大多数人工智能科学系统主要关注通过更好的模型、更大的上下文窗口或长期自主执行来扩展单一推理过程。然而，挑战性的科学问题很少由单个推理者解决，而是由拥有不同先验知识、实验背景、隐性知识和领域直觉的团队共同解决。因此，开放问题不仅是如何扩展模型，而是如何培养网络智能：扩展人类与AI系统之间的连接，使得在一个上下文中产生的结果或假设能够到达另一个可以对其采取行动的人、代理、仪器或机器人。
我们介绍Mycelium，一个主动共享工作空间，它自动将研究人员和AI代理连接为多用户协同科学家。当人类用户和代理工作时，系统捕获重要的观察和假设，追踪它们与团队演化模型的关系，并将它们路由到下一个决策可以受益的人或代理。我们在首次实证测试中评估了Mycelium，这是一个生物多组学活动，其中路由的共享上下文将局部分析发现转化为跨专家机制约束，并最终转化为实验设计。
我们还为网络智能提供了一个计算解释，即分布式科学上下文上的稀疏条件计算。这个解释区分了何时扩展的独立代理可以匹配网络，以及何时独立的专业知识和不可合并的上下文使网络变得不可简化。Mycelium代表了向真正协作性人工智能系统迈出的一步，该系统能够放大团队的集体智慧，而不仅仅是个人的能力。
该论文由Sutanay Choudhury等18位作者于2026年7月14日提交至arXiv，编号为2607.13220，涉及人工智能、计算工程与科学以及人机交互领域。