Co-Scientist dan AlphaEvolve adalah agen yang dikembangkan Google untuk mempercepat proses riset dan pengembangan. Agen ini memanfaatkan Gemini untuk mengotomatiskan penalaran ilmiah yang kompleks dan penemuan algoritma.
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 penelitian baru serta proposal eksperimental. Dengan menggabungkan penalaran AI dan metode ilmiah, Co-Scientist memungkinkan para ilmuwan menelusuri 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 berpikir, berdebat, dan meningkatkan kualitas output secara iteratif.
Saat Anda memberikan tujuan riset dalam natural language, 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: Memperbaiki hipotesis yang berperingkat teratas dengan mendasarkannya pada literatur dan menggabungkan ide-ide inovatif.
- Agen kedekatan: Mengatur pertandingan turnamen dan menghapus duplikat hipotesis menggunakan grafik kedekatan.
- Agen meta-ulasan: Mensintesis insight dari semua ulasan dan perdebatan ke dalam peta jalan riset yang komprehensif.
Agen Supervisor khusus mengatur proses, mengalokasikan resource, dan mengelola antrean pekerja untuk mempertahankan loop peningkatan mandiri dari penalaran ilmiah.
Kasus penggunaan
Co-Scientist memecahkan masalah kompleks di berbagai disiplin ilmu, khususnya masalah yang memerlukan keahlian mendalam di bidangnya dan insight transdisipliner. Contoh kasus penggunaan mencakup:
Penggunaan ulang 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 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.