Google 發表「Gemini for Science」計畫，推出假說生成、計算發現等三大工具，可將數週科研流程縮短至幾分鐘，已獲諾貝爾獎得主壓力測試認可。
長久以來，科學方法一直是推動人類進步的最大引擎，但如今科學家卻面臨著一個弔詭的困境：人類知識累積的速度實在太快，單一科學家已經很難看見全貌。為了解決這個瓶頸，Google宣布推出「Gemini for Science」計畫。
這不僅是一套工具，更宣告Google的野心：不再只追求單一領域的狹義AI模型 (如AlphaFold)，而是要打造出能跨越各學科、賦能全體研究人員的「通用代理助理」 (General Agents)。透過在Google Labs推出三大實驗性工具，以及在Antigravity平台導入「Science Skills」，Google試圖將數週甚至數月的科學研究流程，大幅縮短至幾分鐘。
Google Labs推出三大實驗性科學利器
Google認為，科學突破往往仰賴於從海量數據中建立「創造性的連結」。為了將科學家從繁瑣的資料梳理中解放出來，Gemini for Science首波在Google Labs推出三款以「代理式」 (Agentic)架構為核心的實驗性工具：
• 假說生成 (Hypothesis Generation)：基於Co-Scientist打造
每年全球有數百萬篇論文發表，沒有人類能全部讀完。這款工具模擬科學方法，能與研究人員合作定義挑戰，接著啟動一場「多代理人點子錦標賽」 (Multi-agent idea tournament)，讓多個AI代理互相產生、辯論，並且評估假說。為確保嚴謹度，所有主張都會經過深度驗證，並且附上可點擊的文獻來源。
• 計算發現 (Computational Discovery)：基於AlphaEvolve與ERA打造
科學進展常受限於我們能實際進行的計算實驗數量。這款「代理研究引擎」能並行生成、評估數千種程式碼變體，讓科學家能快速測試全新的建模方法。對於太陽能預測或流行病學等複雜領域，原本需要數月時間手動調整的實驗，現在交給AI就能快速完成。
• 文獻洞察 (Literature Insights)：基於Google NotebookLM打造
這是專為梳理科學文獻而生的利器。它能將搜尋結果結構化為表格，方便並排分析。研究人員不僅能透過對話發掘文獻中的細微差別，還能要求AI生成報告、簡報、資訊圖表，甚至是影音摘要，幫助科學家快速找到跨論文的結論與研究空白。
即日起，這些實驗性工具將逐步開放存取，有興趣的研究人員可至「labs.google/science」登記。
企業級應用與桌上型科學工作站
除了供個人實驗，Google也將這些強大功能透過Google Cloud帶給企業組織。目前，諸如巴斯夫 (BASF)、Klarna，以及第一三共 (Daiichi Sankyo)、拜耳作物科學 (Bayer Crop Science)與美國國家實驗室等單位，都已經在私密預覽階段使用AlphaEvolve或Co-Scientist來優化供應鏈或加速基礎科學研究。
此外，Google更在開發者平台Google Antigravity推出名為「Science Skills」的擴充套件。這個套件整合包含UniProt、AlphaFold Database與AlphaGenome API等超過30個主要生命科學資料庫，意味研究人員可以直接在桌面上，要求AI代理執行過去高度依賴人工的結構生物資訊學與基因組分析。
在Google內部的早期測試中，一項原本耗時數小時的分析任務，透過Science Skills僅需幾分鐘便可完成，這甚至幫助團隊發現由AK2基因突變引起的罕見遺傳病潛在機制。
當AI成為科學研究的「基礎設施」
從解決蛋白質折疊難題的AlphaFold，到現在能主動生成假說並驗證的Gemini for Science，Google正在將AI於科學界的角色，從「單點突破的工具」，升級為「無所不在的基礎設施」。
這次發表的重點，在於Google建立一個「代理生態系」。透過與史丹佛大學、倫敦帝國學院等超過100家機構合作，甚至邀請諾貝爾獎得主進行壓力測試，Google試圖確保這些AI代理產出結果具備絕對的科學嚴謹度。當AI能接手文獻回顧、實驗建模與假說辯論等「勞力密集」的科研階段時，人類科學家將能把寶貴的精力，集中在定義「下一個最重要且最具影響力的科學問題」上，這或許正是科技巨頭推動人類大步向前的最佳示範。
