AI 對人類最大的潛在益處之一，就是提升科學發現的速度與廣度。「實證研究輔助」（Empirical Research Assistance, ERA）是 Google 開發的研究工具，它運用 Gemini 來編寫與優化科學程式碼，解決了科學研究中最耗時的部分：反覆測試與精進計算實驗。

這項工具已於今日在《自然》（Nature）期刊上發表，論文標題為「旨在協助科學家編寫專家級實證軟體的 AI 系統」。作為今日 I/O 大會上更廣泛的科學發表之一，我們也將這項技術開放為工具，讓全球科學家都能開始使用。ERA 也是建構 Computational Discovery 的系統之一，這項新的實驗性工具今日正透過 Gemini for Science 開始更廣泛地推廣。

我們在秋季預印本發布時，首次分享了 ERA 的設計與效能。針對一個科學問題和衡量成功的標準，ERA 能夠搜尋科學文獻、編寫程式碼、探索解決方案、結合各種技術並評估結果。ERA 運用樹狀搜尋法（tree search approach）來優化其輸出程式碼以達成既定目標，考量了數千種可能性。

我們在《自然》期刊上的論文描述了 ERA 在涵蓋多個學科的基準問題（benchmark problems）上的測試，包括基因組學、公共衛生、衛星影像分析、神經科學預測、一般時間序列預測基準以及數學。結果顯示，ERA 在所有這些基準測試中都達到了專家級效能，有望普及未來對專家級計算模型（computational modeling）的應用，並擴展現有專家的能力。

在過去六個月中，Google Research 的科學家和我們的合作夥伴一直積極地使用 ERA 進行實驗。四月底，我們分享了四個使用 ERA 探索當前科學未解問題的專案範例。我們目前共有八篇手稿，將 ERA 應用於特定的科學問題，其中包括下面描述的五篇新發布論文。

總體而言，這些結果展示了 ERA 如何在多個領域推動進展，帶來即時的科學影響和公共利益。Google 科學家和合作夥伴發表了一項分析，說明他們如何使用 ERA 進行流行病學預測，提前四週預測美國各州流感、COVID-19 和 RSV 的住院人數。

ERA 的預測結果在美國疾病管制與預防中心（Centers for Disease Control, CDC）針對這三種呼吸道病毒的公開排行榜上始終名列前茅，或接近榜首，並且採用的技術可以輕鬆複製到其他國家和疾病。我們使用 ERA 建立了一個加州雪水補給河流流域季節性徑流的預測模型，這對該州的人口和農業部門來說是至關重要的資源。

該模型產生的春季徑流早期預測比該州官方的季節性供水展望 Bulletin 120 (B120) 顯著更準確，有望改善對這種稀缺資源的管理。我們分享了使用 ERA 繪製大氣二氧化碳（CO2）濃度的新成果，利用地球同步氣象衛星的數據，達到了前所未有的空間和時間解析度。

ERA 開發的模型捕捉了人類活動導致的 CO2 濃度變化，包括明顯的城市增強效應。該模型推導出的估計值還顯示了作物和其他植物在生長過程中如何吸收 CO2，導致白天 CO2 濃度下降，以及其他自然和人類循環在大氣中的作用。這些 AI 估計將有助於建模、監測和理解 CO2 這種關鍵溫室氣體如何隨空間和時間變化。

我們探索了使用 ERA 和 Google Antigravity 進行 3D 太陽能最大化，以優化不同面板地形的太陽能捕獲，作為這兩個系統如何結合的案例研究。ERA 發現一個 500 個三角形的體積風扇能夠捕獲散射的太陽輻射，且沒有背面遮蔽，最大限度地提高了未來太陽能設備潛在設計中的能量捕獲。

我們還將 ERA 應用於零售預測任務，這是經濟學的一個分支，旨在確保客戶獲得所需商品、企業高效運營、減少浪費，以及政府能夠優化經濟政策。利用美國經濟指標、Google Trends 數據、歷史模式和消費者情緒等廣泛可用的輸入，ERA 設計的模型能夠達到或超越市售的共識估計以及芝加哥聯邦儲備銀行（Chicago Fed）的月度零售預測報告 (CARTS)。

今日，Google 將開始逐步開放由 AlphaEvolve 和 ERA 建構的 Computational Discovery 工具。我們對 AI 驅動的計算工具所開啟的科學發現新時代感到興奮，並期待與更廣泛的社群一同進一步開發這些工具。

另一項新推出的 Gemini for Science 實驗是 Hypothesis Generation，它由 AI Co-Scientist 建構，同樣在今日發表於《自然》期刊的一篇論文中有所描述。Hypothesis Generation、Computational Discovery 以及新的 Literature Insights 實驗工具，在支援科學方法不同階段方面是互補的。

請造訪 labs.google/science 註冊您的興趣。我們要感謝作者名單上列出的所有合作夥伴，他們協助創建了 ERA，以及所有早期採用者科學家。ERA 的底層演算法開發由 Eser Aygun、Gheorghe Comanici 和 Shibl Mourad 領導。

流行病學預測工作由 Zahra Shamsi、Sarah Martinson、Nicholas Reich、Martyna Plomecka 和 Brian Williams 領導。二氧化碳監測研究由 Aarón Sonabend-W、Sean Campbell、Renee Johnston、Vishal Batchu、Carl Elkin、Christopher Van Arsdale、John Platt 和 Anna Michalak 領導。

徑流預測論文由 Ignacio Lopez-Gomez、Michael Brenner 和 Tapio Schneider 撰寫。太陽能工程手稿由 Michael Brenner、Lizzie Dorfman 和 John Platt 撰寫。

宏觀經濟零售銷售預測研究由 Michael Brenner、Qian-Ze Zhu、Zahra Shamsi、Mette Nielsen 和 Paul Raccuglia 領導。我們感謝 John Platt、Michael Brenner、Shibl Mourad、Lizzie Dorfman、Vip Gupta、Zoubin Ghahramani、Alison Lentz、Erica Brand、Katherine Chou、Ronit Levavi Morad、Yossi Matias 和 James Manyika 的領導支持。