Google práve predstavil Gemini for Science. Tvrdí, že vedcom pomôže nájsť nápady, ktoré by človeku unikali celé mesiace

Vedci publikujú čoraz viac vedeckých prác, čo má za následok, že sa v tejto „záplave“ informácií čoraz ťažšie orientuje. S týmto problémom chce pomôcť americký technologický gigant Google so svojou umelou inteligenciou.

Vedcom ponúka Gemini for Science, teda kolekciu nástrojov a experimentov, ktoré majú rozšíriť rozsah a presnosť vedeckého výskumu naprieč odbormi. Firma vychádza z presvedčenia, že ďalšia veľká vlna objavov nepríde len z úzko špecializovaných modelov, ale z univerzálnych „agentov“ schopných pomáhať výskumníkom pri rôznych typoch úloh, od tvorby hypotéz až po prácu s odbornou literatúrou.

Podľa Googlu sa vedci dostali do paradoxnej situácie. Poznatkov je viac než kedykoľvek predtým, no zároveň majú čoraz väčší problém udržať si prehľad. Práve tu má umelá inteligencia fungovať ako „násobič“ ľudskej vynaliezavosti. Teda preberať náročné a opakované činnosti a uvoľňovať výskumníkom priestor na tvorivejšie premýšľanie o najdôležitejších otázkach.

V základe nového balíka stoja tri experimentálne nástroje, ktoré Google postupne sprístupňuje ako prototypy cez platformu Google Labs: Hypothesis Generation, Computational Discovery a Literature Insights. Každý z nich mieri na iné „úzke hrdlo“ vedeckej práce, no spája ich snaha priblížiť schopnosti AI bežným výskumným tímom, nielen špičkovým AI laboratóriám.

Google Gemini má pomáhať vedcom pri hľadaní hypotéz aj práci s dátami

Hypothesis Generation stavia na systéme Co-Scientist a zameriava sa na úplný začiatok vedeckého procesu, teda hľadanie dobrých otázok a hypotéz. Nástroj v spolupráci s výskumníkom najprv presnejšie definuje výskumnú výzvu a následne pomocou „turnaja nápadov“ generuje, porovnáva a hodnotí konkurenčné hypotézy. Google tvrdí, že jednotlivé tvrdenia sú pritom dôkladne overované a podopreté klikateľnými citáciami na vedecké práce. Cieľom je simulovať postup vedeckej metódy tak, aby vedec nedostal len zoznam nápadov, ale aj transparentnú argumentáciu, prečo niektoré z nich dávajú väčší zmysel než iné.

Súvisí s tým

Kontroverzný fyzik tvrdí, že na Mesiaci môžu byť úlomky mimozemskej technológie: Dokázali by ich budúci astronauti nájsť?

OdporúčameRusko vylepšuje Shahedy proti rušeniu GPS, Ukrajincom to môže narobiť problémy. Nové Komety dostávajú viac antén

Computational Discovery je výskumný nástroj založený na technológiách AlphaEvolve a ERA, teda Empirical Research Assistance, ktorý má riešiť ďalšie úzke hrdlo vedeckej práce. Tým je obmedzený počet hypotéz, ktoré sa dajú v praxi otestovať výpočtovými experimentmi. Systém dokáže generovať a hodnotiť tisíce variantov kódu v paralelných experimentoch, čím umožňuje skúšať nové modelovacie prístupy v oblastiach, ako sú predpovede slnečnej aktivity či epidemiológia, v čase, keď by ručné ladenie trvalo mesiace. Google zároveň uvádza, že validačné štúdie k nástrojom ERA a Co-Scientist boli publikované v časopise Nature, čo má posilniť dôveru vedeckej obce v kvalitu týchto systémov.

Literature Insights, postavený na technológii NotebookLM, rieši každodenný problém čítania a triedenia literatúry. Namiesto obyčajného vyhľadávania článkov dokáže systém premeniť výsledky na štruktúrované tabuľky s vlastnými atribútmi. Tie následne umožňujú robiť porovnania „vedľa seba“ a rýchlejšie odhaľovať medzery, podobnosti či protichodné výsledky. Z rovnakého korpusu vie potom generovať správy, prezentácie, infografiky aj multimediálne prehľady, čo výskumníkom uľahčuje zdieľanie zistení s kolegami či širšou komunitou.

Google tieto schopnosti zároveň posúva aj do podnikovej sféry cez Google Cloud. Chemický gigant BASF využíva AlphaEvolve na optimalizáciu svojich dodávateľských reťazcov, zatiaľ čo fintech firma Klarna sa spolieha na rovnakú technológiu pri zlepšovaní svojich modelov strojového učenia. Ďalšími partnermi sú napríklad Daiichi Sankyo, Bayer Crop Science či americké národné laboratóriá, ktoré v rámci misie Genesis Ministerstva energetiky USA využívajú Co-Scientist na riešenie zásadných vedeckých výziev.

Gemini for Science mieri aj do firiem, laboratórií a vedeckých databáz

Súčasťou Gemini for Science je aj balík Science Skills, ktorý spája viac než tridsať veľkých databáz a nástrojov z oblasti životných vied, medzi nimi UniProt, AlphaFold Database, AlphaGenome API či InterPro. Vďaka integrácii do agentovej platformy Google Antigravity môžu vedci realizovať komplexné a často manuálne workflowy, napríklad v oblasti štruktúrnej bioinformatiky alebo genomických analýz. Interné tímy podľa Googlu už videli, ako im Science Skills umožnili zrealizovať náročnú analýzu v priebehu minút namiesto hodín.

Google zároveň hovorí o spolupráci s viac než stovkou inštitúcií, vrátane Stanford University, Imperial College London či The Crick Institute. Popri tom spúšťa pilotné projekty aj s poprednými vedeckými konferenciami ICML, STOC a NeurIPS, kde testuje nástroje na podporu recenzného procesu, ako sú Paper Assistant Tool (PAT) a ScholarPeer.

Novinky v podstate nadväzujú na líniu AI projektov, ktorá zahŕňa napríklad AlphaFold, teda systém, ktorý už pomohol miliónom výskumníkov pri práci na problémoch od malárie až po enzýmy rozkladajúce plasty. Ďalším príkladom je AlphaGenome, zameraný na hľadanie genetických príčin chorôb. Tieto modely dopĺňajú nástroje typu Google Scholar, Earth Engine, Colab, MedGemma, Earth AI či Gemini Deep Research, pričom najnovší režim Gemini Deep Think má posúvať schopnosti modelov pri riešení náročných vedeckých úloh ešte ďalej.

Ak sa Googlu podarí jeho víziu naplniť, Gemini for Science by sa mohlo stať akýmsi „operačným systémom“ pre vedeckú prácu budúcnosti. Zostáva však otázne, do akej miery sa v praxi preukáže ako skutočný pomocník pri riešení vedeckých úloh. AI môže vedcom zrýchliť čítanie, triedenie aj testovanie nápadov, no posledné slovo bude mať stále overenie v reálnom výskume.