Google DeepMind dan MIT mengembangkan bersama agen AI CoDaS: dapat melakukan penelitian ilmiah secara mandiri, menulis makalah hanya dalam 8 jam

AI tidak hanya bisa mengobrol, sekarang juga bisa melakukan penelitian dan menulis makalah sendiri! AI ilmuwan “CoDaS” yang dikembangkan bersama oleh Google DeepMind dan MIT baru-baru ini mengejutkan dunia akademik. Ia mampu menganalisis data wearable cerdas dari ribuan orang secara mandiri, tidak hanya secara otomatis mengidentifikasi indikator potensial depresi seperti “doomscrolling” larut malam, tetapi juga dapat memverifikasi dan menulis makalah ilmiah sendiri. Penelitian yang biasanya memakan waktu lebih dari sebulan bagi para ahli, dapat diselesaikan CoDaS dalam 6 hingga 8 jam.
(Pratinjau: Ceramah He Yi: Meningkatkan efisiensi 10 kali lipat dengan AI, kita melayani 3 miliar pengguna global)
(Latar belakang tambahan: Sebuah alat AI open-source yang tidak banyak orang lihat, sudah memberi peringatan tentang celah keamanan Kelp DAO sebesar 292 juta dolar AS 12 hari yang lalu)

Daftar Isi Artikel

Toggle

• Tanpa panduan manusia, AI menemukan sendiri bahwa “scrolling di ponsel larut malam” memicu depresi
• Built-in “Verifikasi Adversarial”, otomatis memeriksa dan mencegah kesalahan
• Volume kerja 37 hari dipadatkan menjadi 8 jam, makalah uji buta mendapatkan pengakuan dari para ahli

Seiring kemajuan pesat teknologi kecerdasan buatan, peran AI sedang berkembang dari sekadar “alat bantu” menjadi “peneliti ilmiah” yang mampu bekerja secara mandiri.

Baru-baru ini, sebuah studi penting yang dipublikasikan bersama oleh Google Research, Google DeepMind, dan MIT menunjukkan sistem AI multi-agen bernama CoDaS (AI Co-Data-Scientist), yang berhasil mewujudkan proses penemuan ilmiah yang sepenuhnya otonom. Pemimpin opini komunitas teknologi terkenal Wes Roth dan Samuel Schmidgall juga membagikan hasil inovatif ini secara luas di platform X.

Tim gabungan dari Google Research, Google DeepMind, dan MIT memperkenalkan CoDaS, sistem AI multi-agen yang dirancang untuk menjalankan seluruh siklus penemuan biomarker secara mandiri, mulai dari analisis data sensor wearable mentah hingga pembuatan hipotesis, analisis statistik, dan… https://t.co/KLgxFT4OSq pic.twitter.com/4ursWqeo7l

— Wes Roth (@WesRoth) 20 April 2026

Tanpa panduan manusia, AI menemukan sendiri bahwa “scrolling di ponsel larut malam” memicu depresi

CoDaS adalah sistem yang dirancang khusus untuk menemukan biomarker kesehatan secara mandiri dari data mentah “sensor wearable”. Proses kerjanya meliputi pembuatan hipotesis, analisis statistik, verifikasi adversarial, hingga penalaran berbasis literatur, dan akhirnya mampu menghasilkan draf makalah ilmiah lengkap.

Dalam pengujian, tim peneliti memberi CoDaS dataset besar berisi data wearable dari hampir sepuluh ribu peserta (termasuk data tidur, aktivitas, detak jantung, kebiasaan penggunaan ponsel, dll). Tanpa petunjuk manusia sama sekali, AI menemukan beberapa fitur kesehatan bermakna, yang paling mencolok adalah indikator kesehatan mental:

AI menemukan bahwa perilaku browsing berlebihan di malam hari atau membaca berita negatif, berkorelasi positif secara signifikan dengan tingkat keparahan depresi (koefisien korelasi ρ = 0.177, p < 0.001, sampel n = 7.497).

Yang luar biasa, AI bahkan secara mandiri memberi nama perilaku ini sebagai “late-night doomscrolling” (scrolling larut malam yang berakhir buruk). Selain kesehatan mental, AI juga berhasil menemukan korelasi negatif antara rasio langkah harian terhadap denyut jantung istirahat, dengan penyakit metabolik (resistensi insulin).

Built-in “Verifikasi Adversarial”, otomatis memeriksa dan mencegah kesalahan

Untuk menghindari AI menghasilkan “ilusi ilmiah” umum atau melakukan inferensi statistik yang tidak bermakna, CoDaS dilengkapi dengan mekanisme verifikasi adversarial yang kuat.

Sebagai contoh, saat mencari fitur kesehatan metabolik, sistem pernah mengusulkan penggunaan “kuadrat glukosa” untuk memprediksi resistensi insulin. Meskipun secara statistik formula ini tampak sangat berkorelasi, mekanisme verifikasi CoDaS langsung mendeteksinya sebagai “argumentasi tautologi” yang tidak ilmiah, dan menolaknya secara tegas. Mekanisme ini secara signifikan meningkatkan keandalan ilmiah dan potensi klinis dari output AI.

Volume kerja 37 hari dipadatkan menjadi 8 jam, makalah uji buta mendapatkan pengakuan dari para ahli

Efisiensi kerja dan kualitas output CoDaS benar-benar mengubah paradigma penelitian tradisional. Berdasarkan data makalah, sebuah analisis data besar dan penulisan yang biasanya memakan waktu 37 hari kerja (person-days), dapat diselesaikan CoDaS hanya dalam 6 sampai 8 jam.

Lebih meyakinkan lagi, dalam penilaian blind review oleh para ahli di bidangnya:

• Makalah yang dihasilkan CoDaS mendapatkan tingkat “non-rejection” sebesar 86% (artinya diterima, dengan revisi kecil atau besar).
• Sebaliknya, tingkat penolakan makalah dari AI ilmuwan lain berkisar antara 85% hingga 100%.

Studi ini membuktikan bagaimana sistem AI multi-agen mampu mengubah data wearable konsumsi pasif menjadi wawasan klinis yang bernilai. Sebagai kemajuan representatif dari “AI agenik” di bidang kesehatan digital, CoDaS menandai era baru di mana manusia dan AI bersama-sama memimpin penemuan ilmiah, mungkin sudah tiba.