Gemini 新系統加速科學發現，專家級性能橫掃六大挑戰

Gemini 新系統加速科學發現，專家級性能橫掃多領域學術研究挑戰

在科學研究領域，驗證假設往往需要大量計算實驗，但編寫自訂軟體的瓶頸總是拖慢進度。Google 研究團隊近日發布一項突破性成果：一款基於 Gemini AI 模型的系統，能自動生成「寫實軟體」（empirical software），在基因組學、公衛、地理空間分析、神經科學等六個多學科基準測試中，達到甚至超越專家水準。將探索時間從數月縮短至數小時，開啟了 AI 輔助科學發現的新時代。

科學研究中的軟體瓶頸與 AI 的介入

科學研究本質上是迭代性的過程，科學家常常需要測試數十甚至數百種模型或參數，以求突破。然而，即便是資深程式設計師，在編寫、除錯和優化客製化軟體時，也會面臨巨大挑戰。這不僅緩慢低效，還限制了對潛在解決方案的系統性探索。傳統軟體開發通常只注重功能正確性，但科學領域更需要「經驗軟體」——一種以最大化預定義品質分數為目標的軟體。能夠透過這種軟體有效解決的問題，被稱為「可評分任務」（scorable tasks），這些任務廣泛存在於科學、應用數學和工程學中。

Google Research 的研究人員，包括產品經理 Lizzie Dorfman 和研究科學家 Michael Brenner，在 2025 年 9 月 9 日發布的論文中，展示了這款 AI 系統如何解決上述痛點。該系統利用大型語言模型（LLM）的強大能力，從傳統編碼任務擴展到生成高品質的科學軟體。它不僅能提出新穎的方法論和架構概念，還能將其轉化為可執行的程式碼，並透過經驗驗證來優化效能。透過樹狀搜尋（tree search）策略，系統能探索數千種程式碼變體，快速識別最佳解決方案。

系統運作原理：從輸入到優化

這款 AI 系統的輸入是一個明確的「可評分任務」，包括問題描述、評分指標，以及適合訓練、驗證和評估的資料。使用者還可提供額外脈絡，例如外部文獻的想法或優先方法論。系統隨後會生成研究構想，包括重現、優化和重組已知方法，從而產生新穎且高效的方案。

其核心演算法如下：首先，將任務和研究想法餵入 LLM，生成可在沙盒環境中執行的評估程式碼。接著，系統使用類似 AlphaZero 的上置信界（upper confidence bound）樹狀搜尋策略，建立軟體候選樹，並決定哪些分支值得深入探索。LLM 則負責重寫程式碼，以提升品質分數。整個過程無需人工干預，能以空前規模進行解決方案搜尋，將探索時間從數月壓縮至數小時或數天。更重要的是，其輸出是可驗證、可解釋且可重現的程式碼解決方案。

引入 LLM 研究的方法不只適用於單一任務，還能推廣到多個領域。論文中提到，系統在六個基準測試中展現了卓越表現，涵蓋基因組學、公眾衛生、地理空間分析、神經科學、時間序列預測和數值分析等領域。這些測試不僅評估語法正確性，更強調在科學發現邊緣的創新解決方案。

跨領域應用：專家級表現的實證

為了驗證系統的有效性，Google Research 選擇了六個多樣化且具挑戰性的基準，每個都代表不同科學挑戰。以下是幾個亮點案例：

基因組學：單細胞 RNA 測序資料的批次整合

單細胞 RNA 測序（scRNA-seq）技術能提供基因表達的高解析度視圖，但跨資料集的批次效應移除是重大難題。目前已有近 300 種工具可用，OpenProblems V2.0.0 基準結合 13 項指標計算整體分數。AI 系統發現了 40 種新穎方法，超越頂尖專家開發的工具。其最佳解決方案將兩個現有方法（ComBat 和 BBKNN）結合，較最佳已發表方法（ComBat）提升 14% 的整體分數。這展示了系統在零樣本泛化（zero-shot generalization）和高維訊號處理方面的實力。

公眾衛生：美國 COVID-19 住院預測

COVID-19 預測是公眾衛生的關鍵挑戰，美國疾控中心（CDC）協調的 COVID-19 Forecast Hub（CovidHub）是首要基準，評估標準為平均加權區間分數（WIS）。該樞紐匯集數十個專家團隊的預測，其集體模型被視為黃金標準。AI 系統生成了 14 種模型，全部優於官方集體模型。這在時間序列預測和不確定性量化方面，證明了系統的泛化能力。

地理空間分析：遙感影像分割

遙感影像的語義分割是土地利用監測和災害管理的基礎，使用 Dense Labeling Remote Sensing Dataset（DLRSD）基準，評估指標為平均交集比聯合（mIoU）。系統的前三名解決方案略優於當前最先進水平，mIoU 超過 0.80。它們基於 UNet++、U-Net 和 SegFormer 等模型，結合 ImageNet 預訓練編碼器和廣泛的測試時增強（TTA）。這突顯了系統在空間脈絡理解和邊界識別的精準度。

神經科學：全腦神經活動預測

在 Zebrafish Activity Prediction Benchmark（ZAPBench）中，系統預測超過 70,000 個神經元的活動，開發出一種新型時間序列預測模型，超越所有現有基準，包括計算密集的 3D 體積預測模型。此外，它還設計了整合生物物理神經模擬器（Jaxley）的混合模型，提升模型的可解釋性。

系統的泛化能力還延伸到數學領域：在數值積分評估任務中，它正確處理了 19 個保留積分中的 17 個，而標準數值方法失敗了。在通用時間序列預測的 GIFT-Eval 基準（涵蓋 28 個資料集、7 個領域和 10 種頻率），系統從零開始建立了一個統一預測庫，透過爬山法優化平均平均絕對縮放誤差（MASE）。

開啟科學研究新時代

Gemini AI 系統標誌著 LLM 在科學研究中的新里程碑。它不僅自動化了繁瑣的軟體開發，還讓科學家能系統性地調查數百或數千種潛在解決方案，從而將精力集中在創意和關鍵挑戰上。論文作者強調，這有助於從學生到教授的科學家，加速解決根本研究問題和社會挑戰。

雖然目前僅限於可評分任務，但未來擴展潛力巨大。Google Research 感謝所有論文合著者的貢獻，以及 Shibl Mourad、John Platt 等領導者的支持。這項技術或許將重塑科學發現的節奏，讓 AI 成為人類智慧的強大夥伴。

👉 歡迎各位讀者填寫 SharkTech AI & Google AI OverView課程問卷