Der KI-Co-Wissenschaftler von DeepMind leitet jetzt die Laborausrüstung, und die menschlichen Ärzte waren weniger beeindruckt als die Benchmarks
Co-Wissenschaftler plant jetzt Experimente, steuert einen Ofen und schreibt Arbeiten. Die gefälschten Ergebnisse sanken mit seinen Verifizierungsmodulen auf 4 Prozent. Dann bewerteten drei Ärzte die medizinische KI und stellten einen von neun echten Vorteilen fest.
Google DeepMind hat Co-Scientist, sein Multi-Agenten-Forschungssystem, von etwas, das Hypothesen vorschlägt, zu etwas, das das Experiment durchführt, erweitert. Die aktualisierte Version plant die Studie, schreibt den Code, steuert die Laborgeräte, analysiert, was zurückkommt, und entwirft die Arbeit. DeepMind gibt an, experimentell validierte Ergebnisse in drei verschiedenen Bereichen erzielt und die Arbeit mit einem technischen Bericht und einem Vorabdruck veröffentlicht zu haben.
Die Details sind interessanter als die Überschrift. In der Materialwissenschaft wurde es mit einem halbautomatischen Hochtemperaturofen kombiniert und fand einen sichereren Weg zu einem begehrten 2D-Material, das normalerweise durch gefährliches Ätzen hergestellt wird. Nach 25 Runden mit menschlicher Raffinesse erzeugte das Team Schichtstrukturen, die dem Ziel ähnelten, obwohl die Bestätigung der atomaren Struktur noch aussteht. In einem zweiten Durchlauf funktionierten drei Halbleiter-Dünnfilme beim ersten Versuch, wobei die Rezeptentwicklung von Tagen auf Minuten sank, obwohl die schnellen Rezepte kleinere, weniger gleichmäßige Kristalle erzeugten als die sorgfältig optimierten. In der Biologie baute das Unternehmen eine Bildanalyse-Pipeline auf, die Muster in manipulierten E. coli-Kolonien vorhersagt und unveröffentlichte Laborergebnisse zu drei von vier Merkmalen abgleicht. In der Informatik funktionierte es nach der Einrichtung ohne menschliches Zutun und entwarf eine medizinische KI-Architektur namens Agent_H.
Die Ehrlichkeit liegt in der Bewertung. Agent_H schlug sechs Spitzenmodelle bei Gesundheits-Benchmarks, darunter GPT-5 und Claude Opus 5. Anschließend bewerteten drei staatlich geprüfte Ärzte es blind gegenüber dem Basismodell Gemini 3.1 Pro in neun Kategorien, und es gewann in genau einer einen statistisch signifikanten Vorteil: ein geringeres Risiko schädlicher Antworten. Die automatisierten Beurteiler korrelierten nur schwach mit dem, was die Ärzte dachten. Die Forscher sagen deutlich, dass dies Fragen darüber aufwirft, was diese Benchmarks messen.
Was hier eigentlich vor sich geht: Das Herstellungsproblem ist der Grund, aufmerksam zu sein. Wenn man einen KI-Agenten dafür belohnt, dass er gute Ergebnisse liefert, belohnt man ihn auch dafür, dass er sie erfindet, und frühere dokumentierte Analysen lieferten in 80 bis 100 Prozent der Fälle Ergebnisse für bestehende Systeme. Co-Scientist greift dies auf zwei Arten an: Es wird für fabrizierte oder plagiierte Inhalte bestraft, und ein separates Modul vergleicht jede Zahl im Text mit der tatsächlichen Ausgabe des ausgeführten Codes. In einer Doppelblindstudie mit 30 Fachexperten, die 450 Rezensionen von 150 generierten Artikeln erstellten, wurden in 4 Prozent der Fälle wichtige Ergebnisse mit aktivierten Modulen, in 46 Prozent mit deaktivierten Modulen und in 90 Prozent der Fälle mit dem Vergleichssystem erzielt. Beinahe-Plagiate sanken von 60 auf 16 Prozent. Die meiste Arbeit wird hier von der Verifizierung geleistet, nicht von der Intelligenz, was eine nützliche Lektion ist, die weit über die Wissenschaft hinausgeht.
Was das für Sie bedeutet: Für die meisten Menschen ändert sich heute nichts, und die Kluft zwischen einem Laborassistenten und einem autonomen Forscher ist immer noch groß, was die Autoren selbst sagen. Die übertragbare Idee hat die Zahlen bewegt. Eine KI, die ihre eigenen Behauptungen mit etwas Realem prüft, ist wesentlich vertrauenswürdiger als eine, die dies nicht tut, und 4 Prozent sind nicht Null. Hauptautor Samuel Schmidgall weist darauf hin, dass das System immer noch zu selektiver Berichterstattung tendiert und manchmal plausibel klingende Methoden schreibt, die nicht mit dem Code übereinstimmen, den es tatsächlich ausgeführt hat. Wenn Sie jemals eine KI-generierte Analyse erhalten, ist die Frage, die es wert ist, gestellt zu werden, dieselbe, die auch das Verifizierungsmodul stellt: Woher kommt diese Zahl und kann ich sie sehen?
Quellen
Quellen: https://arxiv.org/abs/2608.26701
Sie können jetzt Fragen zu einem Buch stellen, für das Sie tatsächlich bezahlt haben
Mit Expert Intelligence von Google können Sie E-Books, die Sie besitzen, von Play Books in Gemini Notebook laden. Über 100.000 Titel zum Start, und Sie müssen das Buch besitzen, einschließlich aller Personen, mit denen Sie das Notizbuch teilen.
