[논문 리뷰] Towards an AI co-scientist

Juraj Gottweis, Wei‐Hung Weng외 32명|ArXiv.org|2025. 02. 26.

Genomics and Rare Diseases인용 수 25

한 줄 요약

이 논문은 Gemini 2.0 기반의 다중 에이전트 시스템인 AI 코-사이언티스트를 제시합니다. 이 시스템은 과학자-루프 협업으로 새로운 생의학 가설과 연구 제안을 생성, 토론, 진화합니다.

ABSTRACT

Scientific discovery relies on scientists generating novel hypotheses that undergo rigorous experimental validation. To augment this process, we introduce an AI co-scientist, a multi-agent system built on Gemini 2.0. The AI co-scientist is intended to help uncover new, original knowledge and to formulate demonstrably novel research hypotheses and proposals, building upon prior evidence and aligned to scientist-provided research objectives and guidance. The system's design incorporates a generate, debate, and evolve approach to hypothesis generation, inspired by the scientific method and accelerated by scaling test-time compute. Key contributions include: (1) a multi-agent architecture with an asynchronous task execution framework for flexible compute scaling; (2) a tournament evolution process for self-improving hypotheses generation. Automated evaluations show continued benefits of test-time compute, improving hypothesis quality. While general purpose, we focus development and validation in three biomedical areas: drug repurposing, novel target discovery, and explaining mechanisms of bacterial evolution and anti-microbial resistance. For drug repurposing, the system proposes candidates with promising validation findings, including candidates for acute myeloid leukemia that show tumor inhibition in vitro at clinically applicable concentrations. For novel target discovery, the AI co-scientist proposed new epigenetic targets for liver fibrosis, validated by anti-fibrotic activity and liver cell regeneration in human hepatic organoids. Finally, the AI co-scientist recapitulated unpublished experimental results via a parallel in silico discovery of a novel gene transfer mechanism in bacterial evolution. These results, detailed in separate, co-timed reports, demonstrate the potential to augment biomedical and scientific discovery and usher an era of AI empowered scientists.

연구 동기 및 목표

• 생의학 연구의 과학적 발견 속도를 높이기 위해 AI 보조 가설 생성을 고무하고 가능하게 한다.
• 추론 및 제안 생성을 위한 과학적 방법을 모방하는 확장 가능한 다중 에이전트 아키텍처를 개발한다.
• 자연어 인터페이스와 조정 가능한 제약 조건으로 과학자-루프 협업을 시연한다.
• 약물 재창출, 새로운 표적 발견 및 항미생물제 내성 메커니즘에 걸친 엔드 투 엔드 검증을 보여준다.

제안 방법

• 비동기 작업 프레임워크를 갖춘 Gemini 2.0 기반 다중 에이전트 시스템을 제안한다.
• 생성(Generation), 반성(Reflection), 랭킹(Ranking), Evolution, Proximity, Meta-review와 같은 특수 에이전트를 활용하여 가설을 토너먼트 형식으로 생성, 토론, 진화시킨다.
• 장기적 반복 추론을 가능하게 하는 컨텍스트 메모리를 도입한다.
• 출력을 문헌 인용과 추론 가능성을 통해 근거화한다.
• 자연어를 통한 과학자 피드백을 허용하고 출력물을 제약 조건 및 안전 기준에 맞춘다.
• 외부 wet-lab 검증 보고서를 포함하여 세 가지 생의학 도메인에서 엔드-투-엔드 검증을 제공한다.

실험 결과

연구 질문

• RQ1 과학자 지정 목표에 맞춘 새롭고 검증 가능한 생의학 가설을 AI 코-사이언티스트가 생성할 수 있는가?
• RQ2 테스트 시간 계산 자원을 확대하는 것이 자기 개선 토너먼트 프레임워크를 통해 가설의 품질과 참신성을 향상시키는가?
• RQ3 과학자-루프가 AI 에이전트와 협력하여 문헌에 근거한 실행 가능한 실험 계획을 얼마나 효과적으로 도출할 수 있는가?
• RQ4 약물 재창출, 표적 발견 및 AMR 메커니즘 전반에 걸친 AI 주도 가설 생성을 뒷받침하는 증거는 무엇인가?

주요 결과

• AI 코-사이언티스트는 임상적으로 관련된 농도에서 in vitro 종양 억제를 보이며 AML에 대한 새로운 재창출 후보를 제시한다.
• 신규 에피제네틱 표적을 식별하여 간 섬유증에서 인간 간 오가노이드에서 항섬유화 활성을 보인다.
• AMR 관련 박테리아 진화에서 새로운 유전자 전달 기전을 제안하여 미공개 실험 결과를 재현한다.
• 세 가지 생의학 문제에 걸친 엔드투엔드 검증은 발견 작업 흐름을 보강할 가능성을 보여준다.
• 토너먼트 기반 진화 과정을 통한 자기 개선 루프가 연속적인 계산 확장과 함께 가설 품질을 향상시킨다.