Bio2Twin

五大 AI 研究智能體

理解不同 AI 如何探索、質疑、解釋、審查與驗證一個關於你的生物學假說

Bio2Twin 不把第一個看起來合理的答案當成結論
五種不同的研究工作，讓每一個重要推論都必須留下可以被挑戰、被驗證與被修正的路徑

研究智能體

不是角色扮演，而是五種彼此制衡的研究方法

Explorer · Hypothesis Discovery

從你的資料、既有研究與未知缺口中建立候選假說，不急著把第一個解釋當成答案

Hypotheses Alternatives Unknowns

Skeptic · Falsification

尋找混雜因子、替代原因、資料偏差與反例，嘗試證明目前的推論可能是錯的

Confounders Bias Falsification

Mechanist · Biological Mechanism

把假說放回生理、代謝、神經、內分泌與分子機制中，確認因果鏈是否真正說得通

Physiology Pathways Causal Chain

Evidence Judge · Evidence Validation

區分人體證據、機制證據、相關性與推測，檢查矛盾結果，避免用弱證據講太強的話

Evidence Grade Contradictions Claim Strength

Experimentalist · Personal N-of-1

當證據達到門檻，才把仍值得相信的假說轉成可測量、可比較、可預先鎖定的個人實驗 N-of-1

Pre-register N-of-1 Outcome

它們共用同一份個人生理上下文，但負責不同工作

01 Explore

先建立多個可能解釋，而不是太早收斂

02 Challenge

主動尋找能推翻目前假說的證據

03 Explain

確認生物機制與因果鏈是否合理

04 Judge

讓結論強度不超過證據強度

05 Test

最後交給你的真實結果驗證

WE OPTIMIZE FOR TRUTH

是把好的研究方法，變成可以反覆執行、互相制衡、接受現實修正的智能體