Od návrhu hypotézy k experimentu v reálném světě
Google DeepMind představil AI Co-Scientist původně jako víceagentní systém pro generování a posuzování vědeckých hypotéz. Jednotlivé části systému měly rozdílné úkoly: některé vytvářely nápady, další je porovnávaly a jiné se snažily slabé návrhy vyřadit.
Nová verze jde podstatně dál. Podle výzkumné práce Accelerating Scientific Research with Gemini in the Real-World dokáže Co-Scientist z výzkumné otázky odvodit hypotézu, připravit experimentální plán, vytvořit program nebo strojově čitelný laboratorní protokol, ovládat vybavení, analyzovat výsledky a následně připravit vědecký rukopis.
V praxi to připomíná dobře sehraný výzkumný tým, který má místo laboranta, programátora, analytika a autora práce několik specializovaných AI agentů. Ty spolupracují v cyklech. Výsledek jednoho kroku se stává vstupem pro další. Pokud experiment nevyjde podle očekávání, systém může plán upravit a pokračovat novou iterací.
Podstatné je, že se zde AI nedívá pouze na texty v databázích. Výsledky získává také z fyzických experimentů a měření. To je rozdíl mezi „navrhni mi hypotézu“ a „navrhni hypotézu, spusť ověřovací experiment a podle výsledků ji uprav“.
Tři obory, tři úrovně autonomie
Výzkumníci systém otestovali ve vědě o materiálech, biologii a počítačové vědě. V každém oboru přitom dostal jinou míru volnosti.
Materiály: AI plánuje recept pro laboratorní zařízení
V oblasti materiálů byl Co-Scientist propojen se semi-automatizovaným zařízením pro chemickou depozici. Systém navrhl bezpečnější postup pro přípravu dvourozměrného materiálu typu MXene. Po 25 iteracích vznikla vrstevnatá struktura s vlastnostmi podobnými cílovému materiálu.
To ale neznamená, že AI definitivně vyrobila přesnou kopii požadované látky. Samotní autoři upozorňují, že atomární strukturu je ještě nutné potvrdit dalšími experimenty. Věda je v tomto ohledu méně tolerantní než marketingová prezentace: podobnost nestačí, rozhoduje měření.
V dalším experimentu systém připravil recepty pro růst tří tenkých polovodičových vrstev – MoS2, MoSe2 a WS2. Každá byla vytvořena na první pokus. Co-Scientist přitom využil model Gemini 3 Deep Think k rychlému řízení laboratorního vybavení a přizpůsobil postup konkrétním omezením daného pracoviště.
Výsledek měl ovšem háček. Rychle vytvořené krystaly byly menší a méně rovnoměrné než materiály vzniklé při pečlivě optimalizovaných postupech. Člověk tedy nezmizel z laboratoře. Stále musí připravit vzorky, dodat prekurzory a posoudit, zda je výsledek skutečně použitelný.
Biologie: přesné předpovědi, ale jen v známém prostoru
V biologickém experimentu systém analyzoval obrazová data z geneticky upravených kolonií bakterie E. coli. Úkolem bylo předpovědět, jaké tvary budou kolonie vytvářet při různých koncentracích chemické látky.
Předpovědi se shodovaly s dosud nezveřejněnými laboratorními výsledky u tří ze čtyř sledovaných tvarových vlastností. To je zajímavý výsledek, ale zároveň ukazuje hranici současného přístupu. Co-Scientist dokázal odhadovat chování mezi známými podmínkami. Nedokázal však spolehlivě předpovědět, co se stane v úplně novém biologickém systému.
Jinými slovy: AI umí dobře kreslit mapu známého území. Zatím není jisté, zda se bez problémů zorientuje na kontinentu, který ještě nikdo nezmapoval.
Agent_H ukázal sílu i slabinu benchmarků
V počítačové vědě dostal Co-Scientist nejvyšší míru autonomie. Bez dalšího lidského zásahu navrhl architekturu Agent_H pro zdravotnickou umělou inteligenci.
Agent_H nejprve klasifikuje příchozí dotaz, následně vytváří desítky odpovědí paralelně a nakonec je mezi sebou porovnává a vylepšuje. Tento princip odpovídá současnému trendu škálování výpočtu během inference: složitější úloha nedostane pouze větší model, ale také více času a výpočetních kroků na hledání lepšího výsledku.
Na benchmarku HealthBench Agent_H překonal šest pokročilých modelů včetně GPT-5 a Claude Opus 5. Jenže při hodnocení třemi lékaři se výhoda výrazně zmenšila. Ve statisticky významné míře se projevila pouze u nižšího rizika potenciálně škodlivých odpovědí. V dalších osmi sledovaných kategoriích výsledek přesvědčivý nebyl.
To je důležitá připomínka pro všechny, kteří berou benchmarky jako konečný verdikt. Automatický test může měřit přesně to, co jeho autoři zamýšleli. Nemusí ale měřit to, co považuje za důležité lékař, výzkumník nebo pacient.
Největší problém? AI stále umí přesvědčivě lhát
Autonomní vědecký systém může vyprodukovat velmi přesvědčivý text i v situaci, kdy některé výsledky neodpovídají skutečnému experimentu. Proto Google DeepMind přidal takzvané reliability modules, tedy moduly spolehlivosti.
Ty kontrolují například číselná tvrzení ve výsledné práci proti protokolům a výstupům skutečně spuštěného kódu. Systém se zároveň penalizuje za fabrikovaný nebo plagiátorský obsah.
Ve dvojitě zaslepeném hodnocení posuzovalo 30 odborníků celkem 150 autonomně vytvořených vědeckých prací. Dohromady vzniklo 450 nezávislých recenzí. Se zapnutými moduly spolehlivosti činila míra fabrikace klíčových výsledků 4 procenta. Bez nich vzrostla na 46 procent. Srovnávací systém dosáhl 90 procent.
Čtyři procenta ale stále nejsou nula. Autoři navíc zaznamenali selektivní reportování a případy, kdy popis metod v práci neodpovídal skutečně použitému kódu. V laboratoři je to zásadní problém. Výzkum musí být opakovatelný, ne pouze působivě napsaný.
Je AI Co-Scientist dostupný v Česku?
AI Co-Scientist není běžná služba, kterou by si český uživatel mohl otevřít v prohlížeči a začít používat. Jde o výzkumný systém napojený na laboratorní vybavení a konkrétní experimentální infrastrukturu.
Veřejná cena ani běžný přístup pro české firmy, univerzity nebo domácí uživatele nejsou ve zveřejněných materiálech uvedeny. Stejně tak není potvrzena samostatná česká lokalizace systému. Pro české a evropské výzkumné instituce je proto dnes důležitější princip než okamžitá dostupnost produktu: AI se může stát řídicí vrstvou mezi vědeckou otázkou, softwarem a fyzickým přístrojem.
To bude vyžadovat nejen kvalitní model, ale také bezpečné API, auditní logy, správu oprávnění a jasnou odpovědnost za experimenty. U chatbotu lze špatnou odpověď jednoduše zavřít. U laboratorního zařízení může špatný příkaz zničit vzorek, poškodit vybavení nebo vytvořit bezpečnostní riziko.
Co si z toho odnést
AI Co-Scientist ukazuje posun od pasivního generování textu k agentnímu výzkumnému workflow. Systém nejen odpovídá, ale plánuje, používá nástroje, čeká na výsledky a podle nich upravuje další postup.
Praktická hodnota je největší tam, kde lze výsledky rychle a objektivně ověřit. Typicky v automatizované chemii, materiálovém výzkumu, obrazové analýze nebo programování. Slabší je situace tam, kde benchmark neodráží skutečnou kvalitu a kde je potřeba hluboké posouzení odborníkem.
Google DeepMind tedy nepředvedl autonomního vědce bez dozoru. Předvedl spíše velmi schopného výzkumného asistenta, který už umí sáhnout na přístroj, spustit experiment a připravit první verzi práce. To je dost na to, aby se změnil způsob práce v některých laboratořích. Není to ale dost na to, aby člověk mohl odejít na oběd a nechat AI samotnou objevovat nové zákony přírody.
Další podrobnosti popisuje analýza serveru The Decoder a samotná výzkumná práce na arXivu.
FAQ
Může AI Co-Scientist provádět experimenty úplně bez člověka?
Záleží na oboru a konkrétním vybavení. V počítačové vědě systém pracoval po úvodním nastavení autonomně. U laboratorních experimentů ale lidé stále připravovali vzorky, dodávali materiály a kontrolovali provoz zařízení.
Znamená výsledek 4 procent fabrikace, že jsou vědecké práce od AI spolehlivé?
Ne. Jde o výrazné zlepšení oproti systému bez ověřovacích modulů, ale stále zůstává nenulová chybovost. Navíc se objevily případy selektivního reportování a nesouladu mezi popisem metod a skutečně použitým kódem.
Kolik stojí používání AI Co-Scientist?
Ve zveřejněných materiálech není uvedena veřejná cena ani běžný tarif. Systém není prezentován jako spotřebitelská služba, ale jako výzkumná infrastruktura napojená na konkrétní laboratoř a její přístroje.
