Google представила Gemini for Science — набор AI-агентов для научных исследований 🔬
⚡ Кратко
🧠 Google анонсировал Gemini for Science — экспериментальный набор AI-инструментов от Google DeepMind для всех этапов научного метода.
📚 Hypothesis Generation анализирует миллионы статей и проводит «турнир идей» между AI-агентами, выдавая гипотезы со ссылками на первоисточники.
🧪 Computational Discovery на базе AlphaEvolve и ERA генерирует тысячи тестов и вариаций кода параллельно.
📊 Literature Insights на базе NotebookLM превращает научные публикации в отчёты, инфографику, аудио- и видеообзоры.
🗄️ Science Skills подключается к 30+ базам данных наук о жизни.
💊 Уже подтверждённый кейс: Стэнфордская медшкола с помощью Co-Scientist нашла применение онкопрепарату Vorinostat против фиброза печени — лабораторно зафиксировано −91 % патологических изменений.
🧬 Пока общество с тревогой наблюдает за тотальным внедрением искусственного интеллекта tech-гигантами, Google представила инструменты, которые способны помочь в трудоёмкой работе вокруг настоящих научных открытий. На конференции Google I/O 2026 (19 мая, по МСК — около 20:00) компания вместе с подразделением Google DeepMind запустила Gemini for Science — набор экспериментальных агентных решений, помогающих исследователям генерировать гипотезы, проводить тестирование и разбираться в океане научной литературы.
Источник изображения — Google
🧠 Hypothesis Generation: «турнир идей» между AI-агентами
Инструмент Hypothesis Generation построен на ранее известном фреймворке Co-Scientist и предназначен для самых первых шагов научного метода. Он перелопачивает миллионы статей и формирует на их основе теории или постановки задач.
Особенность подхода Google — симуляция научной дискуссии: вместо одной модели работает целый мульти-агентный «турнир идей», в котором AI-агенты генерируют, оспаривают и оценивают конкурирующие гипотезы по новизне и реализуемости. Каждое утверждение, согласно Google, «глубоко проверено и подтверждено кликабельными ссылками» — исследователь может проследить путь до первоисточника, а не верить модели на слово.
📰 Работа по Co-Scientist опубликована в Nature. По данным Google DeepMind, исследователи Стэнфордской школы медицины с помощью этой системы установили, что одобренный FDA онкопрепарат Vorinostat может применяться при фиброзе печени: в лабораторных тестах на печёночных органоидах он снизил TGFβ-индуцированные структурные изменения хроматина на 91 %.
Ещё один задокументированный пример — Имперский колледж Лондона (Fleming Initiative): профессор Хосе Пенадес рассказал, что Co-Scientist выдал ту же гипотезу про резистентность к антимикробным препаратам, к которой его команда шла около десяти лет в реальной лаборатории, — за несоизмеримо меньшее время.
🧪 Computational Discovery: тысячи экспериментов параллельно
После того как гипотеза сформулирована, исследователь передаёт её в Computational Discovery. Google описывает инструмент как «агентную поисковую систему», построенную на двух движках:
- 🧬 AlphaEvolve — генератор кода и параметров для моделирования.
- 📈 ERA — научно-кодовый агент, применяемый, например, для эпидемиологического прогнозирования. По заявлениям Google, в одном из бенчмарков он обошёл прогнозную модель CDC.
На практике это означает тысячи параллельных тестов и вариаций кода, которые раньше требовали бы недель ручной работы. Особенно эффективно подход выстреливает в биологии, химии и эпидемиологии — везде, где пространство гипотез слишком велико для последовательного перебора.
📊 Literature Insights: научные статьи как подкаст
Literature Insights — это чат на базе ИИ, построенный поверх Google NotebookLM. Он анализирует научную литературу и превращает её в более «человеческие» форматы:
- 📄 краткие отчёты и сводки;
- 📊 таблицы данных, инфографика и слайды;
- 🎧 аудиообзоры в духе подкаста;
- 🎞️ видеообзоры с визуализациями.
Цель — дать исследователю возможность «не утонуть» в потоке публикаций и быстро понять, что в области уже сделано, а что — нет.
🗄️ Science Skills и доступ к данным
Отдельно Google запускает функцию Science Skills, которая подключается к более чем 30 крупным базам и инструментам наук о жизни (геномика, протеомика, биомедицинские датасеты). Это позволяет, по словам Google, «выполнять сложные и часто ручные процессы за минуты, а не за часы» — без перепрыгивания между десятком отдельных интерфейсов и форматов.
🏢 Корпоративные партнёры и пилоты
На момент анонса в закрытом превью уже работают крупные индустриальные игроки в фарме и агрохимии:
- 🌾 Bayer Crop Science — агрохимия и селекция.
- 💊 Daiichi Sankyo — японская фармкомпания.
- 🧫 Francis Crick Institute — давний партнёр Google DeepMind по машинному обучению и биологии.
- 📑 Отдельные пилоты с конференциями ICML, STOC, NeurIPS — там тестируется агентный peer review (Paper Assistant Tool и ScholarPeer).
🔑 Как получить доступ
Google открывает постепенный доступ к Gemini for Science уже сейчас:
- 🧪 Индивидуальные исследователи могут зарегистрироваться через Google Labs по адресу labs.google/science.
- 🏢 Корпоративные клиенты получают доступ через Google Cloud по отдельной программе.
⚖️ Что говорят скептики
Энтузиазм Google пока разделяют не все. Когда в начале 2025 года был представлен ещё прототип Co-Scientist, исследовательница MIT в области компьютерного зрения Сара Бири в комментарии TechCrunch отметила, что система «вряд ли будет серьёзно использоваться», — и поставила под сомнение её ценность за пределами демо.
Кроме того, ранние пользователи указывают, что текущая версия Gemini for Science заметно перевешена в сторону наук о жизни: для физики, математики или социальных наук инструментам, вероятно, понадобится отдельная тонкая настройка. Google обещает быстро итерировать на обратной связи.
В сумме это, возможно, самый «серьёзный» AI-анонс на I/O 2026: не очередной чат-бот, а заявка на то, чтобы превратить языковую модель в полноценного младшего исследователя, способного перебирать гипотезы, гонять симуляции и пересказывать сотни статей. 🧠✨
