Google DeepMind оновив AI Co-Scientist — систему, яка раніше лише пропонувала дослідникам наукові гіпотези, а тепер самостійно планує експерименти, керує лабораторним обладнанням і готує чернетки наукових статей. За даними The Decoder, це перетворює інструмент генерації ідей на систему, здатну провести дослідницький цикл значно ближче до автономного.
AI Co-Scientist DeepMind представила ще на початку 2025 року як мультиагентну систему на базі моделей Gemini: вона аналізувала наукову літературу і пропонувала перевірювані гіпотези для біомедичних та інших досліджень. Тоді роль людини лишалась вирішальною на кожному наступному кроці — від дизайну експерименту до фізичного виконання в лабораторії. Нова версія прибирає частину цих бар'єрів.
Для AI-білдерів це цікавий кейс не тому, що наука раптом стане повністю автоматизованою, а тому що показує, куди рухається агентна архітектура: від тексту-відповіді до дій у фізичному світі з реальними наслідками.
Що конкретно тепер уміє AI Co-Scientist?
Ключова зміна — розширення ланцюга дій за межі генерації ідей. Раніше система видавала список гіпотез і ранжувала їх за правдоподібністю, а решту роботи брали на себе дослідники. Тепер AI Co-Scientist додає три нові функції: планування послідовності експериментів для перевірки гіпотези, керування лабораторним обладнанням для їх фізичного виконання, і написання чернеток наукових статей за результатами.
- Планування експериментів — система визначає, які тести підтвердять чи спростують гіпотезу, і в якому порядку.
- Керування обладнанням — AI Co-Scientist взаємодіє з лабораторними приладами напряму, без ручного втручання оператора на кожному кроці.
- Написання статей — результати експериментів автоматично оформлюються у вигляді наукового тексту.
Як це змінює дослідницький цикл?
Класичний науковий процес — гіпотеза, дизайн експерименту, виконання, аналіз, публікація — донедавна вимагав людини на кожному етапі. AI Co-Scientist тепер закриває майже весь ланцюжок одним інструментом: від ідеї до тексту, готового для рецензування. Це не означає відсутність людини в процесі — фізичне обладнання, дозволи на дослідження і фінальна публікація все одно проходять через дослідників-людей. Але роль людини зміщується з виконавця на наглядача й рецензента.
За нашою оцінкою, найбільша практична цінність тут — не в написанні статей (це найлегша частина ланцюга), а саме в автономному керуванні лабораторним обладнанням: це вимагає надійної інтеграції агента з фізичними системами, а не лише з текстовими API.
Автономне керування фізичним обладнанням підвищує і ставки: помилка агента в лабораторії може означати зіпсований реагент, пошкоджений прилад або, в гіршому разі, ризик для безпеки персоналу. Наразі невідомо, які запобіжники передбачені для зупинки автономних дій AI Co-Scientist у разі збою — це деталь, яку варто відстежувати AI-білдерам, що проектують агентів з доступом до реальних систем.
Кому і навіщо це вже зараз корисно?
Найбільше виграють лабораторії з високопропускними (high-throughput) експериментальними протоколами — там, де гіпотез багато, а ручне тестування кожної коштує часу й грошей: біологія, хімія матеріалів, фармакологія. AI Co-Scientist дозволяє прогнати більше гіпотез за той самий бюджет, бо система сама відсіює менш перспективні напрямки ще на етапі планування.
Для команд, що будують власних AI-агентів поза наукою, головний урок інший: DeepMind демонструє робочий патерн передачі агенту не просто «інструменту» (як виклик API), а керування фізичним обладнанням із реальними побічними ефектами. Це та ж проблема, що стоїть перед розробниками агентів для DevOps, торгівлі чи логістики — де помилка агента коштує більше, ніж невдала відповідь у чаті.
Висновок AiiN: що це означає насправді
Наша теза: розширення AI Co-Scientist — це не стрибок до «ШІ-вченого», а показник того, що агентні системи Google DeepMind досягли рівня довіри, достатнього для дій у фізичному світі, а не лише в тексті. Це важливіший сигнал для індустрії, ніж сама наука: якщо агент готовий керувати лабораторним обладнанням, поріг довіри для агентів у виробництві, логістиці чи фінансах теж почне падати швидше, ніж очікувалось.
Водночас лишається відкритим питання валідації — хто і як перевіряє якість гіпотез і написаних агентом статей до публікації. Проблема довіри до автоматично згенерованих наукових результатів перегукується з тим, як індустрія намагається повернути довіру до AI-бенчмарків — в обох випадках автоматизація випереджає механізми перевірки.
Що таке AI Co-Scientist?
AI Co-Scientist — мультиагентна дослідницька система Google DeepMind на базі моделей Gemini, розроблена для генерації та ранжування наукових гіпотез. В оновленій версії вона додатково планує експерименти, керує лабораторним обладнанням для їх виконання і готує чернетки наукових статей за результатами.
Чи замінює AI Co-Scientist науковців-людей?
Ні, пряма заміна — не мета цього оновлення. Дослідники залишаються відповідальними за постановку завдання, дозволи на експерименти, фізичний контроль над обладнанням і фінальне рецензування статей перед публікацією. Система пришвидшує й автоматизує проміжні кроки, а не заміняє наукову експертизу.