El sistema de co-científico de IA multiagente de Google está demostrando su valor como un poderoso asistente de investigación al realizar descubrimientos científicos genuinos que normalmente tomarían años a los investigadores.
Motivado por los retos en el proceso moderno de descubrimiento científico, Google desarrolló el co-científico de IA como un sistema de IA multiagente basado en Gemini 2.0. El sistema está diseñado para funcionar como una herramienta colaborativa para científicos, reflejando el proceso de razonamiento que sustenta el método científico.
Más allá de las herramientas estándar de revisión y resumen de literatura, el co-científico de IA está diseñado para descubrir conocimiento nuevo y original, así como formular hipótesis de investigación novedosas basadas en evidencia previa y adaptadas a objetivos de investigación específicos. Dado un objetivo de investigación especificado en lenguaje natural, el sistema genera hipótesis novedosas, resúmenes detallados de investigación y protocolos experimentales.
Las capacidades del sistema se demostraron de manera espectacular cuando los profesores José Penadés y Tiago Costa del Imperial College London lo desafiaron con una compleja pregunta sobre la evolución bacteriana. El laboratorio de Penadés había dedicado una década a resolver cómo las islas cromosómicas inducibles por fagos que forman cápsides (cf-PICIs) podían intercambiar colas para infectar diferentes especies bacterianas. Antes de publicar sus hallazgos, decidieron poner a prueba al co-científico de IA mostrándole sus datos inéditos y ver si podía llegar a la misma conclusión.
El resultado fue sorprendente. La IA identificó correctamente que las cf-PICIs producen sus propias cápsides y empaquetan su ADN, dependiendo únicamente de las colas de los fagos para su transferencia. Descubrió que las cf-PICIs liberan cápsides sin cola y no infectivas que contienen su ADN en el ambiente, las cuales luego interactúan con colas de fagos de diversas especies para formar partículas quiméricas capaces de inyectar ADN en diferentes especies bacterianas, dependiendo de la cola presente.
El profesor Penadés señaló que su equipo había sido obstaculizado por sus propios sesgos: "Teníamos un sesgo. Durante muchos años, yo siempre pensé —y toda la gente de biología de fagos piensa— que después de la infección, lo que tienes son partículas infectivas con la cápside y la cola. No entendíamos por qué teníamos PICIs que podían inducirse pero no se transferían... Estábamos tan sesgados que no podíamos ver lo que realmente estaba ocurriendo".
El desempeño del co-científico de IA ha sido validado más allá de este caso. En un subconjunto de 11 objetivos de investigación, expertos en la materia evaluaron los resultados del sistema en comparación con otros referentes relevantes. Aunque el tamaño de la muestra fue pequeño, los expertos consideraron que el co-científico de IA tenía mayor potencial de novedad e impacto, y prefirieron sus resultados frente a otros modelos.
Para facilitar la exploración responsable del potencial del co-científico de IA, Google está habilitando el acceso al sistema para organizaciones de investigación a través de un Programa de Trusted Tester. A medida que los desafíos científicos se vuelven más complejos e interdisciplinarios, herramientas como el co-científico de IA podrían acelerar significativamente el ritmo de los descubrimientos al ayudar a los investigadores a superar sus propios sesgos e identificar nuevas y prometedoras direcciones de investigación.