Корпорация Google официально объявила о запуске новой глобальной экосистемы «Gemini for Science», которая выводит применение искусственного интеллекта в академических и научно-исследовательских кругах на качественно новый уровень. Проект демонстрирует переход от привычных диалоговых чат-ботов к полуавтономным научным ИИ-агентам, способным не просто обрабатывать массивы данных, но и самостоятельно формулировать научные гипотезы, проводить детальный анализ литературы и частично управлять сложными исследовательскими процессами.
Мультиагентная архитектура «Co-Scientist»
В основе представленной платформы лежит инновационная мультиагентная система «Co-Scientist» (Соавтор-ученый), разработанная лабораторией Google DeepMind. Вместо генерации стандартных текстовых выжимок, система способна предлагать исследователям новые направления для поиска, выявлять пробелы в существующих академических трудах и составлять многоэтапные планы экспериментов. Специалисты индустрии называют этот запуск началом новой эпохи «после AlphaFold», где ИИ берет на себя рутинную аналитику, включая автоматический скрининг публикаций, генерацию экспериментальных моделей и проведение сложных вычислительных исследований на основе программного кода.
Платформа «Antigravity» и автоматизация workflows
Важной частью релиза стало расширение агентной платформы разработки «Antigravity» от Google. Благодаря специализированным модулям «Science Skills», Antigravity получила возможность напрямую интегрироваться с мировыми биологическими базами данных, автоматизировать комплексные научные процессы (workflows) и координировать действия нескольких ИИ-агентов в рамках одного проекта. Продвинутые возможности «agentic AI» позволяют моделям самостоятельно разбивать глобальную научную задачу на подзадачи и контролировать их выполнение в долгосрочной перспективе.
Успешные лабораторные испытания
Согласно техническому отчету Google, система «Co-Scientist» уже прошла практическую апробацию в ряде биомедицинских исследований. В частности, ИИ использовался для поиска новых путей репозиционирования лекарственных средств, изучения механизмов антибиотикорезистентности и лечения фиброза печени. Предложенные алгоритмом гипотезы были протестированы в реальных лабораторных условиях и показали многообещающие результаты. Ожидается, что внедрение ИИ-ассистентов позволит значительно сократить время разработки инновационных материалов, лекарств и решений в области генетики, физики и климатического моделирования.
