قرنهاست که روش علمی، موتور محرک پیشرفت بشر است. مدیران گوگل نیز با تمرکز روی همین اصل، مجموعه Gemini for Science را روی میز گذاشتند. آنها تصمیم گرفتند به جای ساخت مدلهای محدود و تخصصی، سراغ ایجنتهای جامعی بروند که مقیاس و دقت کاوشهای علمی را چند پله ارتقا میدهند و دست محققان را در هر رشتهای باز میگذارند.
پایان بنبست دادهها با ایجنتهای هوشمند
امروز علم با یک تناقض جدی روبهرو است؛ دانش جمعی ما آنقدر سریع رشد میکند که هیچ پژوهشگری بهتنهایی نمیتواند تصویر کامل را ببیند. کشفهای جدید به پیونددادن خلاقانه دادهها نیاز دارند، اما انجام دستی این کار هفتهها یا ماهها طول میکشد. هوش مصنوعی این گلوگاه را از بین میبرد و کارهای پیچیده را بر عهده میگیرد تا محققان تمام تمرکز خود را روی حل مشکلات کلیدی بگذارند.
سه ابزار آزمایشی در Google Labs
گوگل برای انجام این وظایف سنگین، سه نمونه اولیه را در پلتفرم Google Labs معرفی کرد:
- تولید فرضیه با Co-Scientist: بررسی میلیونها مقالهای که هر سال منتشر میشوند برای انسان غیرممکن است. این ابزار روش علمی را شبیهسازی میکند، برای تولید فرضیهها یک «تورنمنت ایدهپردازی» چندعاملی راه میاندازد و درستی تمام ادعاها را با ارجاعات قابل کلیک، نشان میدهد.
- کشف محاسباتی با AlphaEvolve و ERA: این موتورِ پژوهشی، هزاران تغییر در کدها را بهصورت موازی تولید و امتیازدهی میکند. دانشمندان حالا مدلسازیهای پیچیده در حوزههایی مثل پیشبینی وضعیت خورشید یا همهگیریشناسی (اپیدمیولوژی) را که قبلاً ماهها زمان میبرد، در کسری از ثانیه انجام میدهند.
- بینش ادبیات علمی با NotebookLM: این ابزار مقالات را میخواند، نتایج را در جدولها میچیند و امکان بررسی همهجانبه را فراهم میکند. محققان با مقالات خود چت میکنند و فایلهای خروجی دقیقی مثل گزارش متنی، اسلاید، اینفوگرافیک و حتی فایلهای صوتی و تصویری میسازند.
پای غولهای صنعت به میان کشیده شد
دسترسی تدریجی به این ابزارها از طریق سایت labs.google/science آغاز شده است. اما گوگل این قابلیتها را از طریق سرویس ابری (Google Cloud) در اختیار سازمانهای بزرگ نیز قرار داد.
شرکت BASF برای بهینهسازی زنجیره تامین و کلارنا (Klarna) برای ارتقای مدلهای یادگیری ماشین خود از AlphaEvolve استفاده میکنند. در کنار آنها، شرکتهای داروسازی دایچی سانکیو (Daiichi Sankyo)، بایر کراپ ساینس (Bayer Crop Science) و آزمایشگاههای ملی آمریکا (در پروژه جنسیس) ابزار Co-Scientist را به کار گرفتند. مجله معتبر نیچر (Nature) نیز با انتشار دو مقاله مستقل، عملکرد دقیق پلتفرمهای ERA و Co-Scientist را تایید کرد.
میز کار علمی روی سیستم شما
بخش جذاب دیگر این رونمایی، اضافه کردن بسته تخصصی Science Skills به پلتفرمهای ایجنتی مثل Google Antigravity است. این بسته اطلاعات بیش از ۳۰ پایگاه داده بزرگ علوم زیستی مثل UniProt، پایگاه AlphaFold، رابط برنامهنویسی AlphaGenome و InterPro را یکپارچه میکند.
با اجرای این مهارتها، تحلیلهای پیچیده ژنومیک و بیوانفورماتیک ساختاری دیگر ساعتها وقت نمیگیرند. برای نمونه، پژوهشگران در آزمایشهای اولیه توانستند مکانیزمهای یک بیماری ژنتیکی نادر (ناشی از جهش در ژن AK2) را تنها در چند دقیقه تحلیل کنند.
همکاری با بیش از ۱۰۰ نهاد علمی
گوگل برای اعتبارسنجی ابزارهای جدید خود با بیش از ۱۰۰ موسسه همکاری میکند. بررسی فیبروز کبدی با دانشگاه استنفورد، تحقیق روی مقاومت ضدمیکروبی با امپریال کالج لندن و یک پروژه چندساله با موسسه کریک (Crick Institute) بخشی از این برنامهها هستند. شبکهای از تسترها، از دانشجویان دکتری گرفته تا برندگان جایزه نوبل، این سیستمها را زیر فشار واقعی آزمایش میکنند.
کنفرانسهای علمی معتبر مثل ICML، STOC و NeurIPS نیز استفاده از ابزارهای آزمایشی PAT (دستیار مقاله) و ScholarPeer را برای داوری همتا آغاز کردند. ابزارهای پیشین گوگل مثل آلفافولد تاکنون به بیش از ۳ میلیون محقق در ساخت واکسن مالاریا و کشف آنزیمهای پلاستیکخوار کمک کردهاند و حالا انتشار مدل قدرتمند Gemini Deep Think مرزهای پردازش دادههای علمی را یک قدم دیگر به جلو میراند.
