Google เปิดตัว AI ช่วยงานวิจัย ‘Gemini for Science’ ตั้งสมมติฐาน รันโค้ด อ่านเปเปอร์ เชื่อมฐานข้อมูล Life Science กว่า 30 แห่ง

การเชื่อมโยงข้อมูลจากงานวิจัยนับล้านชิ้นเข้าด้วยกันคืองานที่นักวิทยาศาสตร์ส่วนใหญ่ต้องใช้เวลาเป็นสัปดาห์หรือเป็นเดือน ทั้งที่นั่นคือจุดที่การค้นพบใหม่มักเกิดขึ้น Google มองเห็นคอขวดตรงนี้ และในงาน Google I/O 2026 บริษัทเปิดตัว Gemini for Science ชุดเครื่องมือและ Experiment ใหม่ที่ออกแบบมาเพื่อขยายขีดความสามารถของงานวิจัยให้ทำได้เร็วและแม่นยำกว่าเดิม

แทนที่จะปั้นโมเดลเฉพาะทางสำหรับแต่ละสาขา Google เลือกเดินทาง General Agent ที่ช่วยนักวิจัยทุกสายงานพร้อมกัน ภายใต้ Gemini for Science มีทั้งเครื่องมือทดลองบน Google Labs ที่นักวิจัยเดี่ยวลงทะเบียนเข้าใช้ได้ และโซลูชันระดับองค์กรที่ Google Cloud ผลักให้พาร์ตเนอร์อย่าง BASF, Bayer Crop Science, Daiichi Sankyo และ U.S. National Labs นำไปใช้แล้ว ตามที่ Pushmeet Kohli รองประธานฝ่าย Science ของ Google DeepMind เขียนลงใน Google Blog

สามต้นแบบเครื่องมือบน Google Labs ตั้งสมมติฐาน รันการทดลอง อ่านงานวิจัย

ตัวแรกคือ Hypothesis Generation พัฒนาบนพื้นฐานของ Co-Scientist ระบบ Multi-agent ที่จำลอง Scientific Method มาเล่นเป็นทีมงาน นักวิจัยเริ่มจากกำหนดโจทย์ จากนั้นระบบจะสร้างสมมติฐานหลายร้อยแบบ ดีเบตกันเองในรูปแบบ Idea Tournament และคัดออกมาเฉพาะตัวที่ผ่านการตรวจสอบหลักฐาน พร้อมแนบ Citation แบบคลิกได้ทุกข้อ ที่น่าสนใจคือ Co-Scientist เพิ่งได้รับการตีพิมพ์ใน Nature วันเดียวกัน เป็นการการันตีงานวิจัยที่อยู่เบื้องหลังเครื่องมือชุดนี้

ตัวที่สองคือ Computational Discovery เครื่องมือ Agentic Research Engine ที่ใช้ AlphaEvolve คู่กับ Empirical Research Assistance (ERA) จุดเด่นคือสามารถสร้างและให้คะแนนโค้ดทดลองหลายพันแบบขนานกันได้ ทำให้สาขางานที่ต้องลองโมเดลใหม่ตลอดเวลา อย่างเช่นการพยากรณ์พลังงานแสงอาทิตย์หรือระบาดวิทยา ใช้เวลาน้อยลงจากหลักเดือนเหลือเพียงไม่กี่ชั่วโมง

ตัวที่สามคือ Literature Insights ที่ Google สร้างต่อยอดจาก NotebookLM เพื่อค้นและสังเคราะห์งานวิจัยให้อ่านง่ายขึ้น ผลลัพธ์ออกมาเป็นตารางที่เปรียบเทียบ Attribute ต่างๆ ของเปเปอร์ได้ทันที พร้อมโหมด Chat ให้ถามเจาะลึก และยังออกผลเป็น Report, Slide Deck, Infographic ไปจนถึง Audio และ Video Overview ได้ในเครื่องมือเดียว ฝั่ง Engadget ระบุว่าเครื่องมือชุดนี้ตั้งเป้าตัดเวลาทำงานวิจัยจากหลักชั่วโมงให้เหลือเพียงไม่กี่นาที

เจาะลึก Co-Scientist ระบบ Multi-agent ที่ทำงานเหมือนทีมวิจัยจริง

ทีมเบื้องหลัง Co-Scientist เล่าผ่าน Google DeepMind ว่าหัวใจของระบบไม่ใช่โมเดลตัวเดียวที่ตอบทุกอย่าง แต่เป็น Coalition ของ Agent เฉพาะทางหลายตัวที่สร้างจากโมเดล Gemini แล้วแบ่งหน้าที่กันทำงานเป็น 3 เฟส คือ Generate, Debate และ Evolve เลียนแบบวงจรการคิดของนักวิทยาศาสตร์จริง

ในเฟส Generate มี Generation Agent ทำหน้าที่เสนอประเด็นและสมมติฐานใหม่ที่อิงจากงานวิจัยและข้อมูลที่มีอยู่ ทำงานคู่กับ Proximity Agent ที่จัดกลุ่มไอเดียให้กระจายตัวครอบคลุมพื้นที่วิจัยอย่างหลากหลาย ไม่ใช่กระจุกอยู่แค่ทิศทางเดียว

พอเข้าเฟส Debate ระบบจะใช้ Reflection Agent ทำหน้าที่เป็น Virtual Peer Reviewer ตรวจสอบสมมติฐานว่าถูกต้อง มีคุณภาพ และใหม่จริงหรือเปล่า จากนั้นส่งต่อให้ Ranking Agent จัดการ Idea Tournament ด้วยการเปรียบเทียบเป็นคู่และจำลองการดีเบตทางวิทยาศาสตร์ เพื่อคัดเอาเฉพาะเส้นทางที่มีโอกาสมากที่สุด

ส่วนเฟส Evolve มี Evolution Agent คอยปรับปรุงและรวมไอเดียอันดับต้นๆ ให้ดีขึ้นเรื่อยๆ และมี Meta-review Agent สังเคราะห์ข้อมูลจากดีเบตทั้งหมดเพื่อสร้างข้อเสนอวิจัยฉบับสมบูรณ์ให้นักวิจัยพิจารณา ทั้งหมดนี้ถูกควบคุมโดย Supervisor Agent ที่ทำหน้าที่เป็น Adaptive Planner คอยแตกโจทย์วิจัยขนาดใหญ่เป็นขั้นตอนย่อย และสั่งให้ Agent หลายตัวทำงานขนานกันได้พร้อมๆ กัน ไม่ต้องคิดเป็นเส้นตรงทีละขั้นเหมือนโมเดลทั่วไป

Tournament of Ideas: ใช้แนวคิดเดียวกับ AlphaGo มาประลองไอเดียทางวิทยาศาสตร์

จุดที่ทำให้ Co-Scientist ต่างจาก AI Chatbot ทั่วไปคือกลไก Tournament of Ideas ซึ่งทีมพัฒนายืมแนวคิดมาจาก AlphaGo และ AlphaStar แต่แทนที่จะเล่นเกม คราวนี้ Agent มาดีเบตกันทางวิทยาศาสตร์ ใช้ระบบจัดอันดับแบบ Elo เพื่อให้คะแนนสมมติฐานแต่ละข้อ และเติมความรู้ใหม่เข้ามาเรื่อยๆ เพื่อขยายพื้นที่การสำรวจ

ที่สำคัญคือทีม Google ทุ่มพลังประมวลผลส่วนใหญ่ไม่ใช่ไปกับการสร้างไอเดีย แต่ไปกับการตรวจสอบไอเดีย ระบบจะเช็คทุกข้ออ้างกับงานวิจัยและข้อมูลจริง เพื่อให้แน่ใจว่าสมมติฐานที่ผลิตออกมามีหลักฐานรองรับ ตรวจสอบได้ และไม่ขัดแย้งกับองค์ความรู้เดิม โดยเชื่อมเข้ากับการค้นหาบนเว็บและฐานข้อมูลเฉพาะทางอย่าง ChEMBL และ UniProt รวมถึงสามารถดึงโมเดลขั้นสูงอย่าง AlphaFold เข้ามาเป็นเครื่องมือเสริมในงานวิจัยบางประเภทได้ด้วย

หกทีมวิจัยระดับโลกที่ใช้ Co-Scientist กับโรคจริงแล้ว

Co-Scientist ไม่ได้อยู่แค่บนกระดาษ Google พัฒนาร่วมกับสถาบันวิจัยกว่า 100 แห่ง และมีหลายเคสที่ให้ผลในห้องแล็บจริง

• ทีมของ Gary Peltz จาก Stanford University School of Medicine ใช้ Co-Scientist หาตัวยาที่อาจนำมาใช้รักษาโรคพังผืดในตับ ระบบช่วยขุดยาที่ถูกมองข้ามขึ้นมา และมี 1 ตัวที่สามารถบล็อกการตอบสนองที่นำไปสู่การเกิดพังผืดได้ถึง 91% ในการทดลอง ผลงานชิ้นนี้ตีพิมพ์ใน Advanced Science Peltz ให้ความเห็นว่า Co-Scientist "เหมือนผู้ร่วมงานที่อ่านงานวิจัยทางชีวการแพทย์มาทั้งหมด และมีความสามารถในการคิดเชื่อมโยงสิ่งที่เรามองข้ามอยู่"
• ที่ Massachusetts Institute of Technology (MIT) ทีมของ Ritu Raman ใช้ Co-Scientist กับโรคกล้ามเนื้ออ่อนแรง (Amyotrophic Lateral Sclerosis หรือ ALS) ระบบช่วยย่อยงานวิจัยที่ซับซ้อน เสนอไอเดียที่ทดสอบได้ และชี้ให้เห็นว่าจุดไหนต้องการความเชี่ยวชาญเสริม ซึ่งนำไปสู่ความร่วมมือกับ Ryan Flynn ในการพัฒนาแนวทางรักษาแบบใช้ Ribonucleic Acid (RNA)
• Omar Abudayyeh และ Jonathan Gootenberg ใช้ Co-Scientist เร่งงานวิจัยการย้อนวัยเซลล์ ระบบสังเคราะห์งานวิจัยหลายสิบปีเพื่อเสนอเป้าหมายทางพันธุกรรมใหม่ๆ ซึ่งในการทดลองสามารถทำให้เซลล์กลับมาอ่อนวัยลงได้ Abudayyeh บอกว่า "เหมือนมีทีมงาน 50 คนทำงานให้เสร็จภายในวันเดียว สิ่งที่ห้องแล็บของเราเองทำไม่ได้"
• Filippo Menolascina จาก University of Edinburgh ใช้ Co-Scientist กับโรคตับจากการเผาผลาญ ระบบช่วยชี้กลไกของโรคและสูตรยาผสมที่น่าสนใจ รวมถึงอธิบายได้ด้วยว่าทำไมยาตัวหนึ่งถึงได้ผลกับผู้ป่วยบางกลุ่มเท่านั้น ซึ่งทีมของเขาทดลองในแล็บแล้วได้ผลสนับสนุนสมมติฐานนั้นจริง
• Clare Bryant จาก University of Cambridge ใช้ Co-Scientist เพื่อตามล่าโปรตีนที่ก่อให้เกิดโรครุนแรงเมื่อเชื้อโรคอย่างไข้หวัดใหญ่และ COVID-19 กระโดดจากสัตว์มาสู่คน การทำซ้ำกับ AI ช่วยให้เธอจำกัดเป้าหมายเหลือเฉพาะ Amino Acid ที่จะนำไปทดสอบในแล็บได้ ตัดเวลาจากหลายปีเหลือเพียงไม่กี่เดือน
• ทีมของ Matt Onsum และ Katherine Labbé จาก Calico Life Sciences บริษัทวิจัยเรื่องชีววิทยาความชราในเครือ Alphabet ใช้ Co-Scientist สร้างสมมติฐานใหม่เกี่ยวกับ Integrated Stress Response ซึ่งภายหลังถูกยืนยันในห้องแล็บจริง Onsum บอกว่าระบบ "คิดเหมือนนักวิทยาศาสตร์" ซึ่งเป็นจุดที่ทำให้ทำงานร่วมกับทีมวิจัยได้อย่างเป็นธรรมชาติ

ความปลอดภัยและการกรองงานวิจัยที่อาจถูกนำไปใช้ในทางผิด

เมื่อ AI เก่งเรื่องวิทยาศาสตร์ชีวภาพและกายภาพได้ขนาดนี้ ความกังวลเรื่องการนำไปใช้ในทางผิดก็ตามมา Google ระบุว่า Co-Scientist ผ่านการประเมินความปลอดภัยทั้งจากทีมภายในและทีมอิสระภายนอก รวมถึงการประเมินเฉพาะด้านการใช้งานในมิติเคมี ชีวภาพ รังสี และนิวเคลียร์ (Chemical, Biological, Radiological and Nuclear หรือ CBRN) จากผลการประเมินนั้น ทีมได้พัฒนา Safety Classifier ขึ้นมาเพื่อกรองเป้าหมายงานวิจัยที่ผิดจริยธรรมและบล็อกการเปิดเผยข้อมูลที่อาจเป็นอันตราย Google ย้ำว่า Co-Scientist ถูกออกแบบมาให้เป็นผู้ร่วมงานวิจัย ไม่ใช่ตัวแทนความเชี่ยวชาญของนักวิทยาศาสตร์หรือแพทย์

Science Skills เชื่อมฐานข้อมูล Life Science กว่า 30 แห่งในที่เดียว

นอกจาก Co-Scientist และต้นแบบอื่นๆ Google ยังเปิดตัว Science Skills ซึ่งเป็นชุด Skill เฉพาะทางที่เสียบเข้ากับ Agentic Platform อย่าง Google Antigravity ได้โดยตรง จุดขายคือการรวมข้อมูลจากฐานข้อมูล Life Science กว่า 30 แห่งไว้ในที่เดียว ทั้ง UniProt, AlphaFold Database, AlphaGenome API และ InterPro

ผลในทางปฏิบัติคืองาน Structural Bioinformatics และ Genomic Analysis ที่ปกติต้องนั่งทำมือเป็นชั่วโมง ตอนนี้ Agent ทำให้เสร็จได้ในไม่กี่นาที ทีม Google เองทดลองใช้ Science Skills แล้วพบกลไกใหม่ที่อาจอธิบายโรคพันธุกรรมหายากซึ่งเกิดจากการกลายพันธุ์ของยีน AK2 ได้

พาร์ตเนอร์ระดับองค์กรหยิบ AlphaEvolve และ Co-Scientist ไปใช้กับงานจริงแล้ว

Google ไม่ได้ทำแค่ Demo ในห้องแล็บ ฝั่งองค์กรมีพาร์ตเนอร์ที่นำเทคโนโลยีไปใช้ในเฟส Private Preview แล้ว BASF ใช้ AlphaEvolve เพื่อ Optimize ระบบ Supply Chain ของบริษัท ส่วน Klarna หยิบไปปรับโมเดล Machine Learning ของตัวเอง ฝั่งงานวิทยาศาสตร์ Daiichi Sankyo, Bayer Crop Science และ U.S. National Labs ที่อยู่ในโครงการ Genesis Mission ของกระทรวงพลังงานสหรัฐ ก็ใช้ Co-Scientist เร่งงานวิจัยพื้นฐานเช่นกัน

Gemini for Science และ Hypothesis Generation ที่ใช้ Co-Scientist เป็นเครื่องยนต์ จะทยอยเปิดให้นักวิจัยลงทะเบียนใช้งานในช่วงสัปดาห์ข้างหน้าที่ labs.google/science ส่วนโซลูชันสำหรับองค์กรยังอยู่ในเฟส Private Preview กับพาร์ตเนอร์ที่ Google เลือกไว้ และบริษัทระบุว่าจะขยายการเข้าถึงให้กับ Google Cloud Enterprise Partner เพิ่มเติมในเร็วๆ นี้

ที่มา: Google Blog, Google DeepMind, Nature, Engadget