Nella ricerca di scoperte scientifiche, i ricercatori combinano creatività ed esperienza con intuizioni letterarie per sviluppare percorsi innovativi di ricerca e guidare le esplorazioni. Tuttavia, orientarsi nell'aumento rapido delle pubblicazioni scientifiche, integrando conoscenze da diversi campi, presenta una sfida. Affrontare questo problema è essenziale, come dimostrano le scoperte moderne frutto di sforzi interdisciplinari, come il Premio Nobel per la Chimica 2020 assegnato a Emmanuelle Charpentier e Jennifer Doudna per la loro innovazione CRISPR, che ha integrato conoscenze di microbiologia, genetica e biologia molecolare. Per affrontare le esigenze insoddisfatte nella scoperta scientifica e sfruttare i progressi nell'IA, abbiamo sviluppato un sistema di co-scienziato basato sull'IA. Questa IA multi-agente, costruita su Gemini 2. 0, funge da strumento collaborativo per i ricercatori, migliorando il processo di ragionamento del metodo scientifico. Il co-scienziato IA va oltre le normali revisioni della letteratura; mira a generare conoscenza originale e formulare ipotesi di ricerca uniche su misura per obiettivi specifici. Il co-scienziato IA impiega il calcolo su scala di test per affinare iterativamente la sua produzione.

I processi chiave includono dibattiti scientifici basati su auto-gioco per la generazione di ipotesi, tornei di classificazione per la valutazione delle ipotesi e una strategia di "evoluzione" per il miglioramento della qualità. Per garantire l'efficacia, abbiamo utilizzato la metrica di auto-valutazione Elo proveniente da questi tornei, scoprendo che punteggi Elo più elevati correlano con una maggiore accuratezza di output. Negli sforzi di riposizionamento dei farmaci per la leucemia mieloide acuta (AML), il nostro co-scienziato IA ha suggerito nuovi candidati per il riposizionamento, validati tramite biologia computazionale, input esperti e test di laboratorio. Inoltre, abbiamo esplorato ipotesi relative alla resistenza antimicrobica (AMR) istruendo l'IA a indagare sui meccanismi di trasferimento genico batterico. L'IA ha proposto in modo indipendente che isole cromosomiche inducibili da fagi formanti capside (cf-PICIs) interagissero con code di fagi per ampliare la loro gamma di ospiti, una scoperta successivamente convalidata tramite esperimenti precedenti. Questo lavoro è uno sforzo collaborativo tra diversi team di Google Research, Google DeepMind e Google Cloud AI, insieme a partner di numerose istituzioni, tra cui l’Fleming Initiative e il Imperial College di Londra. Estendiamo la nostra gratitudine a tutti i contributori ed esperti che hanno fornito feedback essenziali, così come ai nostri team interni il cui supporto è stato fondamentale per questo impegno.