Google DeepMind dan MIT bersama-sama mengembangkan agen AI CoDaS: mampu melakukan penelitian ilmiah secara mandiri, menulis makalah hanya dalam 8 jam

📄Artikel lengkap· Diambil secara otomatis oleh trafilaturaGemini 翻譯1840 kata

AI tidak hanya bisa mengobrol, sekarang ia bisa melakukan penelitian dan menulis makalah sendiri! Ilmuwan AI bernama "CoDaS" yang dikembangkan bersama oleh Google DeepMind dan MIT baru-baru ini mengguncang dunia akademis. Ia mampu menganalisis data perangkat wearable dari ribuan orang secara mandiri, tidak hanya secara otomatis mengidentifikasi "late-night doomscrolling" sebagai indikator potensial depresi, tetapi juga mampu memverifikasi dan menulis makalah ilmiah sendiri. Penelitian yang biasanya membutuhkan waktu lebih dari sebulan bagi para ahli, kini bisa diselesaikan oleh CoDaS hanya dalam waktu 6 hingga 8 jam. (Ringkasan sebelumnya: Pidato He Yi: Mengandalkan AI untuk meningkatkan efisiensi 10 kali lipat, kami ingin melayani 3 miliar pengguna di seluruh dunia) (Latar belakang tambahan: Alat AI open-source yang tidak diperhatikan siapa pun, 12 hari lalu telah memberikan peringatan dini tentang celah keamanan senilai 292 juta USD di Kelp DAO) Seiring dengan pesatnya perkembangan teknologi kecerdasan buatan, peran AI sedang berevolusi dari sekadar "alat bantu" menjadi "peneliti ilmiah" yang mampu bekerja secara mandiri. Baru-baru ini, sebuah penelitian penting yang diterbitkan bersama oleh Google Research, Google DeepMind, dan MIT memamerkan sistem AI multi-agen bernama CoDaS (AI Co-Data-Scientist), yang berhasil mewujudkan alur penemuan ilmiah yang sepenuhnya otonom. Pemimpin opini komunitas teknologi ternama, Wes Roth dan Samuel Schmidgall, juga sangat antusias membagikan hasil akademis yang sangat terobosan ini di platform X. A joint team from Google Research, Google DeepMind, and MIT has introduced CoDaS, a multi-agent AI system designed to autonomously run the entire biomarker discovery lifecycle from analyzing raw wearable sensor data and generating hypotheses to conducting statistical analysis and… https://t.co/KLgxFT4OSq pic.twitter.com/4ursWqeo7l — Wes Roth (@WesRoth) April 20, 2026 CoDaS adalah sistem yang dirancang khusus untuk menemukan biomarker kesehatan secara mandiri dari data mentah "wearable sensors". Alur kerjanya mencakup: pembuatan hipotesis, analisis statistik, verifikasi adversarial, hingga penalaran berbasis literatur, dan akhirnya mampu menghasilkan draf makalah ilmiah yang lengkap. Dalam pengujian, tim peneliti memberikan CoDaS kumpulan data wearable berskala besar yang mencakup hampir sepuluh ribu partisipan (termasuk tidur, aktivitas, detak jantung, kebiasaan penggunaan ponsel, dll.). Tanpa instruksi manusia sama sekali, AI menemukan beberapa karakteristik kesehatan yang bermakna, di antaranya yang paling menarik perhatian adalah indikator kesehatan mental: AI menemukan bahwa perilaku menelusuri media sosial atau berita negatif secara berlebihan di malam hari memiliki korelasi positif yang signifikan dengan tingkat keparahan depresi (koefisien korelasi ρ = 0.177, p < 0.001, jumlah sampel n = 7,497). Yang luar biasa, AI bahkan secara mandiri menamai perilaku ini sebagai "late-night doomscrolling". Selain kesehatan mental, ia juga berhasil menemukan korelasi negatif antara rasio langkah kaki harian terhadap detak jantung istirahat dengan penyakit metabolik (resistensi insulin). Untuk menghindari "halusinasi ilmiah" yang umum terjadi pada AI atau kesimpulan statistik yang tidak berarti, CoDaS dilengkapi dengan mekanisme verifikasi adversarial (Adversarial Validation) yang kuat. Sebagai contoh, saat mencari karakteristik kesehatan metabolik, sistem pernah mengusulkan penggunaan "kuadrat glukosa" untuk memprediksi resistensi insulin. Meskipun rumus ini terlihat memiliki korelasi yang sangat tinggi secara statistik, mekanisme verifikasi CoDaS segera mendeteksi bahwa ini adalah "tautology" yang tidak memiliki makna ilmiah, dan dengan tegas menolak karakteristik tersebut. Mekanisme ini secara signifikan meningkatkan keandalan ilmiah dan potensi klinis dari output AI. Efisiensi kerja dan kualitas output CoDaS benar-benar mengubah model penelitian tradisional. Berdasarkan data makalah, tugas analisis data dan penulisan besar yang biasanya membutuhkan 37 person-days bagi ahli manusia, kini dapat diselesaikan oleh CoDaS hanya dalam 6 hingga 8 jam. Yang lebih meyakinkan, dalam penilaian blind test oleh pakar di bidangnya: - Makalah yang dihasilkan CoDaS memperoleh "tingkat non-penolakan" hingga 86% (yaitu diterima, revisi kecil, atau revisi besar). - Sebagai perbandingan, tingkat penolakan makalah dari agen ilmiah AI standar lainnya mencapai 85% hingga 100%. Penelitian ini membuktikan bagaimana sistem AI multi-agen dapat mengubah data wearable konsumen yang pasif menjadi wawasan yang

Status data✓ Teks lengkap telah diambilBaca artikel asli (動區 BlockTempo)

🔍Peristiwa serupa dalam sejarah· Pencocokan kata kunci + aset6 berita

2026-04-28

Veteran Google DeepMind menggalang dana $1,1 miliar untuk membangun AI yang tidak dilatih dengan data manusia

Tingkat kemiripan 130%關鍵字 google/deepmind

2026-04-26

Coachella menggunakan Google DeepMind AI untuk menguji masa depan hiburan langsung

Tingkat kemiripan 130%關鍵字 google/deepmind

2026-04-30

Stripe merilis 288 pembaruan: Google AI shopping, dompet agen Link, dan pembayaran stablecoin on-chain Tempo berjalan beriringan

Tingkat kemiripan 120%關鍵字 google同分類 zh

2026-04-30