El co-cientista de AI de Google aumenta la investigación con técnica avanzada de 'escala de tiempo de prueba'

El miércoles, Google anunció una actualización emocionante para su modelo de lenguaje grande Gemini 2.0, transformándolo en un co-científico de IA capaz de generar hipótesis científicas novedosas en un tiempo notablemente corto en comparación con los equipos de investigación dirigidos por humanos de manera tradicional. Esta herramienta innovadora está diseñada para asistir a los científicos, acelerando el proceso de descubrimiento al trabajar junto a los humanos como un colaborador útil.

Google promociona al co-científico de IA como un paso significativo hacia adelante en la tecnología asistida por IA, prometiendo revolucionar cómo se lleva a cabo la investigación científica. El sistema está diseñado para ser utilizado con un humano "en el bucle", asegurando que las operaciones de la IA, desde revisiones de literatura hasta la formación de hipótesis, sean guiadas por la intervención humana.

En un movimiento audaz, los investigadores de Google publicaron un artículo técnico junto con un grupo del Imperial College London, ambos explorando la misma hipótesis sobre cómo las bacterias evolucionan hacia nuevos patógenos. El co-científico de IA generó su hipótesis en solo dos días, en marcado contraste con el esfuerzo de una década por parte de los investigadores humanos.

Máquina de Formulación de Hipótesis

Google describe al co-científico de IA como una "máquina de formulación de hipótesis" que aprovecha múltiples agentes especializados. Una vez que un científico introduce su objetivo de investigación en lenguaje natural, el sistema se pone en marcha, generando hipótesis, resúmenes de investigación y protocolos experimentales. Los agentes involucrados incluyen Generación, Reflexión, Clasificación, Evolución, Proximidad y Meta-revisión, todos trabajando en conjunto para empujar los límites de la indagación científica.

El sistema va más allá de simplemente revisar la literatura existente; busca descubrir conocimiento original y formular hipótesis de investigación novedosas adaptadas a objetivos específicos.

Escalado en Tiempo de Prueba al Máximo

La adaptación de Gemini 2.0 para crear el co-científico de IA depende en gran medida del "escalado en tiempo de prueba", una técnica en la que los agentes de IA utilizan cada vez más poder computacional para refinar iterativamente sus resultados. Este enfoque ha sido utilizado notablemente en otros modelos de razonamiento como el o1 de OpenAI y DeepSeek AI, pero la aplicación de Google lo lleva a un nuevo nivel.

En su artículo técnico, los investigadores de Google, incluyendo a Juraj Gottweis, destacan cómo su trabajo se basa en los avances pioneros del modelo R1 de DeepSeek. Proponen un escalado significativo del cómputo en tiempo de prueba utilizando sesgos inductivos derivados del método científico, creando un marco multi-agente para el razonamiento científico y la generación de hipótesis.

El co-científico de IA accede a recursos externos e interactúa con herramientas como motores de búsqueda web y modelos de IA especializados a través de APIs. Una característica clave de este sistema es el concepto de "torneo", donde las hipótesis se comparan y clasifican utilizando puntajes Elo, similares a los usados en ajedrez y deportes. El Agente de Clasificación orquesta estos torneos, facilitando debates científicos simulados para evaluar y priorizar hipótesis.

Supera a Modelos y Expertos Humanos Sin Asistencia

Según una revisión de quince expertos humanos, el rendimiento del co-científico de IA mejora a medida que dedica más tiempo a formular y evaluar hipótesis. A medida que el sistema invierte más esfuerzo computacional, la calidad de sus resultados supera a la de modelos no adaptados como Gemini 2.0 y el o1 de OpenAI, así como a expertos humanos sin asistencia.

Estos expertos señalaron que los resultados del co-científico de IA mostraron un mayor potencial de novedad e impacto, prefiriéndolos a menudo sobre otros modelos. Aunque los recursos computacionales exactos utilizados por el co-científico de IA no fueron revelados, Google sugiere que el costo decreciente del poder computacional, como lo demuestran modelos como DeepSeek R1, pronto podría hacer que tales sistemas de IA sean ampliamente accesibles para los laboratorios de investigación.