O processo começa quando pesquisadores descrevem um objetivo científico em linguagem natural — por exemplo, descobrir novos tratamentos para uma doença ou explicar um mecanismo biológico. A partir daí, o sistema executa etapas inspiradas no método científico:
A diferença em relação a ferramentas tradicionais de IA é que o Co‑Scientist enfatiza crítica e competição entre ideias, em vez de gerar apenas um resultado final.
Uma das principais inovações do sistema é o uso de idea tournaments (torneios de ideias), um processo estruturado no qual múltiplas hipóteses competem e evoluem ao longo do tempo.
O fluxo de trabalho normalmente ocorre em três etapas principais:
Após várias rodadas, o sistema produz hipóteses mais consistentes e prontas para testes experimentais. O design foi inspirado na forma como a ciência realmente evolui: com revisão por pares, discussão e iteração contínua.
Além disso, o sistema consegue analisar grandes volumes de literatura científica e bases de dados — algo que seria praticamente impossível para um pesquisador fazer manualmente.
Os primeiros testes do Co‑Scientist se concentraram principalmente nas ciências da vida e na descoberta de medicamentos.
Um exemplo envolve o reaproveitamento de medicamentos para tratar fibrose hepática, uma doença crônica com poucas opções terapêuticas. Um estudo indexado no PubMed descreve como um sistema de IA multiagente gerador de hipóteses foi usado para sugerir candidatos a medicamentos e orientar sua validação experimental.
Nesse trabalho, pesquisadores avaliaram 25 possíveis medicamentos sugeridos pelo sistema, analisando eficácia antifibrótica e toxicidade em modelos experimentais.
De acordo com resumos de pesquisa do Google DeepMind, o sistema destacou candidatos de reaproveitamento que haviam sido pouco explorados anteriormente. Em testes de laboratório, pelo menos um deles conseguiu bloquear cerca de 91% de uma resposta biológica associada à formação de cicatrizes no fígado.
Esses resultados indicam que hipóteses geradas por IA podem ajudar cientistas a identificar caminhos experimentais promissores com mais rapidez. Ainda assim, qualquer descoberta científica real continua dependendo de experimentos laboratoriais e validação revisada por pares.
O Google está implementando o Co‑Scientist dentro de uma plataforma mais ampla chamada Gemini for Science, um conjunto de ferramentas de IA voltadas para acelerar etapas-chave do método científico.
A iniciativa inclui diferentes sistemas, entre eles:
O objetivo é ajudar pesquisadores a lidar com o crescimento explosivo de artigos científicos e gerar novas ideias de pesquisa com mais rapidez.
Como parte dessa estratégia, o Google DeepMind também firmou parceria com o Departamento de Energia dos Estados Unidos (DOE), oferecendo acesso a ferramentas avançadas de IA para cientistas dos 17 Laboratórios Nacionais do DOE por meio do Google Cloud.
O AI Co‑Scientist não foi criado para substituir cientistas humanos. Em vez disso, funciona como um motor de geração de hipóteses que sugere e refina ideias que pesquisadores podem avaliar e testar.
A principal mudança está na arquitetura: em vez de um único modelo de IA respondendo perguntas, o sistema usa vários agentes que colaboram, discordam e aprimoram o raciocínio uns dos outros.
Se sistemas desse tipo continuarem evoluindo — e se suas sugestões levarem a experimentos bem‑sucedidos com frequência — eles poderão acelerar significativamente as fases iniciais da descoberta científica.
Mesmo assim, uma parte fundamental continua igual: a ciência de verdade ainda acontece no laboratório.