Co-Scientist של DeepMind סוגר את הלולאה: מהשערה לניסוי במעבדה
DeepMind הרחיבה את Co-Scientist: המערכת מייצרת קוד ניסויים, שולטת בציוד מעבדה וכותבת מאמרים מרשומות הביצוע — סגירת הלולאה מרעיון לניסוי בפועל.
Google DeepMind פרסמה בשבוע האחרון של אוגוסט פריפרינט שמסמן קפיצת מדרגה עבור Co-Scientist: המערכת כבר לא מסתפקת בהצעת השערות מחקריות, אלא מייצרת קוד ניסויים, שולחת פקודות לציוד מעבדה נבחר ומרכיבה מאמרים מדעיים מתוך רשומות הביצוע. לפי DeepMind, זו הראיה החזקה ביותר עד כה לכך שסוכן AI מסוגל לסגור את הלולאה המלאה בין רעיון תיאורטי לשולחן המעבדה.
מה בדיוק השתנה ב-Co-Scientist
הגרסה הקודמת של Co-Scientist, שהוצגה כמערכת רב-סוכנית להצעת כיווני מחקר, נשארה בגבולות הטקסט: היא ניתחה ספרות מדעית, הציעה השערות ודירגה אותן. ההרחבה החדשה מוסיפה שלוש יכולות שמשנות את התמונה. ראשית, המערכת כותבת קוד ניסויים שניתן להריץ בפועל. שנית, היא מתממשקת ישירות לציוד מעבדה נבחר ושולחת אליו פקודות. שלישית, היא לוקחת את רשומות הביצוע הגולמיות ומרכיבה מהן טיוטת מאמר מדעי.
המשמעות המעשית: במקום שחוקר אנושי יתרגם ידנית כל השערה לפרוטוקול ניסוי, יריץ אותו, יתעד ויכתוב, חלק ניכר מהשרשרת הזו יכול לרוץ באופן אוטונומי, כשהאדם עובר לתפקיד של מפקח, מאמת ומשכלל.
שני הישגים קונקרטיים: כימיה של חומרים ורפואה
הפריפרינט מציג שתי הדגמות מרכזיות. הראשונה מגיעה ממדעי החומרים: Co-Scientist הציעה מסלול סינתזה לא-מסוכן לגידול חומר דו-ממדי דמוי MXene, משפחת חומרים שתהליכי הייצור המקובלים שלהם כרוכים בדרך כלל בכימיקלים אגרסיביים. חוקרים אנושיים לקחו את המסלול המוצע, ביצעו ושכללו אותו לאורך יותר מ-70 ניסויים פיזיים. הדגימות שהתקבלו הראו סימנים מורפולוגיים וספקטרליים התואמים ליעד המבוקש.
ההדגמה השנייה מגיעה ממדעי המחשב עצמם: המערכת תכננה באופן אוטונומי ארכיטקטורת סוכן חדשה שהגיעה לביצועי SOTA על בנצ'מרק HealthBench, שבוחן יכולות רפואיות של מודלים. מעבר לציון הגבוה, הערכה "עיוורת" של רופאים מצאה שהארכיטקטורה החדשה גם מפחיתה נזק קליני פוטנציאלי, כלומר לא רק חכמה יותר אלא גם בטוחה יותר.
למה זה שונה מכל מה שראינו עד עכשיו
מודלים גדולים כבר הוכיחו שהם יודעים לסכם ספרות מדעית ולהציע רעיונות. הבעיה הייתה תמיד בשלב הבא: רעיון מדעי שווה מעט מאוד עד שמישהו מריץ אותו במציאות, נכשל, מתקן ומריץ שוב. זה בדיוק החלק היקר, האיטי והמתסכל של המדע, וזה החלק ש-Co-Scientist מתחילה לגעת בו.
היכולת להציע השערות הייתה קיימת כבר שנתיים. החידוש האמיתי הוא שהמערכת מדברת עם הציוד עצמו. ברגע שסוכן יכול להריץ ניסוי ולקרוא את התוצאה, קצב האיטרציה כבר לא תלוי בלוח הזמנים של דוקטורנט עייף
חשוב לשים את הדברים בפרופורציה: בניסוי החומרים, בני אדם עדיין ביצעו ושכללו את המסלול לאורך עשרות ניסויים. Co-Scientist לא החליפה את המעבדה, היא קיצרה את הדרך אליה. אבל המגמה ברורה, והיא מתחברת להצהרות דומות בתעשייה: אנת'רופיק, שהשיקה ב-1 בספטמבר את Claude Fable 5.1 ו-Claude Mythos 5.1, מציגה את הביצועים שלהם (52.6% על Terminal-Bench-Science 0.1) כעדות לכך שמודלים יתרמו בקרוב תרומות משמעותיות לגילוי מדעי.
מדובר בפריפרינט, כלומר מאמר שטרם עבר ביקורת עמיתים. התוצאות מרשימות אך יש להתייחס אליהן בזהירות המקובלת עד לאימות בלתי תלוי ולשחזור על ידי קבוצות מחקר נוספות.
הזווית הישראלית: מה זה אומר לאקדמיה ולביומד
לישראל יש עניין ישיר בהתפתחות הזו. מוסדות כמו מכון ויצמן, הטכניון והאוניברסיטה העברית מפעילים מעבדות חומרים וביולוגיה עם ציוד אוטומטי, וחברות ביומד ואגריטק ישראליות משקיעות סכומים גדולים בניסויים רטובים. אם מערכות כמו Co-Scientist יהפכו לזמינות מחקרית, ההשפעה תורגש בכמה מישורים:
- מעבדות אקדמיות קטנות יוכלו להריץ מחזורי ניסוי-תיקון בקצב שהיה שמור עד כה למעבדות עתירות כוח אדם
- סטארטאפים בתחומי החומרים והתרופות יוכלו לצמצם את שלב ה-wet lab היקר, שהוא לרוב צוואר הבקבוק בגיוסי סיד
- תוכניות דוקטורט יצטרכו להגדיר מחדש מה נחשב תרומה מחקרית כשחלק מהעבודה השחורה עובר לסוכן
- יתרון למי שכבר מחזיק תשתית מעבדה רובוטית: הממשק בין הסוכן לציוד הוא המפתח, ומי שאין לו ציוד ניתן לשליטה תוכנתית יישאר מאחור
נקודה אחת ראויה לתשומת לב של קובעי מדיניות בארץ: תקצוב תשתיות מעבדה אוטומטיות באוניברסיטאות היה עד היום נושא נישתי. אם הכיוון של DeepMind יתברר כנכון, זו הופכת לשאלת תחרותיות לאומית, בדיוק כמו גישה למחשוב GPU.
מה הלאה
השאלות הפתוחות עדיין גדולות. כמה רחב מגוון הציוד שהמערכת יודעת לתפעל? עד כמה התוצאות ניתנות לשחזור מחוץ למעבדות שעבדו עם DeepMind? ומי אחראי כשניסוי אוטונומי משתבש? התשובות יגיעו כנראה בגרסאות הבאות של הפריפרינט ובניסיונות שחזור עצמאיים. מה שכבר ברור: המרוץ בין המעבדות הגדולות, מ-DeepMind ועד אנת'רופיק ו-OpenAI עם GPT-6 Astra שנכנס לזמינות מסחרית בתחילת החודש, עבר משאלת "מי כותב קוד טוב יותר" לשאלת "מי מגלה מדע מהר יותר". וזו שאלה עם השלכות הרבה מעבר לעולם התוכנה.
שאלות נפוצות
מה זה Co-Scientist של Google DeepMind?
Co-Scientist היא מערכת AI רב-סוכנית של Google DeepMind שנועדה לסייע במחקר מדעי. בגרסה החדשה שהוצגה בפריפרינט מסוף אוגוסט 2026 היא לא רק מציעה השערות, אלא גם מייצרת קוד ניסויים, שולחת פקודות לציוד מעבדה ומרכיבה מאמרים מדעיים מרשומות הביצוע.
האם AI כבר יכול לבצע ניסויים מדעיים בעצמו?
חלקית. לפי הפריפרינט של DeepMind, Co-Scientist הציעה מסלול סינתזה לחומר דו-ממדי דמוי MXene ושלטה בציוד מעבדה נבחר, אבל חוקרים אנושיים היו אלה שביצעו ושכללו את המסלול לאורך יותר מ-70 ניסויים פיזיים. האדם עדיין נדרש לאימות ולפיקוח.
מה הישג ה-HealthBench של Co-Scientist?
המערכת תכננה באופן אוטונומי ארכיטקטורת סוכן חדשה שהגיעה לביצועי SOTA על בנצ'מרק HealthBench הרפואי. בהערכה עיוורת של רופאים נמצא שהארכיטקטורה גם מפחיתה נזק קליני פוטנציאלי בהשוואה לחלופות.
דרגו את הכתבה
הדירוג עוזר לנו לדעת מה שווה לכם.
תגובות