Il sistema multi-agente di co-scientist AI di Google si sta dimostrando un potente assistente alla ricerca, capace di realizzare vere e proprie scoperte scientifiche che normalmente richiederebbero anni di lavoro ai ricercatori.
Motivata dalle sfide del processo moderno di scoperta scientifica, Google ha sviluppato il co-scientist AI come sistema multi-agente basato su Gemini 2.0. Il sistema è progettato per funzionare come uno strumento collaborativo per gli scienziati, rispecchiando il processo di ragionamento alla base del metodo scientifico.
Oltre ai classici strumenti di revisione della letteratura e sintesi, il co-scientist AI è pensato per scoprire nuove conoscenze originali e formulare ipotesi di ricerca innovative basate su evidenze pregresse e adattate a specifici obiettivi di ricerca. Ricevuto un obiettivo di ricerca espresso in linguaggio naturale, il sistema genera ipotesi originali, panoramiche dettagliate e protocolli sperimentali.
Le capacità del sistema sono state dimostrate in modo eclatante quando i professori José Penadés e Tiago Costa dell’Imperial College London lo hanno sfidato con una domanda complessa sull’evoluzione batterica. Il laboratorio di Penadés aveva impiegato un decennio per risolvere il meccanismo con cui le isole cromosomiche inducibili da fagi che formano capside (cf-PICI) possono scambiare code per infettare diverse specie batteriche. Prima di pubblicare i loro risultati, hanno deciso di mettere alla prova il co-scientist AI mostrandogli i dati non ancora pubblicati per vedere se avrebbe raggiunto la stessa conclusione.
Il risultato è stato straordinario. L’AI ha identificato correttamente che le cf-PICI producono i propri capsidi e impacchettano il loro DNA, affidandosi esclusivamente alle code dei fagi per il trasferimento. Ha scoperto che le cf-PICI rilasciano nell’ambiente capsidi privi di coda e non infettivi contenenti il loro DNA, che poi interagiscono con code di fagi di varie specie per formare particelle chimeriche capaci di iniettare il DNA in specie batteriche diverse a seconda della coda presente.
Il professor Penadés ha sottolineato come il suo team fosse stato ostacolato dai propri pregiudizi: "Eravamo prevenuti. Per molti anni ho sempre pensato—e tutti gli esperti di biologia dei fagi pensano—che dopo l’infezione si abbiano particelle infettive con capside e coda. Non capivamo perché avessimo PICI che potevano essere indotti ma non venivano trasferiti... Eravamo così prevenuti che non riuscivamo a vedere cosa stesse realmente accadendo."
Le prestazioni del co-scientist AI sono state validate anche oltre questo singolo caso. Su un sottoinsieme di 11 obiettivi di ricerca, esperti del settore hanno valutato i risultati del sistema rispetto ad altri modelli di riferimento. Sebbene il campione fosse ridotto, gli esperti hanno giudicato il co-scientist AI come avente un potenziale maggiore di novità e impatto, preferendo i suoi risultati rispetto agli altri modelli.
Per facilitare un’esplorazione responsabile del potenziale del co-scientist AI, Google sta rendendo disponibile l’accesso al sistema per le organizzazioni di ricerca tramite un Trusted Tester Program. Con la crescente complessità e interdisciplinarità delle sfide scientifiche, strumenti come il co-scientist AI potrebbero accelerare significativamente il ritmo delle scoperte, aiutando i ricercatori a superare i propri pregiudizi e a individuare nuove promettenti direzioni di ricerca.