大多數人工智能科學系統主要關注通過更好的模型、更大的上下文窗口或長期自主執行來擴展單一推理過程。然而，挑戰性的科學問題很少由單個推理者解決，而是由擁有不同先驗知識、實驗背景、隱性知識和領域直覺的團隊共同解決。因此，開放問題不僅是如何擴展模型，而是如何培養網絡智能：擴展人類與AI系統之間的連接，使得在一個上下文中產生的結果或假設能夠到達另一個可以對其採取行動的人、代理、儀器或機器人。
我們介紹Mycelium，一個主動共享工作空間，它自動將研究人員和AI代理連接為多用户協同科學家。當人類用户和代理工作時，系統捕獲重要的觀察和假設，追蹤它們與團隊演化模型的關係，並將它們路由到下一個決策可以受益的人或代理。我們在首次實證測試中評估了Mycelium，這是一個生物多組學活動，其中路由的共享上下文將局部分析發現轉化為跨專家機制約束，並最終轉化為實驗設計。
我們還為網絡智能提供了一個計算解釋，即分佈式科學上下文上的稀疏條件計算。這個解釋區分了何時擴展的獨立代理可以匹配網絡，以及何時獨立的專業知識和不可合併的上下文使網絡變得不可簡化。Mycelium代表了向真正協作性人工智能系統邁出的一步，該系統能夠放大團隊的集體智慧，而不僅僅是個人的能力。
該論文由Sutanay Choudhury等18位作者於2026年7月14日提交至arXiv，編號為2607.13220，涉及人工智能、計算工程與科學以及人機交互領域。