En la recerca de descobriments científics, els investigadors combinen creativitat i experiència amb coneixement literari per desenvolupar vies d’investigació innovadores i guiar les exploracions. No obstant això, navegar per l’augment ràpid de les publicacions científiques mentre s’integra coneixement de diversos camps presenta un repte. Abordar aquesta qüestió és essencial, com es pot veure en els descobriments moderns dels esforços interdisciplinaris, com el Premi Nobel de Química 2020 atorgat a Emmanuelle Charpentier i Jennifer Doudna pel seu innovador CRISPR, que va integrar coneixement en microbiologia, genètica i biologia molecular. Per afrontar les necessitats no satisfetes en la descoberta científica i aprofitar els avenços en IA, hem desenvolupat un sistema de co-científic d’IA. Aquesta IA multi-agent, construïda sobre Gemini 2. 0, serveix com a eina de col·laboració per als investigadors, millorant el procés de raonament del mètode científic. El co-científic d’IA va més enllà de les revisions de literatura estàndard; té com a objectiu generar coneixement original i formular hipòtesis de recerca úniques adaptades a objectius específics. El co-científic d’IA empra escalat de computació en el moment de la prova per refinar la seva producció iterativament.

Els processos clau inclouen debats científics basats en l’autocompetència per a la generació d’hipòtesis, tornejos de classificació per a l’avaluació d’hipòtesis, i una estratègia d’"evolució" per a la millora de la qualitat. Per garantir l’eficàcia, hem utilitzat la mètrica d’autoavaluació Elo d’aquests tornejos, descobrint que les valoracions Elo més altes es correlacionen amb una major precisió de sortida. En els esforços de redisseny de medicaments per a la leucèmia mieloide aguda (LMA), el nostre co-científic d’IA va suggerir nous candidats de redisseny, validats mitjançant biologia computacional, aportacions d’experts i proves de laboratori. A més, vam explorar hipòtesis relacionades amb la resistència als antimicrobians (RAM) instruint la IA per investigar mecanismes de transferència de gens bacterians. La IA va proposar de manera independent que les illes cromosomals induïbles per fags (cf-PICIs) interaccionen amb les cua dels fags per ampliar el seu rang d’hostes, un descobriment que es va validar posteriorment mitjançant experiments previs. Aquesta feina és un esforç col·laboratiu entre diversos equips de Google Research, Google DeepMind i Google Cloud AI, juntament amb socis de diverses institucions, incloent la Iniciativa Fleming i l’Imperial College London. Estenem el nostre agraïment a tots els contribuents i experts que proporcionen comentaris essencials, així com als nostres equips interns, el suport dels quals ha estat integral per a aquest esforç.