Google DeepMind Mở Rộng Co-Scientist Sang Thí Nghiệm Và Viết Bài

Google nói hệ thống dùng các model Gemini hiện tại. Nó tạo giả thuyết, lập kế hoạch thí nghiệm, viết code, điều khiển thiết bị phòng thí nghiệm và tạo bản thảo khoa học. Các mô-đun xác minh đối chiếu số liệu trong văn bản với nhật ký chạy code để giảm kết quả bịa. Google lần đầu giới thiệu Co-Scientist vào tháng 2 năm 2025, khi đó dựa trên Gemini 2.0 và còn thiếu sót ở kiểm tra thông tin và rà tài liệu.

Google cho biết hệ thống đã có kết quả được xác nhận bằng thí nghiệm ở 3 lĩnh vực. Mức tự chủ tăng dần qua từng thử nghiệm. Trong khoa học vật liệu, Co-Scientist tạo công thức tổng hợp để con người thực hiện trên một lò nung nhiệt độ cao bán tự động.

Hệ thống tìm ra một đường đi an toàn hơn cho một vật liệu 2D từng chủ yếu được tạo ra bằng cách khắc nguy hiểm, và tạo ra các công thức tăng trưởng đầy đủ phù hợp với thiết bị của phòng thí nghiệm. Sau 25 vòng chỉnh sửa của con người, nhóm tạo ra các cấu trúc lớp có tính chất giống vật liệu mục tiêu, nhưng xác nhận dứt khoát về cấu trúc nguyên tử vẫn chưa có.

Trong một thí nghiệm khác, 3 màng mỏng bán dẫn được tổng hợp ngay lần đầu. Co-Scientist dùng Gemini 3 Deep Think để điều khiển thiết bị trực tiếp, rút thời gian phát triển công thức từ nhiều ngày xuống còn vài phút. Con người vẫn phải tự nạp mẫu và vật liệu đầu vào, và chế độ nhanh tạo ra các tinh thể nhỏ hơn, kém đồng đều hơn so với các công thức được tối ưu kỹ. Samuel Schmidgall viết rằng chưa rõ các công thức này có chuyển sang phòng thí nghiệm khác hay không.

Trong sinh học, Co-Scientist tự xây dựng một quy trình phân tích ảnh để dự đoán E. coli biến đổi gen sẽ tạo ra mẫu hình nào ở các nồng độ hóa chất khác nhau. Các dự đoán tạo bằng Gemini 3 Pro Image khớp với kết quả phòng thí nghiệm chưa công bố ở 3 trên 4 đặc điểm hình dạng, nhưng hệ thống chỉ suy luận giữa các điều kiện đã biết và không thể dự đoán hành vi trong một hệ mới. Ở khoa học máy tính, một thí nghiệm chạy mà không có người tham gia ngoài thiết lập ban đầu. Co-Scientist thiết kế Agent_H, một kiến trúc AI y tế phân loại câu hỏi đầu vào, tạo hàng chục phương án trả lời song song, rồi tinh chỉnh chúng; sau khi sửa lỗi câu trả lời quá dài, Agent_H vượt 6 model hàng đầu ở các phép đo hiệu năng về sức khỏe.