重磅突破！谷歌AI科研助手：超越人类专家，3天完成3个月实验！

谷歌推出多智能体AI科研助手，加速科学发现

谷歌近日发布了基于Gemini 2.0的多智能体研究助手系统。该系统通过在医学、遗传学等领域生成和验证新假设，大大加快了科学发现的步伐。

具体特点：

系统部署了六个专业AI智能体并行工作，涵盖从假设生成到研究提案验证的全过程

在斯坦福和帝国理工学院的试验中，该系统仅用数天时间就识别出新的药物应用并预测基因转移机制

初步测试显示，在专家级基准测试中准确率超过80%，优于现有AI模型和人类专家

谷歌正通过可信测试者计划向全球研究机构开放使用权限

值得注意的是，OpenAI CEO Sam Altman此前曾提到，下一代模型将开始发现"新的科学知识"。谷歌的这一突破正印证了这一预言，标志着AI作为科学家工具包重要组成部分的新时代已经来临。

微软Muse：用AI重新定义游戏开发

微软研究院推出的Muse模型展现了AI在游戏开发领域的惊人潜力。该模型能够仅从一秒钟的参考帧和控制器动作生成数分钟的连贯游戏玩法。

核心优势：

Muse是首个能够预测3D环境和动作以产生一致性游戏结构的世界与人类行为模型（WHAM）

模型可从一秒钟的游戏输入创建独特的、可玩的2分钟游戏序列，完全符合实际游戏物理和机制

该模型通过超过7年的持续游戏数据训练，包含来自Xbox游戏《Bleeding Edge》的10亿多张图像和控制器动作

微软已开源Muse的模型权重、演示工具和样本数据，方便开发者和研究人员进行二次开发

这一突破意义重大，传统游戏开发需要数月时间进行角色设计、动画制作和测试，而像Muse这样的模型可能将这个周期缩短至数天。埃隆·马斯克最近公布的xAI游戏工作室计划也印证了AI游戏开发的广阔前景。

英伟达发布最大规模生物AI模型

Arc研究所与英伟达联合发布了Evo 2，这是一个经过升级的基因组基础AI模型。该模型通过对来自128,000个物种（整个生命之树）的超过9万亿个DNA构建块的训练，成为了生物研究和设计领域最大的AI系统。

突破性特征：

模型可处理长达100万个核苷酸的序列，实现对整个细菌基因组和人类染色体的一次性分析

在测试中，Evo 2在预测致癌基因突变方面达到90%的准确率，并成功设计出可工作的合成基因组

系统使用2,048个NVIDIA H100 GPU进行训练，其400亿参数量与顶级语言模型相当

Arc通过NVIDIA的BioNeMo平台免费开放Evo 2，供全球研究人员使用和开发

随着AI模型开始掌握蛋白质折叠等个别生物学任务，Evo 2代表着向理解整体生命密码系统的转变。跨物种大规模工作的能力将彻底改变我们在药物开发和合成生物体方面的研究方法。