如果研究一开始就有这样的工具，团队确实能少走很多年弯路。但必须警惕的是，即便 Co-Scientist 能在两天内提出正确假设，它也无法独立证明这个假设。真正让答案成为科学知识的，还是研究团队多年积累的实验数据。
最近，谷歌 DeepMind 发布了一份报告《Conjecture Machines: AI agents and the new validation bottleneck in science》，专门讨论了 AI 智能体如何改变科学研究。报告采访了多位内部研究人员和工程师，结合 Co-Scientist、AlphaEvolve 等案例指出：智能体正在加速假设生成和候选方案搜索，但实验、评审和结果理解的速度并没有同步跟上，“验证”因此可能成为科学研究的新瓶颈。
为什么 AI 智能体变好用了？
在聊这个瓶颈之前，报告先解释了一个现实问题：早期的 AI 智能体表现并不稳定，而科学研究偏偏对严密性和可靠性要求极高。那么，是什么让智能体在近一年内突然具备了参与真实科研工作的能力？
报告把答案归结为三个因素：基础模型变得更强，模型外部的“脚手架”逐渐成熟，智能体也更容易根据具体科研需求进行定制。
（来源：DeepMind）
首先，基础模型的推理能力大幅提升。报告提到，当前领先模型在 Humanity’s Last Exam、FrontierMath 等科学测试中的表现已经超过人类专家。比测试成绩更重要的是，模型不再急于给出答案，而是能进行多步推理，在不同方案之间探索、比较和修正。
这让智能体可以处理更复杂的问题，从大量论文中找出容易被忽略的信息，建立跨学科联系，并且判断什么时候需要搜索文献、运行代码或调用其他工具。
其次，智能体有了更成熟的“脚手架”。你可以把它理解为包裹在基础模型外面的一套工作系统，给模型增加了规划、记忆和使用工具的能力。借助这套系统，智能体可以检索论文、执行代码、使用科学软件，也能和其他智能体协作。
早期的脚手架往往只适用于特定模型或任务，模型升级后就得重新设计，也很难迁移到别的智能体系统上。但随着智能体之间通信、调用工具的标准逐渐形成，这类系统有望更容易复用，对定制化脚手架的依赖也会减少。
第三，智能体变得更容易定制。基础模型掌握了论文和教科书里的大量知识，但缺少科学家在长期实践中积累的经验——比如怎么培养特定细胞、处理实验异常，或者让复杂模拟顺利运行。
现在，研究人员可以把部分工作方法整理成“智能体技能”，用一组指令告诉智能体如何执行任务、调用哪些工具、产生什么结果。这些技能可以在团队内部共享和积累，实验室也可以在安全条件下，让智能体使用历史实验记录等内部资料。
在这种模式下，智能体并不是独立完成科学研究，而是承担文献整理、代码运行、数据分析和候选方案生成这些工作。科学家则负责设定目标、检查结果并做出判断。
计算生物学家 Natasha Latysheva 已经把自己研究流程中的部分方法整理成了智能体技能。她认为，尽管目前的 AI 智能体还不完全可靠，但科研人员的工作方式可能逐渐从亲自执行转向更高层次的调度。“我们每天会先检查智能体在夜间完成的实验和分析，再调整研究方向，安排下一轮任务。”
AI 智能体正在怎样改变科学研究？
AI 智能体带来的直接变化，是成为科学家的数字助手。文献筛选、数据库查询、数据整理和代码编写这些任务，都可以部分交给智能体处理。谷歌 DeepMind 高级研究科学家 Matej Balog 认为，这能让研究人员完成一些过去受编程能力限制、难以独立完成的工作。
但报告更关注的是智能体对科研核心流程的影响——从构思、寻找最优解到验证，AI 正在不同程度上参与科学发现。
构思阶段，科学家通常并不缺少想法，真正难的是判断哪些方向值得投入时间和实验资源。智能体可以阅读大量公开文献，寻找分散在不同学科中的线索，然后让多个子智能体分别提出假设、相互批评和排序。
斯坦福大学的研究人员 Gary Peltz 曾使用 Co-Scientist 寻找可以被重新用于治疗肝纤维化的现有药物。根据文献和多年经验，Peltz 选了两个候选药物，Co-Scientist 则推荐了三个。
结果在人体肝细胞实验中，Peltz 选的两个药都没效果。AI 推荐的三个候选里，有两个不仅抑制了纤维化，还促进了肝细胞再生。
这无疑是个成功的案例。不过，智能体提出的假设并不一定都靠谱。Co-Scientist 负责人 Vivek Natarajan 提到，一份长篇分析中，即使只有一项关键内容由模型虚构，也可能让整个结论失效。他认为，科研智能体需要具备“认识论上的谦逊”——能够判断自己什么时候缺少信息，并明确表达不确定性，而不是只给出一个看似完整的答案。
（来源：DeepMind）
构思之后，智能体还可以在大量候选方案中寻找更优解。AlphaEvolve 的方法就是先生成多种候选算法，再按预设标准评分，保留表现好的结果，以此为基础继续迭代。据报告介绍，它已经被用于辅助设计谷歌下一代 TPU 芯片、处理数学中的 Erdős 问题，以及改进基因组数据分析。
“算法几乎可以描述这个世界上的大部分科学和自然过程，”Balog 表示。正因如此，当一个问题能够用代码表达、候选方案又可以被快速评分时，智能体就能在较少人工干预的情况下持续搜索。
但在材料、化学和生命科学中，计算得分较高的方案通常只是一条线索。一个由智能体设计的催化剂仍然需要被合成和测量，一种可能有效的药物也需要经过细胞、动物和临床实验。AI 可以加快候选方案的生成，却不能跳过现实验证。
数学和计算机科学在一定程度上是例外，因为部分验证可以在计算机里完成。DeepMind 开发的 Aletheia 把证明生成器与自然语言验证器结合起来：一个系统提出证明，另一个检查问题并把错误返回修改。今年 2 月的首届 First Proof 挑战中，Aletheia 在一周内解决了十道未公开研究问题中的六道，是所有参赛系统里成绩最好的。
但自动验证也带来了新问题。Aletheia 项目负责人 Thang Luong 将其称为“证明消化不良”：AI 产生数学结果的速度，可能超过人类专家阅读和审查的速度。
同样从事数学 AI 研究的 Alex Da vies 也在思考这场变革会把数学家推向何方。他说：“我可以想象这样一个世界：机器负责发现，而数学家要做的，是理解这些发现，并判断接下来哪些问题真正值得追问。”
从构思、搜索到验证，AI 智能体的作用逐步深入，但不同环节的进展并不一致。机器可以迅速增加假设和候选方案的数量，而实验设施、专家审查和自然过程却无法以同样的速度扩张。
科研体系如何应对验证瓶颈？
随着 AI 智能体能够快速生成假设和候选方案，科研体系也需要扩大筛选、验证和理解这些结果的能力。报告认为，政策制定者和科研资助机构需要重点处理四个问题：智能体的可及性、科研数据、实验设施，以及同行评审。
第一，让更多科学家能够使用先进智能体。报告将其类比为过去超级计算机的访问权——一个国家除了要考虑能不能训练出自己的前沿模型，还需要考虑能不能把智能体真正部署进大学和科研机构，以及实验室该怎么承担相应费用。
虽然单位 AI 能力的成本可能持续下降，但随着科研人员把越来越多、越来越复杂的任务交给智能体，实验室在模型调用上的总支出恐怕不会同步减少。报告因此建议，科研资助机构需要尽快判断：是在现有资助项目中增加预算，还是设立专门针对智能体使用的新资助渠道。同时，报告也建议简化采购流程，让研究人员可以按实际需要自主选择工具，而不必经过繁琐审批。
第二，智能体需要能读取真正适合机器使用的科研数据。目前，不少科研资料以网页、PDF 或下载文件的形式存在，虽然可以供人阅读，却缺少统一格式、清晰的元数据和稳定接口，很难被智能体持续调用。
报告建议，将开放或风险较低的公共数据整理为“智能体就绪”的数据资源，并加强质量控制、长期维护和跨平台兼容。对于医疗、基因组和病毒学等敏感数据，则需要设置权限管理、隐私保护和操作审计机制。报告以英国 OpenSAFELY 项目为例：研究人员可以在受控环境中分析医疗数据，而无需直接接触原始数据，未来类似的机制也可以延伸到智能体的数据访问上。
第三，扩大实验验证能力。许多研究人员目前已经在为仪器和实验设施的排期发愁，而当智能体持续产出新的候选假设，需要被验证的项目只会越积越多。
报告提出了两条路径：一是加大对现有公共实验设施的投入，把更多实验台位和仪器运行时间开放给外部研究团队；二是推动自动化实验室建设，用机器人和自动化仪器全天候运行标准化实验。
谷歌 DeepMind 已经在英国弗朗西斯·克里克研究所建立了一间湿实验室，并为部分使用 Co-Scientist 的独立研究人员提供实验经费；美国的 Genesis Mission 计划则试图打通能源部下属国家实验室、高校和 AI 企业之间的资源。由于自动化实验室的建设成本高昂，报告建议采用公共投资和共享设施的模式，降低单个团队使用这些资源的门槛。
第四，调整同行评审机制。AI 已经大幅降低了撰写论文和基金申请书的成本，这意味着投稿和申请数量还会继续攀升，而文字表达本身也越来越难以直接反映研究质量。学者 James Wilsdon 和 Geraint Rees 就指出，问题不只是供给量的增加，写作质量本身已经不再是一个可靠的筛选标准。如果申请人普遍借助智能体准备材料，而评审者仍完全依靠人工逐一审阅，现有的评审压力只会进一步加剧。
报告建议，评审者同样可以借助智能体检查引用是否准确、数据是否存在错误、证据链是否完整，从而把更多精力留给对研究价值本身的判断。不过，由于评审材料通常尚未公开，相关工具的使用也需要满足严格的保密和数据安全要求。
此外，研究人员还需要更清楚地说明 AI 在研究中的作用。报告提到了“人机交互卡”（Human-AI Interaction Cards）这一设想：记录下产生关键研究思路时所使用的提示词、模型输出和后续的人工修改，让评审者能够追溯一项成果究竟是如何形成的。
显然，智能体的普及会影响下一代科研人才的培养。但如果年轻研究人员在真正掌握基础方法之前，就已经习惯把大量工作外包给 AI，未来可能难以形成审视和质疑机器输出所需的专业判断力。报告因此建议，科研训练体系可以保留一定的无智能体阶段，让学生先扎实掌握基本方法，再逐步把智能体当作协作伙伴使用。
1.https://datumo.com/blog/insight/co-scientist-google-ai-en/
2.https://deepmind.google/public-policy/conjecture-machines-ai-agents-and-the-new-validation-bottleneck-in-science/
注：封面由 AI 辅助生成
WPS Office是一款面向macOS用户的综合办公套件，将文字处理、电子表格、演示文稿、PDF工具、模板与云协作整合在同一应用中。它兼容常见Microsoft Office格式，支持Intel及Apple芯片Mac，基础功能可免费使用，
Shapr3D是一款面向工业设计、机械工程、建筑概念和三维打印工作流的CAD软件。Mac版采用Parasolid建模内核，支持草图约束、实体建模、工程图、可视化渲染及常见CAD格式交换，并可通过账户在多台设备之间同步项目。
REAPER是Cockos开发的数字音频工作站，提供多轨音频与MIDI录制、剪辑、处理、混音和母带制作工具。Mac版兼容Intel与Apple芯片，支持AU、VST、VST3、CLAP等插件格式，并提供高度可定制的工作流程。
Ableton Live 是面向音乐制作人与现场表演者的数字音频工作站，提供编曲视图、独具特色的现场视图、音频录制、MIDI创作、实时变速、乐器及效果器。Mac版原生支持Apple芯片，并可连接音频接口、MIDI控制器和第三方插件。
Adobe After Effects 是面向动态图形、影视特效与视频合成的专业创作软件。它提供关键帧动画、遮罩抠像、运动跟踪、三维空间、文字动画和表达式等工具，并可与 Premiere Pro、Photoshop、Illustrator
Adobe Audition 是面向播客、影视后期、音乐制作及内容创作者的专业音频工作站，提供波形精修、多轨录制与混音、频谱编辑、降噪修复、响度匹配和效果处理工具，并可与 Adobe Premiere 协同完成视频声音制作。
Adobe Bridge 是面向摄影师、设计师及内容团队的免费数字资产管理工具，可集中预览照片、视频和 Adobe 项目文件，并利用评级、标签、关键词、元数据、筛选与收藏集完成分类检索。它还支持批量重命名、格式导出、相机导入及 Camera
Adobe Illustrator 是 Adobe 推出的专业矢量图形设计软件，适合在 Mac 上制作标志、图标、插画、包装、信息图及印刷版面。它以路径和锚点构建可无损缩放的图形，并提供钢笔、形状、文字、图像描摹、渐变、画板及生成式功能。
Adobe InDesign 是面向印刷品与数字出版物的专业版面设计软件，可在 Mac 上制作书籍、杂志、宣传册、海报、报告及交互式文档。它提供精细的文字样式、网格、母版、长文档管理和印前输出能力。
Adobe Lightroom Classic 是面向桌面摄影工作流的照片管理与后期处理软件，可将原始照片保存在本地硬盘，通过目录、关键词、评分和收藏夹高效整理图库，并提供 RAW 冲印、蒙版、镜头校正、批量同步及多格式导出等功能。
Adobe Media Encoder 是 Adobe 推出的专业音视频编码与转码工具，可通过队列、预设和监视文件夹批量完成格式转换、代理文件创建及多平台成片输出，并与 Premiere Pro、After Effects 等软件紧密协作。
Adobe Photoshop 是面向摄影师、设计师和内容创作者的专业图像处理软件，提供图层、蒙版、选区、修复、调色、文字排版、智能对象及生成式编辑等能力。Mac 版支持 Intel 与 Apple Silicon 处理器。
Adobe Illustrator 是用于绘制矢量图形、插画、图标、徽标和版式的专业设计工具。它以路径和锚点为核心，作品放大后仍能保持清晰，并提供画板、文字、渐变、图像描摹及精确变换等功能，适合品牌视觉、印刷物料、数字界面和商业插画创作。
Adobe Bridge 是 Adobe 推出的创意资产管理工具，可集中预览、分类和查找照片、视频、PDF及多种设计文件，并支持元数据、关键词、评级、批量重命名和格式导出。它可与 Photoshop、Illustrator 等应用衔接，
Affinity Photo 是一款面向摄影师、修图师和视觉设计人员的桌面图像编辑工具，提供 RAW 显影、多图层合成、蒙版、实时滤镜、批处理和色彩管理等功能。原独立产品已停止销售，其照片编辑能力已延续至免费的新 Affinity 应用；
Adobe Lightroom Classic 是面向 Windows 桌面摄影工作流的照片管理与无损编辑工具，可通过目录集中整理大型图库，并完成 RAW 显影、局部蒙版、批量调整、打印和多格式导出。它强调本地文件管理与精细控制，
Figma 是面向产品设计与开发团队的云端协作平台，可在 Windows 桌面客户端中完成界面绘制、组件管理、交互原型、评论评审和开发交付。文件保存在云端，多名成员能够同步编辑并共享设计系统；官方同时提供免费 Starter 方案及按席位计
Affinity Designer 是面向矢量图形、数字插画和界面设计的专业创作工具，可在矢量、像素与导出工作区之间快速切换。它提供曲线编辑、形状构建、画板、排版、图层和专业色彩管理，并支持常见设计文件的导入及多种印刷、网页格式输出。
Capture One Pro 是面向摄影师和影像团队的专业桌面照片处理工具，提供相机定制色彩配置、RAW转换、图层与蒙版、联机拍摄、目录及会话管理等功能。它适合棚拍、人像、商业产品、婚礼和风光摄影，
Adobe Acrobat Pro 是面向专业 PDF 工作的综合解决方案，可在 Windows 中创建、编辑、转换、比较、整理和保护文档，并支持表单、电子签名、扫描件文字识别及敏感信息永久遮盖。订阅还包含网页、移动服务和云端协作能力，
Adobe After Effects 是面向动态图形、动画与影视视觉特效制作的专业工具，可完成关键帧动画、图层合成、遮罩跟踪、抠像、文字动画和二维三维元素整合。Windows 版通过 Adobe Creative Cloud 安装及更新，
DaVinci Resolve是Blackmagic Design推出的一体化影视后期工具，将素材管理、非线性剪辑、专业调色、Fusion视觉特效、Fairlight音频处理和成片交付整合在统一工程中。免费版已覆盖多数个人创作需求，
Adobe Media Encoder 是 Adobe 面向视频与音频制作流程提供的专业编码和转码工具，可批量处理媒体文件、创建代理、套用输出预设并监控文件夹自动执行任务。它与 Premiere、After Effects、Audition
Cinema 4D是Maxon推出的专业三维创作软件，将建模、动画、MoGraph动态图形、粒子与动力学模拟、材质灯光及Redshift渲染整合在统一工作环境中，适用于广告包装、影视特效、产品和建筑可视化、游戏素材等制作场景。