Dentro de AI Co‑Scientist de Google DeepMind

• encontrar posibles tratamientos para una enfermedad
• explicar un mecanismo biológico
• proponer experimentos para validar una teoría

A partir de esa meta, el sistema ejecuta varias etapas inspiradas en el método científico: analiza literatura previa, formula hipótesis, evalúa evidencias y sugiere experimentos para comprobarlas.

La diferencia frente a otras herramientas de IA es que el sistema no se queda con la primera idea generada. En lugar de eso, crea varias propuestas y las somete a un proceso de crítica interna.

Los “torneos de ideas”: competencia entre hipótesis

Una de las innovaciones centrales del sistema son los llamados idea tournaments o “torneos de ideas”. En este proceso, distintas hipótesis compiten y evolucionan a lo largo de varias rondas.

El flujo suele seguir tres fases principales:

1. Generación de hipótesis: distintos agentes producen posibles explicaciones o mecanismos relacionados con el problema científico.
2. Debate y crítica: otros agentes analizan esas hipótesis utilizando literatura científica y evidencia disponible para detectar debilidades o supuestos incorrectos.
3. Clasificación y evolución: las ideas más sólidas avanzan, mientras que las más débiles se descartan o se combinan con otras para formar hipótesis mejoradas.

Después de varias iteraciones, el sistema termina con propuestas más coherentes y experimentalmente comprobables. El diseño imita cómo la comunidad científica refina el conocimiento a través de revisión por pares, debate y repetición de experimentos.

Además, el sistema puede analizar grandes repositorios de literatura científica y datos experimentales que serían difíciles de sintetizar manualmente para un investigador humano.

Primeras demostraciones en biomedicina

Las pruebas iniciales se han centrado en ciencias de la vida y descubrimiento biomédico.

Un ejemplo es el uso de un sistema de generación de hipótesis asistido por IA para estudiar la reutilización de fármacos en fibrosis hepática, una enfermedad con pocas opciones terapéuticas.

En ese estudio indexado en PubMed, los investigadores evaluaron experimentalmente 25 posibles medicamentos candidatos sugeridos mediante el enfoque asistido por IA, analizando su eficacia y toxicidad.

Según resúmenes de investigación de Google DeepMind, el sistema también ayudó a identificar candidatos de reutilización que habían pasado desapercibidos anteriormente. En pruebas de laboratorio, uno de ellos logró bloquear el 91% de una respuesta biológica relacionada con la cicatrización del tejido hepático.

Estos resultados sugieren que las hipótesis generadas por IA pueden orientar más rápido a los científicos hacia experimentos prometedores. Aun así, los descubrimientos científicos siguen dependiendo de validación experimental y revisión por pares, no solo del sistema de IA.

Parte de la iniciativa “Gemini for Science”

Google está integrando Co‑Scientist dentro de una plataforma más amplia llamada Gemini for Science, un conjunto de herramientas de IA destinadas a acelerar distintas etapas del proceso científico.

Entre los sistemas incluidos en la iniciativa están:

• Co‑Scientist, para generación y refinamiento de hipótesis
• AlphaEvolve, orientado a descubrimientos computacionales
• herramientas de análisis de literatura y planificación experimental

El objetivo es ayudar a los investigadores a manejar el enorme crecimiento de publicaciones científicas y a generar nuevas ideas de investigación con mayor rapidez.

Como parte de este despliegue, Google también colabora con el Departamento de Energía de Estados Unidos (DOE), proporcionando a científicos de sus 17 laboratorios nacionales acceso a herramientas avanzadas de IA para la investigación, incluido Co‑Scientist a través de Google Cloud.

Qué podría cambiar en la investigación científica

AI Co‑Scientist no pretende sustituir a los investigadores humanos. Más bien funciona como un motor de hipótesis que genera y mejora ideas que luego los expertos deben evaluar y probar.

La verdadera innovación es arquitectónica: en lugar de un único modelo produciendo respuestas, el sistema utiliza múltiples agentes que colaboran, se critican y refinan mutuamente sus razonamientos.

Si este enfoque continúa mejorando —y si las hipótesis generadas por IA conducen regularmente a experimentos exitosos— podría acelerar significativamente las primeras fases del descubrimiento científico.

Por ahora, sin embargo, hay algo que no ha cambiado: la ciencia real sigue confirmándose en el laboratorio.