O co-cientista da IA ​​do Google aumenta a pesquisa com a técnica avançada de 'escala de tempo de teste'

Na quarta-feira, a Google anunciou uma atualização empolgante para seu modelo de linguagem de grande escala Gemini 2.0, transformando-o em um co-cientista de IA capaz de gerar hipóteses científicas novas em um tempo notavelmente curto em comparação com equipes de pesquisa lideradas por humanos. Essa ferramenta inovadora é projetada para auxiliar cientistas, acelerando o processo de descoberta ao trabalhar ao lado de humanos como um colaborador útil.

A Google promove o co-cientista de IA como um passo significativo na tecnologia assistida por IA, prometendo revolucionar como a pesquisa científica é conduzida. O sistema é projetado para ser usado com um humano "no ciclo", garantindo que as operações da IA, desde revisões de literatura até a formação de hipóteses, sejam guiadas por input humano.

Em uma iniciativa ousada, os pesquisadores da Google publicaram um artigo técnico ao lado de um grupo do Imperial College London, ambos explorando a mesma hipótese sobre como bactérias evoluem para novos patógenos. O co-cientista de IA gerou sua hipótese em apenas dois dias, um contraste gritante com o esforço de uma década dos pesquisadores humanos.

Máquina de Formulação de Hipóteses

A Google descreve o co-cientista de IA como uma "máquina de formulação de hipóteses" que utiliza múltiplos agentes especializados. Uma vez que um cientista insere seu objetivo de pesquisa em linguagem natural, o sistema entra em ação, gerando hipóteses, revisões de pesquisa e protocolos experimentais. Os agentes envolvidos incluem Geração, Reflexão, Ranqueamento, Evolução, Proximidade e Revisão Meta, todos trabalhando em conjunto para expandir os limites da investigação científica.

O sistema vai além de simplesmente revisar a literatura existente; ele visa descobrir conhecimento original e formular hipóteses de pesquisa novas adaptadas a objetivos específicos.

Escalonamento em Tempo de Teste em Esteroides

A adaptação do Gemini 2.0 para criar o co-cientista de IA depende fortemente do "escalonamento em tempo de teste", uma técnica onde agentes de IA usam cada vez mais poder computacional para refinar iterativamente suas saídas. Essa abordagem foi notavelmente usada em outros modelos de raciocínio como o o1 da OpenAI e o DeepSeek AI, mas a aplicação da Google leva isso a um novo nível.

Em seu artigo técnico, os pesquisadores da Google, incluindo Juraj Gottweis, destacam como seu trabalho se baseia nos avanços pioneiros do modelo R1 da DeepSeek. Eles propõem um escalonamento significativo do cálculo em tempo de teste usando vieses indutivos derivados do método científico, criando um framework multiagente para raciocínio científico e geração de hipóteses.

O co-cientista de IA acessa recursos externos e interage com ferramentas como motores de busca na web e modelos de IA especializados por meio de APIs. Uma característica chave desse sistema é o conceito de "torneio", onde hipóteses são comparadas e ranqueadas usando pontuações Elo, semelhantes às usadas em xadrez e esportes. O Agente de Ranqueamento orquestra esses torneios, facilitando debates científicos simulados para avaliar e priorizar hipóteses.

Supera Modelos e Especialistas Humanos Não Assistidos

De acordo com uma revisão por quinze especialistas humanos, o desempenho do co-cientista de IA melhora à medida que ele passa mais tempo formulando e avaliando hipóteses. Conforme o sistema investe mais esforço computacional, a qualidade de seus resultados supera a de modelos não adaptados como o Gemini 2.0 e o o1 da OpenAI, bem como especialistas humanos não assistidos.

Esses especialistas observaram que as saídas do co-cientista de IA apresentavam maior potencial para novidade e impacto, muitas vezes sendo preferidas em relação a outros modelos. Embora os recursos computacionais exatos usados pelo co-cientista de IA não tenham sido divulgados, a Google sugere que o custo decrescente do poder computacional, como demonstrado por modelos como o DeepSeek R1, pode em breve tornar esses sistemas de IA amplamente acessíveis para laboratórios de pesquisa.