O AI Co‑Scientist do Google DeepMind é um sistema multiagente baseado no modelo Gemini que gera e debate hipóteses científicas antes de serem testadas em laboratório. O sistema utiliza “torneios de ideias”, em que diferentes hipóteses competem, são criticadas por outros agentes de IA e evoluem ao longo de várias rod...
Publicado porEditado com GPT-5.5Imagens geradas com GPT Image 2
O AI Co‑Scientist do Google DeepMind é um sistema multiagente baseado no modelo Gemini que gera e debate hipóteses científicas antes de serem testadas em laboratório.
O sistema utiliza “torneios de ideias”, em que diferentes hipóteses competem, são criticadas por outros agentes de IA e evoluem ao longo de várias rodadas.
Demonstrações iniciais em biomedicina incluem a identificação de possíveis medicamentos reaproveitados para fibrose hepática, mas os resultados ainda dependem de validação experimental.
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
A inteligência artificial já ajuda cientistas a analisar dados e revisar literatura científica. O AI Co‑Scientist, desenvolvido pelo Google DeepMind, leva essa ideia um passo adiante: ele funciona como um colaborador virtual de pesquisa capaz de criar, debater e refinar hipóteses científicas antes de elas serem testadas em experimentos reais.
Descrito em pesquisas publicadas na revista Nature e baseado nos modelos Gemini, o sistema foi projetado como um framework de IA multiagente que simula uma equipe inteira de pesquisadores trabalhando em um problema científico. Em vez de produzir apenas uma resposta, ele promove debates internos entre agentes de IA e organiza "torneios de ideias" para selecionar as hipóteses mais promissoras.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
Qual é a resposta curta para "Por dentro do AI Co‑Scientist do Google DeepMind"?
O AI Co‑Scientist do Google DeepMind é um sistema multiagente baseado no modelo Gemini que gera e debate hipóteses científicas antes de serem testadas em laboratório.
Quais são os pontos-chave para validar primeiro?
O AI Co‑Scientist do Google DeepMind é um sistema multiagente baseado no modelo Gemini que gera e debate hipóteses científicas antes de serem testadas em laboratório. O sistema utiliza “torneios de ideias”, em que diferentes hipóteses competem, são criticadas por outros agentes de IA e evoluem ao longo de várias rodadas.
O que devo fazer a seguir na prática?
Demonstrações iniciais em biomedicina incluem a identificação de possíveis medicamentos reaproveitados para fibrose hepática, mas os resultados ainda dependem de validação experimental.
Um sistema multiagente que imita o método científico
O Co‑Scientist é construído sobre grandes modelos de linguagem da família Gemini e estruturado como um conjunto de agentes especializados. Juntos, eles funcionam de forma semelhante a um grupo de pesquisa colaborando para resolver uma pergunta científica.
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:
sintetiza a literatura científica existente
propõe hipóteses
avalia evidências disponíveis
sugere possíveis experimentos
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.
“Torneios de ideias”: como a IA refina hipóteses
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:
Geração de hipóteses – agentes de IA propõem diversas explicações ou mecanismos possíveis para o problema estudado.
Debate e crítica – outros agentes analisam essas hipóteses à luz da literatura científica e das evidências existentes, apontando lacunas ou suposições frágeis.
Ranking e evolução – as ideias mais fortes avançam no "torneio", enquanto as mais fracas são descartadas ou combinadas com outras para criar versões melhores.
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.
Primeiras demonstrações na área biomédica
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.
Parte da iniciativa “Gemini for Science”
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:
Co‑Scientist, voltado à geração de hipóteses
AlphaEvolve e outros agentes focados em descoberta computacional
ferramentas para análise de literatura científica e planejamento experimental
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 que isso pode mudar na pesquisa científica
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.
pubmed.ncbi.nlm.nih.gov
AI-Assisted Drug Re-Purposing for Human Liver Fibrosis - PubMed
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