Gemini for Science: experimentos y herramientas de IA para una nueva era de descubrimientos
El método científico es, desde hace siglos, el principal motor de progreso de la humanidad. En Google, nuestra misión se basa en desarrollar herramientas para acelerarlo. Creemos que la era de descubrimientos que está por venir no partirá de modelos limitados y especializados, sino de agentes generales que ayuden a los investigadores de todos los campos de la ciencia.
Por ese motivo presentamos Gemini for Science, una colección de experimentos y herramientas diseñados para expandir la escala de la exploración científica y mejorar su precisión.
Un multiplicador del ingenio humano
La ciencia se está enfrentando a una paradoja: el conocimiento colectivo está creciendo tan rápido que a los investigadores les resulta cada vez más difícil tener una visión global. Muchos descubrimientos dependen de poder establecer conexiones creativas entre los datos, pero hacerlo sin ayuda puede requerir semanas o incluso meses. La IA puede ayudar a agilizarlo y potenciar el trabajo científico ocupándose de tareas complejas. Así, los investigadores pueden centrarse en identificar y abordar los problemas de mayor impacto, y avanzar en las direcciones que supongan un mayor progreso.
Las herramientas experimentales de Gemini for Science son tres grandes prototipos de Google Labs diseñados para encargarse de este tipo de tareas.
- Hypothesis Generation, desarrollado con Co-Scientist: las ideas son la semilla de la ciencia, pero no hay ser humano capaz de sintetizar los millones de artículos científicos que se publican cada año. Hypothesis Generation (Generación de hipótesis) lo resuelve simulando el método científico: colabora con los investigadores para definir un reto de investigación y luego crea un “torneo de ideas” multiagente para generar, debatir y evaluar hipótesis. Toda la información se verifica en profundidad y se acompaña de citas enlazadas para garantizar el más absoluto rigor.
- Computational Discovery, desarrollado con AlphaEvolve y ERA (Empirical Research Assistance): el progreso científico suele estar limitado por la cantidad de hipótesis que podemos probar de forma realista con experimentos computacionales. Computational Discovery (Descubrimiento computacional), un motor de investigación agéntico, es un prototipo que lo soluciona generando y puntuando en paralelo miles de variaciones de código. Esto permite a los científicos probar enfoques de modelación innovadores —en campos complejos como la previsión de la energía solar o la epidemiología— que requerirían meses de la manera tradicional.
- Literature Insights, desarrollado con Google NotebookLM: entender la literatura científica es un pilar fundamental de cualquier proyecto de investigación. Literature Insights (Conocimientos de la literatura) examina las publicaciones previas y estructura los resultados en tablas con atributos personalizados que permiten realizar búsquedas, comparaciones y análisis. Los investigadores pueden usar el chat para indagar en los detalles del corpus seleccionado, además de crear materiales adicionales con datos rigurosos, como informes, presentaciones, infografías o resúmenes de audio o vídeo. Con la potencia de NotebookLM, Literature Insights ayuda a sintetizar los resultados de publicaciones, identificar líneas de investigación inexploradas y descubrir áreas de oportunidad.
A partir de hoy, abriremos gradualmente el acceso a estos experimentos. Visita labs.google/science si tienes interés en usarlos.
Además de a investigadores particulares, vamos a ofrecer a las empresas estas funciones avanzadas de IA a través de Google Cloud. Nuestras soluciones de I+D científico e industrial diseñadas para empresas ya se están utilizando en versión preliminar privada para obtener resultados en el mundo real. Compañías como BASF están usando AlphaEvolve para optimizar sus cadenas de suministro, y Klarna lo está empleando para mejorar sus modelos de aprendizaje automático. En paralelo, empresas como Daiichi Sankyo o Bayer Crop Science, y los laboratorios nacionales de Estados Unidos (dentro de la Misión Génesis del Departamento de Energía), están apoyándose en Co-Scientist para acelerar sus investigaciones y abordar retos científicos fundamentales. Estas herramientas para empresas están aportando un valor significativo durante la fase preliminar. Estamos muy satisfechos por los grandes avances que están posibilitando, y queremos que puedan aprovecharlas más entidades en los próximos meses.
Ya se han publicado varios artículos de validación sobre esta y otras herramientas. Los trabajos de investigación sobre ERA y Co-Scientist se publican hoy en Nature.
Un laboratorio científico en tu escritorio
Como parte de Gemini for Science, también vamos a lanzar Science Skills, un paquete de habilidades especializadas que reúne el conocimiento de más de 30 grandes bases de datos y herramientas de ciencias biológicas, incluyendo UniProt, AlphaFold Database, la API de AlphaGenome e InterPro. Al usar estas habilidades en plataformas agénticas como Antigravity, los investigadores pueden llevar a cabo procesos complejos y habitualmente manuales —como los de análisis genómico y bioinformática estructural— en minutos en lugar de horas.
Nuestros equipos de investigación ya lo han experimentado al usar Science Skills. En las pruebas preliminares, lo utilizaron para realizar en cuestión de minutos un análisis complejo que suele llevar varias horas. De ahí surgieron nuevos hallazgos sobre los posibles mecanismos de una enfermedad genética rara causada por mutaciones en el gen AK2.
Para obtener más información sobre cómo usar Science Skills en Google Antigravity, visita antigravity.google/use-cases/science.
Una iniciativa en colaboración con la comunidad científica
Nuestro compromiso con el desarrollo y el despliegue responsables de herramientas para la ciencia comienza por el ecosistema científico. Colaboramos con más de 100 instituciones para validar nuestros nuevos sistemas y herramientas: por ejemplo, con la Universidad de Stanford sobre la fibrosis hepática y con el Imperial College de Londres sobre la resistencia a antibióticos, además de una alianza plurianual con The Crick Institute. Y, para velar por la integridad de los conocimientos generados por IA, hemos creado una comunidad de testers de confianza (que incluye doctorandos, investigadores de la industria y premios nobel) para poner a prueba nuestros sistemas aplicándolos a retos complejos del mundo real.
Además, hemos emprendido programas piloto específicos con congresos científicos como ICML, STOC y NeurIPS para desarrollar herramientas pioneras de revisión por pares y validación científica con agentes, como nuestros sistemas experimentales Paper Assistant Tool (PAT) y ScholarPeer.
Toda esta labor nace de una larga trayectoria de avances en IA. Nuestros modelos de IA especializados ya están acelerando el progreso de la ciencia: AlphaFold ha ayudado a más de 3 millones de investigadores a mejorar las vacunas de la malaria y crear enzimas capaces de comer plástico; y AlphaGenome está ayudando a los científicos a identificar las causas de las enfermedades. Se suman a otras herramientas en las que confían los investigadores cada día, como Google Scholar, Earth Engine, Colab, MedGemma, Earth AI y Deep Research de Gemini. Con nuestra última versión de Gemini Deep Think, seguimos mejorando las capacidades principales de nuestros modelos para que se ocupen de tareas científicas complejas. Juntas, estas herramientas ya son una parte fundamental del ecosistema científico, ayudando a los investigadores a organizar la información y realizar análisis complejos de datos a gran escala.
Al explorar juntos el futuro de la investigación con agentes, estamos trabajando por un futuro en el que la IA acelere los avances científicos y ayude a resolver los problemas más acuciantes de nuestra sociedad.
