2026 年 5 月 19 日，Google Research 的 ERA（Empirical Research Assistance）登上 Nature，論文標題直白：「設計來幫科學家撰寫專家級實證軟體的 AI 系統」。ERA 用 Gemini 撰寫並最佳化科學運算程式碼，在基因體學、公共衛生、衛星影像、神經科學預測、時間序列預測與數學六個領域，都達到專家級水準。
同篇文章還宣布八份應用論文（五份新發布）、開源程式碼，以及結合 AlphaEvolve 的 Computational Discovery 將透過 Gemini for Science 開放。這是把「最會寫實證程式碼的研究助理」變成基礎設施的一步。
ERA 是什麼：讓 Gemini 寫科學程式碼
科學研究最耗時的環節之一，是反覆修正計算實驗：換資料、調模型、重跑、再比較。ERA 將這個迴圈自動化：給定問題與成功衡量指標，它會檢索文獻、寫程式、組合技術並評估結果，以 tree search 在「數千個選項」中對目標最佳化。演算法由 Eser Aygun、Gheorghe Comanici 與 Shibl Mourad 帶頭開發；設計先於 2025 年秋季以 preprint 公開，再經約六個月密集實驗成為 Nature 論文。
六個領域的專家級表現
論文評測橫跨上述六個領域，ERA 全部達到專家級。潛台詞很清楚：專家級計算建模能力，從此不再受限於「團隊裡剛好有人會寫這類程式」。
五份新應用：從流感預測到太陽能設計
五份新論文展示的應用範圍相當寬：
- 流感、COVID-19 與 RSV 的州級住院預測，最多提前四週，持續名列 CDC 排行榜前茅
- 加州雪河流域季節逕流預測，早期預測明顯準過官方 Bulletin 120 展望
- 結合 GOES-East 衛星資料的二氧化碳映射，每 10 分鐘更新，看得出洛杉磯盆地排放與植物日間吸收
- 與 Google Antigravity 合作的最佳化 3D 太陽能設計，找出 500 三角形、零背向遮擋的體積式風扇結構
- 零售預測：用經濟指標與 Google Trends，達到或超越 Action Economics 共識與芝加哥 Fed 的 CARTS 預測
合作者包括流行病學家 Nicholas Reich、大氣科學家 Tapio Schneider 與 Anna Michalak 等人——ERA 是放大專家，而非取代。
為什麼不只是「會寫程式」
ERA 與一般程式生成工具的差別在目標函數：它最佳化的不是「看起來可執行的程式」，而是對指定科學問題的實證表現。這讓它更像虛擬博士後：文獻檢索、方法組合、實驗設計與評估收在同一個迴圈裡。Google 的說法是，這可能讓專家級計算建模「人人可用」——對缺少軟體工程資源的機構與公部門是實際的補齊。
開源與接下來的開放節奏
ERA 已在 GitHub 開源（google-research/era）。下一步是結合 AlphaEvolve 的 Computational Discovery，正透過 Google Labs 的 Gemini for Science 信任測試者計畫開放。它與同日登上 Nature 的 Hypothesis Generation（與 AI Co-Scientist 合作打造）及 Literature Insights 互補，對應科學方法的不同階段。研究團隊現在就可到 labs.google 登記。
參考來源
- ERA: From Nature publication to catalyzing Computational Discovery — Google Research
- AI system designed to help scientists write expert-level empirical software — Nature
- Gemini for Science at I/O 2026 — Google Blog
本文由 AI 協助自上述來源整理，經人工審核後發布。