Por Pushmeet Kohli, Chief Scientist, Google Cloud and Vice President, Google DeepMind
Yossi Matias, Vice President and General Manager, Google Research
Durante siglos, el método científico ha sido el principal impulsor del progreso humano y en Google, nuestra misión es construir herramientas que lo aceleren. Creemos que una nueva era de descubrimiento no necesita modelos especializados con un alcance acotado, sino agentes de uso general que los investigadores puedan aprovechar en todos los campos científicos.
Por eso presentamos Gemini for Science, una colección de experimentos y herramientas para la ciencia diseñadas para aumentar el alcance y mejorar la precisión de la exploración científica.
Un multiplicador del ingenio humano
La ciencia de hoy enfrenta una paradoja: el conocimiento colectivo está creciendo tan rápido que a los investigadores les resulta cada vez más difícil tener una visión global. Los descubrimientos científicos muchas veces dependen de encontrar conexiones creativas entre los datos, pero el tiempo necesario para hacer esto de forma manual lleva semanas o incluso meses. La IA puede ayudar a eliminar este cuello de botella y funcionar como un multiplicador del trabajo científico llevando a cabo tareas complejas. Esto permite que los investigadores se enfoquen en identificar y resolver los problemas con mayor impacto y guiar el camino hacia al progreso.
Las herramientas experimentales de Gemini for Science en Google Labs incluyen tres prototipos iniciales diseñados para abordar esas tareas:
- Hypothesis Generation, creado con Co-Scientist: el desarrollo de ideas es el motor de la ciencia, pero ningún ser humano puede resumir los millones de artículos de investigación publicados cada año. Hypothesis Generation simula el método científico para superar este obstáculo: colabora con los investigadores para encontrar un desafío en la investigación y luego usa una “competencia de ideas” entre múltiples agentes para generar, debatir y evaluar hipótesis. La información se verifica en profundidad y se respalda con citas que incluyen vínculos interactivos. De esta forma, se garantiza el rigor absoluto.
- Computational Discovery, creado con AlphaEvolve y ERA (Empirical Research Assistance): el progreso científico suele estar limitado por la cantidad de hipótesis que se pueden poner a prueba de manera realista con experimentos computacionales. Computational Discovery, un motor de búsqueda con agentes, es un prototipo que resuelve este problema al generar y calificar miles de variaciones de código en paralelo. Esto permite que los científicos pongan a prueba nuevos enfoques de modelos para campos complejos, como la predicción de energía solar o la epidemiología, algo que llevaría meses hacerlo de forma manual.
- Literature Insights, creado con Google NotebookLM: comprender la literatura científica es una parte fundamental de la tarea de investigación. Literature Insights examina el material disponible y estructura los resultados en tablas con atributos personalizados que permiten realizar búsquedas y análisis comparativos. Los investigadores pueden usar el chat para extraer más información fundamentada en la bibliografía seleccionada y crear materiales de alta fidelidad, como informes, presentaciones, infografías y resúmenes de audio y video. Con el poder de NotebookLM, Literature Insights ayuda a resumir hallazgos en artículos científicos, identificar brechas en la investigación y encontrar áreas aún inexploradas.
A partir de hoy, empezaremos a habilitar el acceso a estos experimentos de manera gradual. Visita labs.google/science si te interesa probarlos.
Además de los experimentos individuales, también estamos acercando estas capacidades de IA avanzadas a organizaciones empresariales a través de Google Cloud. Un gran número de socios ya utiliza la versión preliminar privada de nuestras soluciones de nivel empresarial para la investigación y el desarrollo industrial y científico con el objetivo de conseguir un impacto en el mundo real. Empresas como BASF usan AlphaEvolve para optimizar la cadena de suministro, y Klarna lo utiliza para mejorar sus modelos de aprendizaje automático. Al mismo tiempo, organizaciones como Daiichi Sankyo, Bayer Crop Science y los Laboratorios Nacionales de los Estados Unidos (como parte de la Misión Génesis del Departamento de Energía) están usando Co-Scientist para acelerar la investigación y abordar desafíos científicos esenciales. Estas herramientas de nivel empresarial demuestran tener un gran valor en la fase de versión preliminar actual. Estamos entusiasmados con las innovaciones que nuestros socios están logrando y queremos expandir el acceso a más organizaciones en los próximos meses.
Ya se han publicado varios artículos de validación basados en estas y otras herramientas. Los artículos de investigación de ERA y Co-Scientist se publican hoy en Nature
Un equipo de científicos en tu escritorio
Como parte de Gemini for Science, también lanzamos Science Skills, un paquete especializado que integra información de más de 30 grandes bases de datos y herramientas de ciencias biológicas, incluidas UniProt, AlphaFold Database, AlphaGenome API y InterPro. Al usar estas capacidades en plataformas de agentes como Google Antigravity, flujos de trabajo complejos que a los investigadores llevaría horas realizar de forma manual (como la bioinformática estructural y el análisis genómico) pueden realizarse en cuestión de minutos.
Los equipos de investigación que usan Science Skills ya pudieron ver esta aceleración en la práctica. En las etapas de pruebas tempranas, nuestro equipo usó Science Skills para realizar en minutos un análisis complejo que normalmente lleva horas. Gracias a ello, obtuvieron información inédita sobre los posibles mecanismos de una enfermedad genética rara causada por mutaciones en el gen AK2.
Para saber más sobre cómo usar Science Skills en Google Antigravity, visita antigravity.google/use-cases/science.
Un esfuerzo conjunto con la comunidad científica
Nuestro compromiso con el desarrollo y la implementación responsables de herramientas para la ciencia comienza con el ecosistema científico. Para validar nuestros nuevos sistemas y herramientas, colaboramos con más de 100 instituciones, incluida la Stanford University para la fibrosis hepática, el Imperial College London para la resistencia antimicrobiana y una iniciativa de varios años con The Crick Institute. Creamos una comunidad de verificadores de confianza (desde doctorandos hasta investigadores de la industria y premios nobeles) que se ocupan de someter a nuestros sistemas a pruebas de esfuerzo frente a problemas complejos del mundo real. De este modo, buscamos garantizar la integridad de la información generada por IA.
Además, creamos pilotos dedicados con conferencias científicas de vanguardia, como ICML, STOC y NeurIPS, con el objetivo de desarrollar herramientas innovadoras utilizadas para la validación científica y la revisión por pares con agentes, como nuestros sistemas experimentales Paper Assistant Tool (PAT) y ScholarPeer.
Todo este trabajo se basa en una larga trayectoria de avances en IA. Nuestros modelos especializados ya están acelerando el progreso: AlphaFold ha ayudado a más de 3 millones de investigadores a abordar temas como las vacunas para la malaria y las enzimas degradadoras de plástico; y AlphaGenome está ayudando a los científicos a identificar las causas de las enfermedades. También se suman otras herramientas que los investigadores usan a diario, como Google Académico, Earth Engine, Colab, MedGemma, Earth AI y Gemini Deep Research. Con la última versión de Gemini Deep Think, seguimos mejorando las principales capacidades de nuestros modelos para abordar tareas científicas complejas. En conjunto, estas herramientas se volvieron piezas fundamentales del ecosistema científico, ayudando a los investigadores a organizar la información y realizar análisis de datos difíciles a gran escala.
Mientras exploramos juntos el futuro de la investigación con agentes, seguimos trabajando por un mañana en el que la IA acelere el progreso científico y ayude a resolver los problemas más urgentes de nuestra sociedad.
