# 策展 · X (Twitter) 🔥🔥🔥

> 作者：Google Research (@GoogleResearch) · 平台：X (Twitter) · 日期：2026-04-30

> 原始來源：https://x.com/GoogleResearch/status/2049598794367644104

## 中文摘要

Google Research 自去年秋季推出「Empirical Research Assistance (ERA)」後，科學家已應用於流行病學、宇宙學、大氣監測及神經科學，展現人工智慧加速科學發現的轉型潛力。

**總結導言**  
自去年秋季推出「Empirical Research Assistance (ERA)」以來，Google Research 科學家及學術合作夥伴已將其應用於真實世界情境，從流行病預測到宇宙學難題，超越概念驗證，揭示人工智慧如何民主化計算建模、解決未解問題、挖掘既有資料洞見，並超越黑箱模型，提供可解釋且機制精準的解決方案。這不僅加速發現，還轉變科學研究方式。

**公共衛生應用：流感、COVID-19 及 RSV 住院預測**  
Google 科學家使用 ERA 擴大預測範圍，不僅回溯匹配或超越美國疾病控制與預防中心 (CDC) 及頂尖機構工具的 COVID-19 住院預測，還延伸至流感及呼吸道合胞病毒 (RSV)。  
- 自去年底起，每週即時提交全美各州預測，涵蓋未來四週時間範圍。  
- 於 2025-26 流感季（11 月 CDC 挑戰開跑）及 CDC 全年 COVID-19 州級住院預測、RSV 新樞紐提交預測。  
由麻省大學 Amherst 生物統計學教授 Nicholas Reich 管理的公開排行榜顯示，Google 在流感及 COVID-19 榜單上持續名列前茅或接近頂尖；RSV 雖無公開榜單，但內部分析確認類似強勁表現。此 AI 工具承諾為新興疾病及更廣地域提供高準確預測，民主化流行病學計算建模存取。

**宇宙學應用：宇宙弦與重力能量輻射**  
宇宙弦為時空織構的理論缺陷，早宇宙形成，預測發射重力輻射，但計算能量頻譜為未解難題，因支配方程式含奇異點（數值趨近無窮，傳統模型失效）。去年秋季一篇論文使用 OpenAI 的 GPT-5 僅解最簡單方形迴圈（角度 α = π/2，即 90 度）部分解，統一精確公式仍開放。  
Google 結合 ERA 與 Gemini Deep Think，系統探索處理奇異點的數學技巧，成功推導六種一般解及漸近極限精簡公式，並於 3 月分享。此例彰顯 ERA 搭配先進大型語言模型 (LLM)，解鎖宇宙學前沿精準新解的強大潛力。

**氣候與永續應用：利用氣象衛星監測 CO2**  
自 1950 年代晚期夏威夷 Mauna Loa 天文台開始 CO2 定期觀測，產生標誌性 Keeling 曲線記錄全球大氣 CO2 上升。追蹤人為溫室氣體排放及植物、土壤、海洋吸收需區域時變監測。目前太空 CO2 感測器如 NASA 的 OCO-2 雖高精準，但僅涵蓋地球表面極小部分，每 16 天重訪一次；地球同步衛星如 GOES East（設計用於天氣預報）從更高軌道每 10 分鐘掃描半球，但未設計用於 CO2 繪圖。  
Google 研究員用 ERA 開發單像素、物理導引神經網路，從 GOES East 16 波段資料、近地表氣象、太陽角度及年分萃取柱平均 CO2 訊號。經 OCO-2 及 OCO-3 稀疏觀測訓練後，能每 10 分鐘推估全球柱平均 CO2。  
於「國際太空溫室氣體測量工作坊」分享的研究顯示，此 AI 模型利用 GOES East 高空間時序密度，實現前所未有 CO2 解析度；對照額外 OCO-2 年份資料及地面總柱碳觀測網，確認捕捉真實 CO2 變異。此成果示範 AI 如何從既有觀測儀器擷取額外價值，尤其資源密集衛星任務，此為 Google 用 ERA 探索氣候與溫室氣體多項議題之一。

**神經科學應用：發現神經迴路機制**  
雖可繪圖活體腦數萬神經元，但解析功能迴路為下一步挑戰。Google 研究員用 ERA 處理真實及模擬斑馬魚（椎椎動物刺激偵測、資訊處理及反應模式生物），聚焦水面漣漪光條紋變化引發的迴路——斑馬魚演化本能回應以維持淺水避沖走。  
提供 simZFish 模擬器配線圖（揭示細胞連結，但省略數學規則），ERA 提出從刺激至神經活性至馬達反應的迴路。對新視覺刺激測試顯示，非統計捷徑，而是可泛化至類似情境的精準神經機制。  
此延續預印本成果，ERA 在 ZAPBench（模擬環境刺激的神經活性資料集）預測逾 70,000 神經元活性超越基準；模擬環境更示範超越黑箱模型，憑結構資訊發現可解釋、機制精準解，為活體腦科學大挑戰提供藍圖。

**結論與展望**  
這四專案僅為 ERA 等 LLM 背書系統推進科學的成長清單一部分，涵蓋從理論數學、資料預測、觀測儀器分析至模擬輸出等問題類型，展現解決開放難題、民主化計算建模及最大化既有觀測資料效用潛力。Google 科學家、訪客研究員及合作夥伴對 ERA 實驗充滿熱情，隨著更廣可用性迫近，將支持全球人工智慧輔助科學發現。其他工具如 co-scientist 及 PAT 亦加速此進展。感謝 ERA 開發及早期採用科學家貢獻，包括流行病預測領導 Zahra Shamsi、Sarah Martinson、Nicholas Reich 等，以及各領域作者及領導支持。

## 標籤

研究論文, 產業趨勢, AIGC, Google, Google Research