Gemini for Science 唔係叫 AI 做科學家，而係搶科研最悶嗰半份工

圖：Engadget．原文連結

Google 在 2026 年 5 月 19 日發表 Gemini for Science，表面上又係一個「AI 幫科研加速」故事，但真正值得留意嘅唔係 AI 會唔會取代科學家，而係 Google 正嘗試將研究入面最花時間、最難審核嘅幾個工序放入同一套 agentic 工具：搵文獻、整理證據、提出可測假設、再用程式跑大量計算實驗。對本地大學實驗室、博士生、生物科技 startup、醫療科研團隊或者企業 R&D team，呢類工具唔係即刻改變實驗室命運，但可能會改變「開題前嗰幾個星期」點樣用時間。

今次消息來自 Google I/O 2026，同期 Google 將 Gemini for Science 放到 Google Labs 同 Google Cloud 兩條路線上。根據 Google 官方講法，Labs 版本會逐步開放予有興趣研究員登記，企業版本則透過 Google Cloud 提供；但官方文件同產品頁都寫得好清楚，部分功能仍屬 experimental、preview 或 early access，唔應該理解成人人今日都可以登入即用。尤其香港方面，Google 未有明確寫明 Gemini for Science 在香港 Google Labs 開放、企業港價、數據處理地點或本地合作安排，香港可用性 [待確認]。

三件事：文獻、假設、計算實驗

Gemini for Science 暫時分成三個 Google Labs 實驗工具。第一個係 Literature Insights，定位似一個更科研化嘅 NotebookLM：唔止幫你摘要論文，而係將文獻入面嘅證據抽成可查表格、研究產物同有出處嘅整理結果。對做 systematic review、grant proposal 或跨學科開題嘅人，價值唔在於一句「幫你讀 paper」，而係能否保留每個結論同原文證據之間嘅鏈接，方便之後俾 PI、合作者或者審稿人追問。

第二個係 Hypothesis Generation，建基於 Google DeepMind / Google Research 嘅 Co-Scientist。呢套系統會按研究目標，用多個 agent 生成、批評、排序同改寫假設，Google 形容做「idea tournament」。聽落好似 AI 自己發明科研方向，但合理理解應該更保守：佢係一個可以高速列出研究空隙、可能機制、實驗設計方向嘅助理，真正值唔值得做，仍然要由領域專家判斷。Google 自己亦將 Co-Scientist 形容成 collaborative tool，而唔係獨立科學家。

第三個係 Computational Discovery，背後係 AlphaEvolve 同 ERA（Empirical Research Assistance）。呢部分最接近開發者會熟悉嘅 agentic coding：你畀一個科學問題同可量化目標，系統就嘗試搜尋文獻、寫程式、改程式、跑評估，再生成大量候選模型或算法。Google Research 同 Nature 論文都指出 ERA 針對基因組學、公共衛生、衛星影像分析、神經活動預測、數值積分同時間序列預測等 benchmark 做過測試。重點係，呢類工具最適合「有清楚分數可以比較」嘅問題；如果問題本身無客觀 metric，AI 跑得快都未必代表方向正確。

Nature 論文提供咗脈絡，但唔係免死金牌

Google 今次唔只出產品稿，亦同步有 Nature 論文作為背景。Co-Scientist 論文指系統建基於 Gemini，多個 agent 會生成、批評同改良假設，並在藥物再利用、新治療靶點、抗菌素耐藥機制等生物醫學場景做驗證。ERA 論文就集中講科學軟件生成：用大型語言模型加 tree search，反覆改善程式同結果指標。呢啲資料令今次發布比一般 AI 產品宣傳更有參考價值，因為至少可以睇到研究設計、應用範圍同限制。

不過，Nature 摘要入面嘅成功例子仍然唔等於所有科研場景都可以照搬。Co-Scientist 幫手提出嘅候選方向，要經過細胞實驗、濕實驗、臨床前研究或者更長期驗證；ERA 產生嘅程式就要睇代碼品質、可重現性、數據偏差同評估指標有冇被過度優化。科研最怕唔係「AI 無答案」，而係答案似是而非、引用齊全但因果關係錯。Google 今次強調可點擊引用同驗證機制，係必要起點，但唔係最後保證。

Antigravity 令科研工具更似開發工具

Gemini for Science 另一個有趣位置係 Science Skills in Google Antigravity。Google 話呢個技能包整合超過 30 個生命科學資料庫同工具，包括 UniProt、AlphaFold Database、AlphaGenome API 同 InterPro，目標係將結構生物信息學、基因組分析等多步驟任務，由研究員手動串工具，變成可以由 agent 在桌面開發環境內協調。對計算生物、藥物發現、蛋白質工程或者基因變異分析團隊，呢個方向比單純聊天機械人更實際。

呢度亦反映 Google 更大嘅盤算：科研 AI 唔再係一個網頁聊天窗，而係同 IDE、資料庫、雲端運算、NotebookLM、Google Scholar、Colab、AlphaFold、AlphaGenome 等工具串成一個平台。對研究員來講，真正問題唔係「AI 可唔可以講得好似專家」，而係佢可唔可以喺可審核環境入面幫你完成可重現任務。例如由一批基因變異開始，拉資料庫、比對蛋白結構、生成候選機制、寫分析程式、輸出可追蹤報告；呢啲先係對實驗室時間表有影響嘅地方。

競爭對手都喺搶科研入口

Google 唔係唯一一間想做「AI 科研夥伴」嘅公司。Microsoft 已經有 Microsoft Discovery，主打將 AI、HPC 同知識管理放入企業 R&D 平台；OpenAI 亦在 2026 年推出面向生命科學研究嘅 GPT-Rosalind，強調證據綜合、假設生成、實驗規劃同多步工具使用。學術圈本身亦早有 Elicit、Semantic Scholar、ResearchRabbit、Scite 等文獻工具，幫人做搜尋、抽取欄位、整理引用同追蹤相關研究。

Google 嘅差異在於佢唔只做文獻摘要，而係試圖覆蓋「文獻理解 → 假設生成 → 計算測試 → 開發環境執行」整段科研前期工序。呢個方向同一般 Deep Research 工具唔同，因為佢需要接駁專業資料庫、可量化評估、程式執行同企業數據治理。亦因為咁，最有可能先受惠嘅唔係一般手機或電腦用家，而係已經有資料、程式能力同清晰研究問題嘅團隊。

香港團隊應該點睇

香港方面要分清幾件事。Google 官方支援頁顯示 Gemini 網頁版同手機 app 已列出香港，但 Google AI Studio / Gemini API 官方地區列表截至 2026 年 4 月 28 日未見 Hong Kong；Gemini for Science 本身又係另外一套 Google Labs / Google Cloud early access 產品，所以唔可以因為 Gemini app 支援香港，就推論 Gemini for Science 一定可在香港使用。最穩陣講法係：香港 Google Labs 名額、Google Cloud 企業申請、港價、合約條款同數據落點全部 [待確認]。

本地科研團隊如果想試，合理做法係先用公開文獻、公開數據或者已去識別化資料申請測試，而唔係直接放未發表論文、病人資料、專利前研究方向或者商業敏感數據入去。Google Cloud 文件寫明 Co-Scientist 同 AlphaEvolve agent 屬 preview，存取受限，要聯絡 Google account team；Gemini Enterprise / NotebookLM Enterprise 嘅地區文件亦主要列出 US、EU，以及部分 in-country allowlist 地區，未見香港作為專用數據駐留地。對醫療、生命科學同大學合作項目，呢啲資料處理問題唔係採購後先問，而係試用前要問清楚。

同時，香港私隱專員公署已經有 AI 個人資料保障框架同生成式 AI 使用指引，重點係機構採購、實施同使用 AI 時要考慮個人資料、用途限制、敏感程度、安全措施同員工使用政策。科研場景尤其容易踩線，因為實驗數據、病歷、基因資料、研究對象資料同未發表結果通常一齊出現。Gemini for Science 如果要入本地大學、醫院合作項目或者生物科技公司，合規問題同準確度一樣重要。

真正價值係加快「問啱問題」

如果只用一句講 Gemini for Science，唔應該係「AI 會做科學發現」，而係「AI 可能幫研究員更快問啱問題」。文獻整理可以減少漏睇重要論文，假設生成可以迫團隊睇到盲點，計算實驗可以在低成本階段篩走差方向。呢啲全部都係研究前期嘅槓桿，但最後仍然要靠實驗設計、統計、同儕審查同可重現結果去收尾。

落地前可以用四條問題判斷值唔值得試：

• Access：香港帳戶、Google Labs、Google Cloud 企業名額同港價係咪已確認？
• Data：資料會喺邊度處理、會唔會用作訓練、點樣刪除同審計？
• Evaluation：輸出有冇原文證據、可重現代碼、版本記錄同失敗案例？
• Integration：可唔可以接入現有文獻庫、實驗記錄、HPC、Git、Notebook 同內部合規程序？

所以今次發布值得跟進，但唔值得神化。對香港科研同 R&D 團隊，最實際嘅姿勢係把 Gemini for Science 當成一個有潛力嘅前期研究加速器，用小範圍、低敏感度、可驗證任務試起；等香港可用性、企業條款、數據治理同成本清楚之後，再考慮放入正式研究管線。

參考來源

• Engadget — Google debuts AI-powered tools to optimize scientific research workflows — original report
• Google Blog: Gemini for Science: AI experiments and tools for a new era of discovery — Google 官方發布，確認三個 Labs 實驗、Science Skills、Antigravity、合作機構同逐步開放方向。
• Google AI: Gemini for Science — 官方產品頁，補充 Literature Insights、Hypothesis Generation、Computational Discovery 同 Science in Antigravity 定位。
• Google Cloud Docs: Accelerate R&D with Co-Scientist and AlphaEvolve agents — 企業版文件，確認 Co-Scientist / AlphaEvolve 屬 preview、存取受限並需聯絡 Google account team。
• Nature: Accelerating scientific discovery with Co-Scientist — Co-Scientist 論文，用作核實多 agent 假設生成、測試場景同研究限制。
• Nature: An AI system to help scientists write expert-level empirical software — ERA 論文，用作核實 Computational Discovery 背後嘅科學軟件生成同 benchmark 背景。
• Google AI for Developers: Available regions for Google AI Studio and Gemini API — 核對 Google AI Studio / Gemini API 地區列表，香港可用性分析需要引用。
• PCPD: Artificial Intelligence: Model Personal Data Protection Framework — 香港 AI 個人資料保障背景，支撐本地科研團隊處理敏感資料前要做治理同合規評估。

本文根據原文及公開資料整理；資料有出入時，以原文及官方資料為準。