Co-Scientist dan AlphaEvolve adalah agen yang dikembangkan Google yang mempercepat proses riset dan pengembangan. Agen ini memanfaatkan Gemini untuk mengotomatiskan penalaran ilmiah yang kompleks dan penemuan algoritmik.
Ringkasan agen Co-Scientist
Co-Scientist adalah sistem AI multi-agen yang dibangun di Gemini, yang dirancang untuk bertindak sebagai kolaborator ilmiah virtual. Sistem ini membantu peneliti menemukan pengetahuan asli dan merumuskan hipotesis riset baru serta proposal eksperimental. Dengan menggabungkan penalaran AI dengan metode ilmiah, Co-Scientist memungkinkan ilmuwan menavigasi literatur, menyintesis insight di berbagai domain, dan mempercepat penemuan biomedis.

Cara kerjanya
Co-Scientist dibangun di atas arsitektur multi-agen dan framework eksekusi tugas asinkron untuk menskalakan komputasi waktu pengujian. Desain ini memungkinkan sistem untuk bernalar, berdebat, dan meningkatkan output secara berulang.
Saat Anda memberikan tujuan riset dalam bahasa alami, Co-Scientist akan mengoordinasikan agen khusus berikut:
- Agen pembuatan: Menjelajahi literatur menggunakan penelusuran web, menyintesis temuan, dan merumuskan hipotesis awal.
- Agen refleksi: Bertindak sebagai peninjau sejawat untuk memeriksa kebenaran, kualitas, dan keamanan hipotesis yang dihasilkan.
- Agen peringkat: Mengevaluasi dan memprioritaskan proposal riset menggunakan turnamen berbasis Elo.
- Agen evolusi: Menyempurnakan hipotesis peringkat teratas dengan mendasarkannya pada literatur dan menggabungkan ide-ide inovatif.
- Agen kedekatan: Mengatur pertandingan turnamen dan menghapus duplikat hipotesis menggunakan grafik kedekatan.
- Agen peninjauan meta: Menyintesis insight dari semua peninjauan dan perdebatan ke dalam peta jalan riset yang komprehensif.
Agen Supervisor khusus mengatur proses, mengalokasikan resource, dan mengelola antrean pekerja untuk mempertahankan loop penalaran ilmiah yang terus meningkat.
Kasus penggunaan
Co-Scientist memecahkan masalah kompleks di berbagai disiplin ilmu, khususnya yang memerlukan keahlian mendalam dalam materi pelajaran dan insight lintas disiplin. Contoh kasus penggunaan mencakup:
Penggunaan kembali obat: Mengidentifikasi indikasi terapeutik baru untuk obat yang disetujui dengan menganalisis tanda tangan molekuler, jalur pensinyalan, dan informasi berbasis literatur.
Penemuan target: Mengusulkan komponen biologis dan target epigenetik baru untuk penyakit kompleks dan menyederhanakan pemilihan hipotesis untuk validasi eksperimental.
Penjelasan mekanistik: Membuat hipotesis untuk masalah yang rumit, seperti resistensi antimikroba, dengan menyintesis data ilmiah yang terfragmentasi.
Untuk mengetahui informasi selengkapnya dan kasus penggunaan tambahan, lihat blog Mempercepat terobosan ilmiah dengan Co-Scientist AI.