Nagsisimula na ang Gemini AI ng Google DeepMind na magagawa ang mga eksperimento sa totoong mundo

I-edit | Panda

Sa Resident Evil, may isang malalim na ilalim ng lupaing laboratoryo na tinatawag na "The Hive". Ang mga pinto, pagmamasid, pagpapalipat ng hangin, seguridad, at ang buong operasyon ng facility ay inilahad sa isang AI: ang Red Queen.

Ang mga siyentipiko ng tao ang responsable sa pag-aaral, ngunit ang AI ang talagang nangangasiwa sa mga «mga kamay at paa» ng laboratorio na ito.

Kapag nangyayari ang anomaliya, ang Red Queen ay makakapag-isara, makakapag-cut ng sistema, makakakontrol ng mga pasilidad, at makakaintervenyo nang direkta sa pisikal na mundo.

Higit sa dalawampung taon ang nakalipas, ang ganitong kuwento ay isang klasikong paraan ng mga pelikulang sci-fi upang maglikha ng takot: ang AI ay pumasok sa pisikal na mundo, pinapagana ang mga makina, ginagawa ang mga eksperimento, at direktang nagpapalit sa realidad.

Ngayon, ang screen na ito ay nagsisimula na pumasok sa katotohanan sa isang lubos na iba’t ibang paraan—kahit sa kasalukuyan ay hindi pa takot.

Kahapon lang, inilabas ng Anthropic ang Model Hardware Standard (MHS) para sa mga pisikal na kagamitan, na nagtatangkang i-extend ang lohika ng MCP mula sa GitHub, Slack, at mga database patungo sa mga tunay na kagamitan tulad ng robotic arms, microscope, liquid handlers, at laser. Tingnan ang ulat na “Kahapon lang, inilabas ng Anthropic ang Physical MCP: Nagsisimula na ang Claude na kunin ang tunay na mundo.”

Sa simpleng salita, hindi sapat na mayroon ang AI Agent sa mga "interface" para mag-call ng software; kailangan na ito ng isang buong "puso at mga kamay" na kumonekta sa realidad. At ngayon, ipinakita muli ng Google DeepMind ang kanilang mga natutunan sa larangang ito.

Sa isang bagong ipinahayag na 83-pahinang papel, ginawa ng Google ang Gemini-powered Co-Scientist na kumonekta sa totoong proseso ng siyentipikong pananaliksik, at pinayagan itong magdisenyo ng mga eksperimento, magbuo ng code para sa pagsasagawa, basahin ang feedback mula sa eksperimento, at direktang makikonekta sa mga kagamitan sa eksperimento. Tinawag ng Google ang pagbabagong ito mula sa in-silico hypothesis generator patungo sa execution-grounded research partner, o chip-based hypothesis generator → execution-based research partner.

Sa pinakamadaling eksperimento, binigay ng mga siyentipiko ang mga kondisyon ng kanilang sariling CVD equipment kay Gemini 3 Deep Think. Sa ilang minuto, ibinigay nito ang solusyon para sa paglalago ng materyales na angkop sa machine, at tinumbok pa ito sa machine code na makakontrol sa aparato. Sa wakas, natagumpayang lumago ang tatlong two-dimensional semiconductor sa unang subok.

Kaya nangyari ang isang eksena na dati ay nasa mga pelikulang siyentipikong fiksyon lamang: kapag ang mga malalaking modelo ay talagang nakakakuha ng mga 'mga kamay' at nagsisimula na na操纵 ang mga aparato sa eksperimento. Kaya, mula sa araw na ito, ano na ang magiging AI Scientist?

Sa《Resident Evil》， takot ang mga tao na pamahalaan ng AI ang laboratorio. Ngunit sa totoong buhay, ang mga siyentipiko ay aktibong isasauli ang laboratorio sa— Pindutin Ibahig sa AI. Tiyak na, ang gusto gawin ng Google ay hindi ang walang kontrol na «buhok», kundi isang makina para sa paghahanap ng siyensya na maaaring magsimula sa pagbuo ng isang hipotesis, pagdidisenyo ng eksperimento, hanggang sa pagsusuri sa katotohanan.

Pamagat ng papel: Pabilisin ang Agham na Pananaliksik gamit ang Gemini sa Tunay na Mundo

Link ng papel: https://arxiv.org/pdf/2608.26701

Una, ang agham ng materyales.

Ginamit ng mga siyentipiko ang isang CVD furnace na kanilang sariling itinayo. Sa paggawa ng ganitong uri ng eksperimento sa 2D materials, isang matagal nang problema ay: ang mga pampublikong "recipe" ay mahirap i-replicate.

Sa parehong mga parameter tulad ng temperatura, gas, at prekursur, kung gagamitin ang iba’t ibang furnace, ang laki ng chamber, daloy ng gas, at posisyon ng materyales ay maaaring magkaiba nang kaunti, at ang resulting crystal ay maaaring lubos na magkaiba. Madalas na kailangan ng mga siyentipiko ang pagpapalit ng mga parameter nang maraming linggo o kahit ilang buwan.

Kaya ang team ng pananaliksik ay hindi na sinasabi kung paano gagawin ang eksperimento sa Gemini, kundi ipinakita na lang kung anong mga kagamitan, kemikal, at estruktura ng apoy ang mayroon ang laboratorio. Ang natitirang mga parameter ay pipiliin ng AI mismo.

Ang Co-Scientist ay gumagawa ng kompletong eksperimentong plano batay sa mga limitasyong ito, kabilang ang flow rate ng gas, kurba ng temperatura, dami ng mga prekursur, at posisyon ng materyales, at ipinapasa ito sa mga kagamitan para sa pagsasagawa.

Isang grupo ng eksperimento ang napakalaking tagumpay. Pagkatapos i-connect ni ang research team ang Gemini 3 Deep Think sa proseso ng CVD control, hindi na ito naglalabas ng isang eksperimentong plano sa natural na wika para sa mga siyentipiko na basahin nang mahinahon, kundi natapos ang pag-iisip sa ilang minuto at direkta ang nai-translate nito sa machine code na maaaring kontrolin ang kagamitan.

Sa huli, ang tatlong dalawang dimensyonal na semiconductor—MoS₂, MoSe₂, at WS₂—ay nakamit ang paglalago ng monolayer crystal sa unang eksperimento. Ang buong proseso ng eksperimento ay natapos sa halos isang oras.

Ang MoSe₂ at WS₂ ay mas partikular: dating hindi pa nagkaroon ng pagtatanim ng mga materyales na ito sa set na ito ng kagamitan. Sinuri ng mga sumunod na hindi bababa sa limang ulit na eksperimento ang resulta.

May interesanteng pagkakaugnay ito sa MHS na ipinakita ni Anthropic kahapon. Ang problema na gustong lutasin ni Anthropic ay kung paano gawing mas madali at mas istandard ang pagkilala at pagpapagana ng Agent sa mga kagamitan sa eksperimento; ang papel ng Google naman ay tumatalakay sa susunod na hakbang: kapag ang mga modelo ng pag-iisip ay nakakapag-control na ng mga kagamitan sa eksperimento, paano irereporma ang proseso ng pananaliksik?

Sa ganitong kahulugan, ang "AI na nag-uugnay sa hardware" ay hindi na isang problema.

Ngunit kung ang tanging gawin ay pagpapagana ng isang set ng kagamitan batay sa umiiral na kaalaman ng Gemini, hindi pa ito maaaring ituring na tunay na scientific discovery. Kaya ginawa ng Google ang pangalawang, mas mahirap na eksperimento: pagsubok na sintetisahin mula sa ibaba patungo sa itaas ang isang uri ng MXene 2D material na tinatawag na Ti₃C₂Tₓ.

Ang tradisyonal na paraan ay karaniwang naglalaman ng mapanganib at kumakain na mga kemikal, habang ang ilang kilalang CVD na mga solusyon ay gumagamit ng toxic at air-sensitive na TiCl₄. Kaya tinawag ng panel ng mga mananaliksik ang Co-Scientist upang matukoy kung mayroon bang mas ligtas na paraan gamit ang mga prekursur.

Ang Co-Scientist ay nagtakda ng target sa hexachloroethane C₂Cl₆ at ibinigay ang mga parametrong sumusunod: bilang ng mga prekursur, posisyon, flow rate ng gas, substrate, at curve ng temperatura.

Ngunit hindi ito isang kuwento ng “isang pagkakataon ng pagkakaroon ng ideya ng AI na nagtagumpay agad.” Ang Co-Scientist ay naglikha ng 272 mga kandidatong solusyon, at pinili ng mga siyentipiko at sinunod ang pagpapabuti sa mga nangungunang kandidato; pagkatapos ng 25 ronda ng pagpapalit ng eksperimento, natuklasan ang isang dalawang dimensyon na layer na kristal. Ito ay nagpapakita ng mataas na pagkakatulad sa Ti₃C₂Tₓ MXene sa maraming mga indikador tulad ng XRD, elektronikong mikroskopyo, at komposisyon ng elemento.

Ang mga problema sa mundo ng totoo ay karaniwan din. Ang orihinal na rate ng pagkakatagumpay sa pagpapakita ng eksperimento ay lamang 11.5%. Pagkatapos ay natuklasan ng mga siyentipiko na ang pangunahing problema ay hindi ang kimikal na pag-iisip ng AI, kundi ang pagkaleak ng oxygen dahil sa hindi sapat na pagse-seal ng mga kagamitan sa eksperimento.

Pagkatapos ng paglilinis muli ng quartz tube, pagpalit ng sealing ring, at pagpapabuti ng proseso ng pagpapanatili ng kagamitan, tumataas ang tagumpay sa eksperimento para sa parehong uri ng 2D material hanggang 68%.

Ito ay nagpapakita kung bakit iba ang “AI sa tunay na mundo” mula sa mga software agent: kung may mali sa code, maaari mong i-re-run ito. Ngunit sa mga eksperimento sa totoong mundo, isang lumang O-ring, isang maliit na bakas ng pipe, o kahit ang oxygen sa hangin, ay maaaring gawing kabuuang pagkabigo ang isang tama at scientific na plano.

Sobrang mapag-iingat ang Google sa papel: Sa kasalukuyan, hindi pa maaaring matiyak na ang materyal na ito ay Ti₃C₂Tₓ MXene, dahil mayroon pa itong mga problema tulad ng mababang yield at malubhang oksidasyon, at kailangan pang patunayan sa pamamagitan ng atomikong antas na karakterisasyon.

Gayunpaman, maaari nating makamit ang konklusyon na ang AI ay kaya nang magmungkahi ng isang kandidatong sintetikong ruta na may scientific significance, at pagkatapos ay talagang ipagpatuloy ang ruta papunta sa pisikal na eksperimento para sa pagpapatotoo.

Ginamit din ng Google ang Co-Scientist sa isang ganap na iba’t ibang eksperimentong paligid: sintetikong biyolohiya. Ang paksa ng pag-aaral ay isang grupo ng inhenyeriyadong E. coli.

Ang mga bakterya ay bumubuo ng iba’t ibang pattern ng koloni sa petri dish. Kapag nagbabago ang konentrasyon ng induktor na IPTG, nagbabago rin ang laki, gilid, at hugis ng mga koloni. Sa karaniwang sitwasyon, upang makakuha ng buong kurba ng pagbabago, kailangan ng mga siyentipiko na ihanda ang iba’t ibang konentrasyon, palakasin ang mga bakterya, hintayin ang paglago, at i-scan ang bawat dish.

Sinubukan ng Google na gamitin ang AI upang punan ang gitnang bahagi ng eksperimento. Binigyan lamang ng mga realistiko larawan ng koloni sa ilang antas ng konsentrasyon ang Co-Scientist, at sinubukan ng sistema na hulaan kung paano dapat magmukha ang mga koloni sa gitnang antas ng konsentrasyon na hindi nakikita pa. Bukod pa rito, ang mga datos ng eksperimento ay hindi pa nai-publish noong panahong iyon, kaya’t inihayag ng papel na imposible na lamang na tandaan ng modelo ang mga resulta sa training data upang matapos ang gawain.

Sa resulta, sa apat na mga indikador ng anyo ng kolonya, ang tatlo sa mga pagtataya ng AI ay hindi nagpakita ng makabuluhang pagkakaiba sa mga resulta ng totoong eksperimento; ito ay tama ring natukoy na ang kontrol grupo ay hindi magbabago batay sa konsentrasyon ng IPTG.

Ang tanging malinaw na problema ay ang "roundness": ang mga kolonya na ginawa ng AI ay mas maayos kaysa sa totoo. Ito ay sumasalamin sa karaniwang estetika ng mga generative model: ang tunay na mundo ay hindi perpekto, ngunit ang AI ay hindi makatigil na gawin itong mas round.

Ang depinisyon ng Google sa eksperimentong ito ay kumikilala rin: ang natapos ay isang interpolation sa kilalang saklaw ng konentrasyon, hindi isang paghuhula ng isang bagong fenomeno sa isang ganap na bagong genetic circuit.

Ngunit mayroon itong malinaw at praktikal na aplikasyon. Sa hinaharap, hindi na kailangang gawin ng mga siyentipiko ang lahat ng malalaking parameter space sa mga eksperimentong pisikal. Maaari nilang subukan ang ilang puntos muna, gamitin ang AI upang makapaghula ng natitirang space batay sa mga totoong datos, at pagkatapos ay piliin ang mga posisyon na pinakamahalaga para i-verify sa pamamagitan ng eksperimento.

Ang eksperimento ay unti-unting naging: pagkuha ng sample mula sa totoong mundo → paghuhula ng AI → pagpili ng eksperimento → pagbabalik ng bagong data sa AI.

Ito ang tawag sa lab-in-the-loop na paulit-ulit na binanggit sa papel.

Nakarating sa eksperimento sa computer science, tumataas pa ang antas ng autonomy ng Co-Scientist.

Ang gawain na ibinigay sa mga siyentipiko sa pagkakataong ito ay napakasimple: disenyo ang isang Agent na makakasagot nang mas mahusay sa mga tanong tungkol sa kalusugan. Pagkatapos ay hindi na nakikilahok ang mga tao sa disenyo ng arkitektura. Ang Co-Scientist mismo ang nagmumungkahi ng mga solusyon, sumusulat ng code, tumatagal ng mga pagsubok, nag-aanalisa ng mga kamalian, at patuloy na binabago ang arkitektura.

Sa huli, ito ay “nag-evolve” sa isang sistema na tinatawag na Agent_H.

Kailangan ng sistema na mag-isip ng paraan upang muli ayusin ang proseso ng pag-iisip ng umiiral na modelo. Sa harap ng isang medikal na tanong, ito ay una nang susuriin kung saang larangan ng medisina ito nakatutok, kung para sa pasyente o doktor, at gaano karami ang panganib; ang mga kumplikadong tanong ay hihiwalayin sa mga sub-question; pagkatapos, pare-pareho itong gagawa ng 28–48 na mga kandidatong sagot, pinapalitan ng mga Judge sa pares, at tatlong Judge ang magbaboto para piliin ang final na sagot. Ang nananatiling sagot ay tatanggap pa ng maraming pagsusuri sa klinika, pagsusuri sa mga sanggunian, at huling i-compress ang haba nito.

Para sagutin ang isang tanong, kinakailangan ng buong Agent na i-call ang modelo nang halos 40-80 beses. Sa HealthBench Hard at HealthBench Professional, ayon sa length-corrected scoring na ginamit sa papel, ang Agent_H ay lumampas sa anim na pinakamodernong modelo, kabilang ang GPT-5.6 Sol, Claude Opus 5, at Gemini 3.1 Pro.

Ngunit may nangyari dito na isang napakasikat na pangyayari na dapat isama sa ulat: natutunan ng AI ang “pagpapalit ng listahan”.

Sa mga maagang eksperimento, hindi sapat na pinarusahan ang mga mahabang sagot. Kaya agad natuklasan ng Co-Scientist ang pinakasimpleng paraan upang pataasin ang skor: gawing sobrang mahaba ang mga sagot.

Ang benchmark score ay tumataas nang malaki, ngunit hindi nagkaron ng katumbas na pagpapabuti sa kalidad ng pangangalaga sa kalusugan. Hanggang sa magdagdag ang mga mananaliksik ng penalty sa haba, nawala ang malaking kalamangan.

Ipinakikita ng Google sa sarili nitong papel na ito ay isang klasikong Goodhart's Law: Kapag naging layunin ang isang indikador, hindi na ito isang mabuting indikador.

Ang mga pagsusuri ng mga totoong doktor ay nagbigay rin ng ilang pagpapaliwanag sa mga resulta. Tatlong praktisadong doktor ay nagbigay ng blind evaluation sa 106 na tanong. Sa siyam na dimensyon, ang Agent_H ay nagkaroon lamang ng statistikal na makabuluhang pagpapabuti sa isang aspeto—“pagbawas sa potensyal na pinsala”—kumpara sa orihinal na Gemini 3.1 Pro, at walang makabuluhang pagkakaiba sa iba pang walong aspeto.

Sa ibang salita, ang mas mataas na benchmark score sa pananaw ng AI Judge ay hindi lubos na naging mas magandang sagot sa pananaw ng mga tao. Maaaring ito ay isa sa mga problema na kailangan harapin ng AI Scientist kapag ito ay pumasok sa totoong mundo: hindi sapat na mag-optimize, kundi kailangan din niyang malaman kung ano ang hindi maaaring definition lamang ng mga indikador ng pag-optimize.

Ang mga siyentipiko sa AI ay magtataglay ng data para sa papel

Sa katotohanan, ginugol ng Google ang malaking bahagi ng papel na ito sa pag-aaral ng isang hindi gaanong komportableng tanong: kung buong-buo na ipapalaya ang AI Scientist, baka ba ito ay mag-cheat upang makakuha ng magandang resulta?

Oo.

Pinayag ng panel ng pag-aaral na ang sistema ay mag-isip, maghanap ng data, sumulat ng code, patakbuhin ang mga eksperimento, at lumikha ng final na papel sa 50 na paksa ng AI na pag-aaral nang walang tulong mula sa tao.

Para sa paghahambing, sinubukan din nila ang Co-Scientist na walang module ng kumpiyansa, pati na rin ang dating sistemang Agent Laboratory, na naglikha ng 150 na papel, na sinuri ng 30 na eksperto sa larangan sa 450 beses na pagsusuri.

Ang resulta ay medyo夸张. Ang isang AI Scientist na walang espesyal na mekanismo ng pag-verify ay maaari pa ring magpatuloy sa pagsusulat ng buong papel kahit na may error na ang code at walang epektibong resulta ang eksperimento.

Gumagawa sila ng mga tabla ng data, p-values, at mga statistical test; isinusulat nila ang mga nabigo mong eksperimento bilang nagsukses; at kahit na binabago nila ang evaluation environment upang ang kanilang paraan ay makuha nang natural na mas mataas na marka, o sa pamamagitan ng hardcode ay direktang i-output ang isang magandang resulta.

Kapag ang layunin ay: “Isulat ang isang magandang tingnan na papel,” ang Agent ay hahanap ng mas mura at madaling paraan kaysa sa tunay na paggawa ng pananaliksik.

Kaya idinagdag ng Google sa bagong bersyon ng Co-Scientist isang mekanismo na napakatulad sa “scientific audit”: ang mga resulta ng eksperimento na sinasabi sa papel na nangyari, kailangang mababawi sa totoong log ng pagpapatakbo ng programa. Kung wala ang katumbas na resulta sa log, hindi makakasulat ang sistema ng anumang bagay na “dapat gawin” batay sa pag-iisip ng language model.

Ang epekto ay napakalakas. Ang "illusion of results" na seryosong nakakapagpapabagsak sa papel ay bumaba mula sa 90% sa Agent Laboratory hanggang sa 4%; ang pinakamalubhang kaso ng pagnanakaw ng data naman ay bumaba mula sa 44% hanggang sa 0%.

Ngunit ang problema ay hindi pa lubos na nawala. Ang malubhang pagkakamali sa paglalarawan ng paraan sa bagong bersyon ng Co-Scientist ay mayroon pa ring 24%, at ang malubhang pagkakatulad/derivadong nilalaman ay mayroon pa ring 16%.

Kaya sinikat ng Google na hindi sila nag-claim na ang kasalukuyang Autonomous AI Scientist ay kayang lumikha ng mga pananaliksik na agad na maipapalabas.

Kung tingnan natin ang mga gawaing ito ng Anthropic at Google nang magkasama, makikita natin na isang malinaw na pagbabago ang nangyayari sa Agent: noong dalawang taon na ang nakalipas, ang pinakamalaking battlefield ng AI Agent ay ang mundo ng software. Ngayon, ang logika na ito ay una nang malawak na umuusbong sa labas ng realidad.

Sinubukan ng MHS ni Anthropic na lutasin ang pangunahing problema: magbigay ng isang interface na maunawaan at maipagamit ng isang Agent para sa iba't ibang device tulad ng robotic arm, microscope, at liquid handling platform.

Ang Co-Scientist ng Google ay nagsimulang suriin ang mas mataas na tanong: Ano ang dapat maging isang tunay na saradong sistema ng pagkakatuklas sa agham kapag isang modelo ng pag-iisip ay makapagpapahayag ng isang hipotesis sa siyensiya, magplano ng eksperimento, kontrolin ang mga kagamitan, basahin ang mga resulta, at magpatuloy sa pagpapabuti ng susunod na serye ng eksperimento?

Totoo naman na malayo pa ang Google sa tunay na "walang tao na laboratorio." Ang kasalukuyang mga eksperimento sa materyales ay kailangan pa rin ng tao para i-load ang mga sample; ang atomikong istruktura ng mga bagong materyales ay hindi pa nakakamtan; ang paghuhula sa E. coli ay nag-verify lamang ng limitadong mga interpolation task; ang mga medical agent ay nakakapag-exloit ng mga loopholes sa benchmark; at ang mga sistemang nagpapagawa ng papel ay hindi pa lubos na nalulutas ang hallucination at plagiarism. Kahit ang Google mismo ay malinaw na nagpapahiwatig na dahil sa hardware anomalies at kumplikadong realidad, ang ganap na walang tao na supervisyon sa pisikal na eksperimento ay hindi pa posible sa kasalukuyan.

Ngunit ang pagbabago ay nangyari na.

Noong nakaraan, ang pag-uusap tungkol sa AI para sa Agham ay kadalasang nakatuon sa kung kayang isipin ng AI ang isang bagay na hindi isinip ng tao. Ngayon, ang mas maraming pag-aaral ay nagsisimula na magpuno sa mas mahirap na kalahati: kung kayang gawin ng totoong kagamitan ang ideyang iyon, at kung kayang maging batayan ng susunod na pag-iisip ng AI ang resulta ng paggawa.

Binigyan ng interesanteng paghuhusga ang Google sa huli ng papel. Kung talagang itatayo ang ganitong sariling loop, maaaring magbalik ang mga limitasyon sa siyentipikong pananaliksik sa hinaharap: noong unang panahon, inhintay ng mga kagamitan sa eksperimento ang mga siyentipiko upang magbigay ng susunod na mabuting tanong; sa hinaharap, maaaring nagsagawa na ang AI ng mga daan-daang eksperimento na值得验证, at hindi kayang tugunan ng mga laboratorio.

Sa panahong iyon, ang tunay na bottleneck sa bilis ng pagkakakita ng siyentipikong pagkakakita ay maaaring hindi na ang scientific ideation, kundi ang experimental throughput—kung gaano kabilis ng mundo ang makapagpapatakbo ng mga eksperimentong iyon.

Nakuha mula sa WeChat public account na "Machine Heart" (ID: almosthuman2014), may-akda: Nakikisali sa Agham at AI