Gemini for Science: strumenti e funzionalità sperimentali dell’AI per il futuro della ricerca

Il metodo scientifico rappresenta da secoli il motore principale del progresso umano. In Google, la nostra missione è profondamente radicata nella creazione di strumenti in grado di accelerarlo. Riteniamo che la nuova era della ricerca non verrà da ristretti modelli specializzati, ma da agenti generali che forniscono ai ricercatori tutti gli strumenti necessari, a prescindere dal campo scientifico in cui operano.

Ecco perché stiamo introducendo Gemini for Science, una raccolta di funzionalità sperimentali e strumenti scientifici progettati per ampliare la portata e la precisione dell’esplorazione scientifica.

Un moltiplicatore dell’ingegno umano

Oggi la scienza si trova di fronte a un paradosso: le nostre conoscenze collettive si espandono così velocemente che per i singoli scienziati è diventato più difficile vedere il quadro completo. Le innovazioni scientifiche spesso derivano dalla definizione di connessioni creative tra i dati, ma svolgere manualmente tale processo può richiedere settimane, o addirittura mesi. L’AI può contribuire ad aggirare questo ostacolo e moltiplicare in modo esponenziale l’efficacia del lavoro scientifico gestendo attività complesse. Ciò consente ai ricercatori di concentrarsi sull’identificazione e sulla risoluzione dei problemi scientifici di maggiore impatto e sulle strategie orientate al progresso.

Gli strumenti sperimentali di Gemini for Science su Google Labs includono tre prototipi principali pensati per la gestione di tali attività.

1. Hypothesis Generation, con Co-Scientist: l’ideazione è il cuore pulsante della scienza, ma nessun essere umano è in grado di sintetizzare i milioni di articoli pubblicati ogni anno. Hypothesis Generation colma questo divario simulando il metodo scientifico: collabora con i ricercatori per definire una sfida di ricerca, poi usa un “torneo di idee” multi-agente per generare, discutere e valutare ipotesi. Per garantire il massimo rigore, le affermazioni vengono controllate minuziosamente e supportate da citazioni selezionabili.
2. Computational Discovery, con AlphaEvolve ed ERA (Empirical Research Assistance): il progresso scientifico è spesso limitato dal numero di ipotesi che possiamo realisticamente testare con gli esperimenti computazionali. Computational Discovery, un motore di ricerca agentico, è un prototipo che risolve questo problema generando e valutando in parallelo migliaia di variazioni di codice. Ciò consente agli scienziati di testare nuovi approcci di modellazione (ad esempio, per campi complessi come le previsioni solari o l’epidemiologia) che, se condotti manualmente, richiederebbero mesi.
3. Literature Insights, con Google NotebookLM: comprendere la letteratura scientifica è un pilastro fondamentale di qualsiasi progetto di ricerca. Literature Insights esplora la letteratura scientifica e organizza i risultati in tabelle con attributi personalizzabili che consentono di effettuare ricerche per un’analisi comparativa. I ricercatori possono usare la chat per far emergere sfumature basate sul loro corpus di riferimento e creare artefatti ad alta fedeltà come report, presentazioni, infografiche e overview audio e video. Con la potenza di NotebookLM, Literature Insights aiuta a sintetizzare i risultati trovati in vari articoli, a identificare le lacune della ricerca e a scoprire nuove opportunità di ricerca.

A partire da oggi, inizieremo a fornire gradualmente l’accesso a queste funzionalità sperimentali. Visita la pagina labs.google/science per segnalare il tuo interesse.

Oltre alle singole funzionalità sperimentali, metteremo anche queste capacità avanzate dell’AI a disposizione delle organizzazioni aziendali tramite Google Cloud. Le nostre soluzioni aziendali per Ricerca e Sviluppo in ambito scientifico e industriale sono già utilizzate da una serie di partner in anteprima privata e producono un impatto concreto. Aziende come BASF si avvalgono di AlphaEvolve per ottimizzare le loro catene di fornitura, e Klarna lo sta sfruttando per migliorare i suoi modelli di machine learning. Parallelamente, organizzazioni come Daiichi Sankyo, Bayer Crop Science e U.S. National Labs (nell’ambito della Missione Genesis del Dipartimento dell’energia degli Stati Uniti) stanno utilizzando Co-Scientist per accelerare la loro ricerca e far fronte a sfide scientifiche fondamentali. Questi strumenti aziendali stanno dimostrando un grande valore nella loro attuale fase di anteprima. Siamo entusiasti delle innovazioni realizzate dai nostri partner e non vediamo l’ora di ampliare l’accesso ad altre organizzazioni nei prossimi mesi.

Sono già stati pubblicati diversi articoli di convalida sulla base di questi e altri strumenti. L’articolo su ERA verrà pubblicato presto, mentre l’articolo di ricerca su Co-Scientist è stato pubblicato oggi su Nature.

Un set di strumenti scientifici sul tuo computer

Nell’ambito di Gemini for Science, siamo lieti di presentare anche Science Skills, un bundle specializzato che integra insight provenienti da più di 30 tra i più importanti database e strumenti di scienze biologiche tra cui UniProt, AlphaFold Database, AlphaGenome API e InterPro. L’utilizzo di queste competenze su piattaforme agentiche come Antigravity consente ai ricercatori di eseguire workflow complessi e spesso manuali (come la bioinformatica strutturale e l’analisi genomica) in pochi minuti anziché ore.

I nostri team di ricerca che utilizzano Science Skills hanno già constatato questa accelerazione nella pratica. Nei primi test, il nostro team ha usato Science Skills per effettuare in pochi minuti un’analisi complessa che normalmente richiede ore. Ciò ha permesso di comprendere meglio i potenziali meccanismi di una rara malattia genetica causata da mutazioni nel gene AK2

Per scoprire di più su come usare Science Skills in Google Antigravity, visita la pagina antigravity.google/use-cases/science.

Una collaborazione con la comunità scientifica

Il nostro impegno a sviluppare e distribuire in modo responsabile strumenti per la scienza parte dall’ecosistema scientifico. Stiamo collaborando con più di 100 istituzioni (come la Stanford University per la fibrosi epatica, l’Imperial College London per la resistenza antimicrobica e The Crick Institute nell’ambito di una collaborazione pluriennale) per convalidare i nostri nuovi sistemi e strumenti. Per garantire l’integrità degli insight generati dall’AI, abbiamo costruito una community di tester affidabili, che comprende dottorandi, ricercatori industriali e premi Nobel, per mettere a dura prova i nostri sistemi rispetto alle complesse sfide del mondo reale.

Inoltre, abbiamo creato anche dei progetti pilota dedicati con conferenze scientifiche di grande rilievo come ICML, STOC e NeurIPS per sviluppare strumenti all’avanguardia, come i nostri Paper Assistant Tool (PAT) e ScholarPeer sperimentali, per condurre peer review agentica e convalida scientifica.

Tutto questo lavoro è il risultato di una lunga tradizione di avanzamenti nell’ambito dell’AI. I nostri modelli di AI specializzati stanno già accelerando il progresso: AlphaFold ha aiutato più di 3 milioni di ricercatori a sviluppare vaccini per la malaria ed enzimi in grado di degradare la plastica, mentre AlphaGenome sta supportando gli scienziati nell’individuazione delle cause delle malattie. Questi modelli si integrano con gli strumenti usati quotidianamente dai ricercatori, da Google Scholar ed Earth Engine a Colab, MedGemma, Earth AI e Gemini Deep Research. Con la nostra ultima versione di Gemini Deep Think, continuiamo a migliorare le capacità del nostro modello di base sulle attività scientifiche complesse. Insieme, questi strumenti sono già diventati parti essenziali dell’ecosistema scientifico, consentendo ai ricercatori di organizzare le informazioni e di eseguire analisi di dati complesse su vasta scala.

Mentre esploriamo il futuro della ricerca agentica insieme, continuiamo a lavorare per un futuro in cui l’AI accelera il progresso scientifico e aiuta a superare le sfide più urgenti che la società deve affrontare.