Google launches AI tools for scientific research workflows

•Google 推出的三項 AI 功能包括「假設生成」(Hypothesis Generation)，它利用 Co-Scientist 模擬科學方法，透過多代理「想法競賽」來生成、辯論和評估假設，並提供可點擊的引用文獻以確保嚴謹性。
•「計算探索」(Computational Discovery) 工具基於 AlphaEvolve 和 ERA (Empirical Research Assistance) 構建，是一個代理式研究引擎原型，能夠平行生成並評估數千種程式碼變體，以測試新穎的建模方法，例如在太陽預報或流行病學等複雜領域。
•「文獻洞察」(Literature Insights) 整合了 Google NotebookLM，可搜尋科學文獻並將結果結構化為帶有自訂、可搜尋屬性的表格，便於並排分析；研究人員還可透過聊天功能深入探討其策劃語料庫中的細微之處，並生成高品質的報告、投影片、資訊圖表及音訊和視訊概述。
•除了這些工具，Gemini for Science 還引入了「科學技能」(Science Skills)，這是一個專業套件，整合了來自 UniProt、AlphaFold 資料庫和 InterPro 等 30 多個主要生命科學資料庫和工具的洞察，使研究人員能在數分鐘內完成結構生物資訊學和基因組分析等複雜工作流程。
•這些新的實驗性工具將透過 labs.google/science 逐步開放存取，同時 Google 也將這些先進的 AI 功能透過 Google Cloud 提供給企業組織，以支援科學和工業研發。

Gemini for Science 工具是基於 Google 的 AI 模型（如 Co-Scientist、AlphaEvolve、Empirical Research Assistance (ERA) 和 NotebookLM）構建的。
廣泛的 Gemini 模型採用 Transformer 架構，這是一種 Google 於 2017 年引入的神經網路架構。
Gemini 具有多模態處理能力，能夠在單一統一架構中同時處理文字、圖像、音訊、視訊和程式碼。
Gemini 1.5 Pro 支援高達 100 萬個 token 的上下文視窗，實驗版本甚至可達 200 萬個 token，使其能夠處理大量的資料，例如完整的程式碼庫或數小時的視訊和音訊。
Gemini 1.5 Pro 還採用了「專家混合」(Mixture of Experts, MoE) 架構，其中較小的「專家」神經網路專精於特定領域或資料類型，模型會根據輸入選擇性地啟動相關專家。
Gemini Deep Research 作為 Gemini AI 聊天機器人內建的功能，能夠像研究人員一樣自主規劃、執行和綜合多步驟研究任務，並可存取 Google 搜尋、URL 內容、程式碼執行，甚至使用者的 Gmail、Google Drive 和 Google Chat。
Gemini 2.0（在 2024 年的一篇論文中提及）利用 JAX/XLA 框架，並由第六代 Tensor Processing Units (TPUs) 提供支援，以實現卓越的可擴展性和效率，同時透過其創新的 Flash 優化框架保持低延遲。

科學發現週期將大幅縮短。

透過自動化假設生成、計算探索和文獻分析，研究人員可以更快地從概念轉向實驗和結果。

AI 將成為科學研究中不可或缺的協作夥伴，而非僅是工具。

Gemini for Science 的多代理方法和代理式研究引擎，使其能夠主動參與科學方法的各個階段，放大人類智慧。

藥物發現和開發的成本與時間將顯著降低。

過去 AlphaFold 在蛋白質摺疊方面的成功，以及 Gemini 3 在藥物發現中的潛力，預示著 AI 將大幅提高研發效率並降低相關開支。

2014

Google 收購 DeepMind。

2018-12

DeepMind 的 AlphaFold 1 在 CASP13 蛋白質結構預測競賽中奪冠。

2020-11

DeepMind 的 AlphaFold 2 在 CASP14 中獲勝，被譽為解決了「蛋白質摺疊問題」。

2021-07

DeepMind 與 EMBL-EBI 合作發布 AlphaFold 蛋白質資料庫。

2024-10

AlphaFold 團隊的 Demis Hassabis 和 John Jumper 因其在 AlphaFold 上的工作而獲得諾貝爾化學獎。

2026-05-19

Google 推出 Gemini for Science 系列中的三項 AI 工具，用於優化科學研究工作流程。

Google 推出用於科學研究工作流程的 AI 工具