AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio. El sistema usa “torneos de ideas”: varios agentes de IA proponen hipótesis, otros las critican usando literatura cien...
Publicado porEditado con GPT-5.5Imágenes generadas con GPT Image 2
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio.
El sistema usa “torneos de ideas”: varios agentes de IA proponen hipótesis, otros las critican usando literatura científica y evidencia, y las mejores evolucionan en propuestas experimentales.
Las primeras demostraciones biomédicas incluyen la búsqueda de fármacos reutilizables para enfermedades como la fibrosis hepática, aunque los descubrimientos siguen requiriendo validación experimental humana.
How does Google DeepMind’s newly published Co-Scientist AI system—a multi‑agent framework built on the Gemini model and described in Nature—Google DeepMind’s AI Co‑Scientist simulates a team of AI researchers generating and debating scientific hypotheses before experiments are performed.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: How does Google DeepMind’s newly published Co-Scientist AI system—a multi‑agent framework built on the Gemini model and described in Nature—. Article summary: Google DeepMind’s Co-Scientist is a Gemini-based multi-agent AI system designed to act as a virtual scientific collaborator: it generates research hypotheses, critiques them, ranks them, and iteratively refines them towa. Topic tags: general, government, general web, documentation, academic. Reference image context from search candidates: Reference image 1: visual subject "# Science Research Proposals Made to Order AI Co-Scientist, an agent that generates research hypotheses, aiding drug discovery. AI co-scientist workflow diagram showing a research" source context "AI Co-Scientist, An Agent That Generates Research Hypotheses ..." Reference image 2: visual subj
openai.com
La inteligencia artificial lleva años ayudando a los científicos a analizar datos y revisar artículos académicos. Pero AI Co‑Scientist, desarrollado por Google DeepMind, intenta ir un paso más allá: actuar como un colaborador científico virtual capaz de generar hipótesis, debatirlas internamente y refinarlas antes de que los investigadores las lleven al laboratorio.
El sistema fue presentado en Nature y está construido sobre modelos Gemini. Su enfoque no consiste en producir una única respuesta, sino en simular el trabajo de un grupo de investigación mediante múltiples agentes de IA que discuten entre sí y compiten con ideas.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "Dentro de AI Co‑Scientist de Google DeepMind"?
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio.
¿Cuáles son los puntos clave a validar primero?
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio. El sistema usa “torneos de ideas”: varios agentes de IA proponen hipótesis, otros las critican usando literatura científica y evidencia, y las mejores evolucionan en propuestas experimentales.
¿Qué debo hacer a continuación en la práctica?
Las primeras demostraciones biomédicas incluyen la búsqueda de fármacos reutilizables para enfermedades como la fibrosis hepática, aunque los descubrimientos siguen requiriendo validación experimental humana.
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio. El sistema usa “torneos de ideas”: varios agentes de IA proponen hipótesis, otros las critican usando literatura cien...
Publicado porEditado con GPT-5.5Imágenes generadas con GPT Image 2
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio.
El sistema usa “torneos de ideas”: varios agentes de IA proponen hipótesis, otros las critican usando literatura científica y evidencia, y las mejores evolucionan en propuestas experimentales.
Las primeras demostraciones biomédicas incluyen la búsqueda de fármacos reutilizables para enfermedades como la fibrosis hepática, aunque los descubrimientos siguen requiriendo validación experimental humana.
How does Google DeepMind’s newly published Co-Scientist AI system—a multi‑agent framework built on the Gemini model and described in Nature—Google DeepMind’s AI Co‑Scientist simulates a team of AI researchers generating and debating scientific hypotheses before experiments are performed.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: How does Google DeepMind’s newly published Co-Scientist AI system—a multi‑agent framework built on the Gemini model and described in Nature—. Article summary: Google DeepMind’s Co-Scientist is a Gemini-based multi-agent AI system designed to act as a virtual scientific collaborator: it generates research hypotheses, critiques them, ranks them, and iteratively refines them towa. Topic tags: general, government, general web, documentation, academic. Reference image context from search candidates: Reference image 1: visual subject "# Science Research Proposals Made to Order AI Co-Scientist, an agent that generates research hypotheses, aiding drug discovery. AI co-scientist workflow diagram showing a research" source context "AI Co-Scientist, An Agent That Generates Research Hypotheses ..." Reference image 2: visual subj
openai.com
La inteligencia artificial lleva años ayudando a los científicos a analizar datos y revisar artículos académicos. Pero AI Co‑Scientist, desarrollado por Google DeepMind, intenta ir un paso más allá: actuar como un colaborador científico virtual capaz de generar hipótesis, debatirlas internamente y refinarlas antes de que los investigadores las lleven al laboratorio.
El sistema fue presentado en Nature y está construido sobre modelos Gemini. Su enfoque no consiste en producir una única respuesta, sino en simular el trabajo de un grupo de investigación mediante múltiples agentes de IA que discuten entre sí y compiten con ideas.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "Dentro de AI Co‑Scientist de Google DeepMind"?
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio.
¿Cuáles son los puntos clave a validar primero?
AI Co‑Scientist es un sistema de múltiples agentes basado en Gemini que actúa como colaborador virtual para generar, debatir y mejorar hipótesis científicas antes de que se prueben en el laboratorio. El sistema usa “torneos de ideas”: varios agentes de IA proponen hipótesis, otros las critican usando literatura científica y evidencia, y las mejores evolucionan en propuestas experimentales.
¿Qué debo hacer a continuación en la práctica?
Las primeras demostraciones biomédicas incluyen la búsqueda de fármacos reutilizables para enfermedades como la fibrosis hepática, aunque los descubrimientos siguen requiriendo validación experimental humana.
Un sistema de múltiples agentes que imita el método científico
AI Co‑Scientist está basado en grandes modelos de lenguaje Gemini organizados como una red de agentes especializados. Cada agente cumple un rol distinto, similar al de los miembros de un equipo científico real.
El proceso comienza cuando los investigadores describen un objetivo en lenguaje natural, por ejemplo:
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:
Generación de hipótesis: distintos agentes producen posibles explicaciones o mecanismos relacionados con el problema científico.
Debate y crítica: otros agentes analizan esas hipótesis utilizando literatura científica y evidencia disponible para detectar debilidades o supuestos incorrectos.
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.
blog.google
We're launching a new AI system for scientists. - Google Blog
Un sistema de múltiples agentes que imita el método científico
AI Co‑Scientist está basado en grandes modelos de lenguaje Gemini organizados como una red de agentes especializados. Cada agente cumple un rol distinto, similar al de los miembros de un equipo científico real.
El proceso comienza cuando los investigadores describen un objetivo en lenguaje natural, por ejemplo:
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:
Generación de hipótesis: distintos agentes producen posibles explicaciones o mecanismos relacionados con el problema científico.
Debate y crítica: otros agentes analizan esas hipótesis utilizando literatura científica y evidencia disponible para detectar debilidades o supuestos incorrectos.
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.
blog.google
We're launching a new AI system for scientists. - Google Blog
natureasia.comAI research assistants that may accelerate scientific discovery (Nature)
research.googleAccelerating scientific breakthroughs with an AI co-scientist
ar5iv.labs.arxiv.org[2502.18864] Towards an AI co-scientist - ar5iv - arXiv
docs.cloud.google.comAccelerate R&D with Co-Scientist and AlphaEvolve agents