要聞列表Google DeepMind 與 MIT 聯合開發 AI 代理 CoDaS:可自主進行科學研究,撰寫論文僅需 8 小時
動區 BlockTempo2026-04-20 12:20:12

Google DeepMind 與 MIT 聯合開發 AI 代理 CoDaS:可自主進行科學研究,撰寫論文僅需 8 小時

ORIGINALGoogle DeepMind 與 MIT 聯合開發 AI 代理 CoDaS:可自主進行科學研究,寫論文只要 8 小時
AI 影響分析Grok 分析中...
📄完整原文· 由 trafilatura 自動擷取Gemini 翻譯1840 字
AI 不只會聊天,現在還會自己做研究寫論文!由 Google DeepMind 與 MIT 聯合開發的 AI 科學家「CoDaS」近期震撼學術界。它能自主分析上千人的智慧穿戴數據,不僅自動揪出「late-night doomscrolling(深夜末日滑手機)」是憂鬱症的潛在指標,更能自行驗證、撰寫科學論文。原本需要專家耗時一個多月的研究,CoDaS 只要 6 到 8 小時就能搞定。 (前情提要:何一演講:靠 AI 提升 10 倍效能,我們要服務全球 30 億使用者) (背景補充:一個沒人看的開源 AI 工具,12 天前就預警了 Kelp DAO 的 2.92 億美元漏洞) 隨著人工智慧技術突飛猛進,AI 的角色正從單純的「輔助工具」進化為能獨立作業的「科學研究員」。 近期,由 Google Research、Google DeepMind 與 MIT 聯合發表的一項重磅研究,展示了一個名為 CoDaS(AI Co-Data-Scientist) 的多代理 AI 系統,它成功實現了完全自主的科學發現流程。知名科技社群意見領袖 Wes Roth 與 Samuel Schmidgall 也在 X 平台上大力轉發這項極具突破性的學術成果。 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 是一個專門用來從「wearable sensors(可穿戴裝置)」原始數據中,自主發現健康 biomarkers(生物標記物)的系統。它的運作流程涵蓋了:假設生成、統計分析、對抗式驗證到文獻基礎推理,最終還能產出完整的科學論文草稿。 在測試中,研究團隊餵給 CoDaS 涵蓋近萬名參與者的大型穿戴數據集(包含睡眠、活動、心率、手機使用習慣等)。在完全沒有人類提示的情況下,AI 發現了多個有意義的健康特徵,其中最引人矚目的是一項心理健康指標: AI 發現,夜間過度瀏覽社群或負面新聞的行為,與憂鬱症嚴重程度呈現顯著正相關(相關係數 ρ = 0.177,p < 0.001,樣本數 n = 7,497)。 令人拍案叫絕的是,AI 甚至自主為這個行為命名為「late-night doomscrolling(深夜末日滑手機)」。除了心理健康,它也成功找出了每日步數與靜息心率之比值,與代謝疾病(胰島素阻抗)之間的負相關性。 為了避免 AI 產生常見的「科學幻覺」或做出無意義的統計推論,CoDaS 內建了強大的 Adversarial Validation(對抗式驗證)機制。 舉例來說,在尋找代謝健康特徵時,系統曾提出用「葡萄糖的平方」來預測胰島素阻抗。雖然這個公式在統計上看起來相關性極高,但 CoDaS 的驗證機制立刻偵測出這是毫無科學意義的「tautology(循環論證)」,並果斷拒絕了這個特徵。這項機制大幅提升了 AI 輸出的科學可靠度與臨床潛力。 CoDaS 的工作效率與產出質量徹底顛覆了傳統的研究模式。根據論文數據,一項原本需要人類專家耗費 37 個 person-days(個人天) 的龐大數據分析與寫作任務,CoDaS 只需 6 到 8 小時就能完成。 更具說服力的是,在領域專家的盲測評審中: - CoDaS 生成的論文獲得了高達 86% 的「非拒絕率」(即接受、小修或大修)。 - 相比之下,其他基準 AI 科學代理的論文拒絕率則高達 85% 至 100%。 這項研究證明了多代理 AI 系統如何將被動的消費級穿戴數據,高效轉化為具備臨床價值的洞見。作為「Agentic AI(代理式 AI)」在數位健康領域的代表性進展,
資料狀態✓ 已擷取全文閱讀原文(動區 BlockTempo)
🔍歷史類似事件· 關鍵字 + 標的比對6 則
💡 目前用關鍵字 + 標的比對(MVP)· 之後會升級為 embedding 語意搜尋
原始資訊
ID:561664d063
來源:動區 BlockTempo
發佈:2026-04-20 12:20:12
分類:zh_news · 導出分類 zh
標的:未指定
社群投票:+0 /0 · ⭐ 0 重要 · 💬 0 留言