Todo gran descubrimiento científico empieza con una única idea transformadora. La chispa del hallazgo depende de la capacidad de un investigador para conectar hechos dispares y formular la hipótesis correcta. Pero en una era de sobrecarga de información y desafíos cada vez más complejos, la búsqueda de esas ideas aguja-en-el-pajar se ha vuelto un cuello de botella del progreso.

Con ese diagnóstico, Google DeepMind publicó su investigación más reciente sobre Co-Scientist en Nature, un sistema multi-agente construido con Gemini que iterativamente genera, debate y evoluciona hipótesis novedosas para problemas científicos complejos.

La plataforma estará disponible para investigadores individuales a través de Hypothesis Generation, una nueva herramienta experimental desarrollada conjuntamente entre Google DeepMind, Google Research, Google Cloud y Google Labs. El despliegue comenzará en las próximas semanas y los investigadores pueden registrar su interés en labs.google/science.

¿Cómo funciona Co-Scientist?

El sistema está hecho de una coalición colaborativa de agentes especializados basados en el modelo Gemini, que se agrupan en tres fases distintas.

  • Generation agent: propone áreas de foco iniciales e hipótesis novedosas grounded en literatura y datos científicos.
  • Proximity agent: mapea y clusteriza las hipótesis para asegurar una exploración diversa del espacio de investigación.
  • Reflection agent: actúa como "peer reviewer virtual", evaluando críticamente las hipótesis para corrección, calidad y novedad.
  • Ranking agent: orquesta un "torneo de ideas" usando comparaciones por pares y debates científicos simulados para priorizar los caminos más prometedores.
  • Evolution agent: refina, combina y construye sobre las hipótesis mejor rankeadas en el torneo para iterativamente mejorar su calidad.
  • Meta-review agent: sintetiza insights del debate y del torneo para optimizar continuamente el sistema y generar la propuesta final de investigación.

Orquestando la coalición hay un agente supervisor actuando como planner adaptativo. A diferencia de modelos IA que piensan linealmente, este planner freeform descompone metas de investigación de alto nivel en pasos ejecutables, coordinando agentes que corren en paralelo para explorar múltiples avenidas simultáneamente.

¿Qué es el "torneo de ideas"?

Co-Scientist puede explorar miles de direcciones de investigación. Para encontrar las más impactantes, DeepMind desarrolló el "torneo de ideas", un mecanismo de competencia entre hipótesis que toma principios de AlphaGo y AlphaStar, pero en vez de jugar un juego, los agentes IA sostienen debates científicos para generar, refinar y rankear ideas.

Para empujar los límites de la novedad mientras se asegura que las hipótesis sean robustas y testeables, la mayoría del cómputo del sistema se dedica a verificar esas hipótesis. Mediante cross-checking profundo de afirmaciones contra literatura y datos científicos, el sistema asegura que los claims permanezcan grounded, factualmente correctos y lógicamente coherentes.

El sistema actualmente integra búsqueda web y bases de datos especializadas como ChEMBL y UniProt para incorporar conocimiento adicional. También puede aprovechar modelos avanzados especializados como herramientas, como AlphaFold, que está siendo testeado en colaboraciones de investigación seleccionadas.

¿Qué pruebas hay de que funcione?

Durante el último año, DeepMind colaboró con expertos globales para evaluar Co-Scientist en problemas complejos en ciencias de la vida. También ha estado previewing una versión enterprise con organizaciones como Daiichi Sankyo, Bayer Crop Science y los Laboratorios Nacionales de Estados Unidos como parte de la Genesis Mission.

Drogas reposicionadas contra fibrosis hepática

Co-Scientist ayudó a acelerar la búsqueda del profesor Gary Peltz (Stanford University School of Medicine) de tratamientos contra fibrosis hepática. El sistema destacó candidatos para reposicionamiento de drogas que habían sido pasados por alto, incluyendo uno que bloqueó exitosamente el 91% de una respuesta vinculada a cicatrización en tests de laboratorio. Los resultados, publicados en Advanced Science, apuntan a nuevos enfoques de regulación génica para tratar enfermedad hepática crónica.

"Co-Scientist se siente como un colaborador que ha leído todo lo disponible sobre ciencia biomédica, con la capacidad de razonamiento para encontrar las conexiones que actualmente nos faltan", dijo Peltz.

ALS, nuevas terapias basadas en RNA

Co-Scientist unió los laboratorios de Ritu Raman (Massachusetts Institute of Technology) y Ryan Flynn alrededor de la esclerosis lateral amiotrófica (ALS), una enfermedad degenerativa que devastaba a sus pacientes. El sistema ayudó a Raman a digerir literatura compleja rápido, proponer ideas testeables y detectar dónde la experticia complementaria podía fortalecer las mejores líneas. Eso disparó la colaboración con Flynn en enfoques potenciales basados en RNA para tratar ALS.

Genética para revertir envejecimiento celular

Omar Abudayyeh y Jonathan Gootenberg están usando Co-Scientist para acelerar investigación sobre reversión del envejecimiento celular. El sistema sintetiza décadas de literatura para proponer leads genéticos novedosos que en tests de laboratorio han mostrado rejuvenecer células. También recorta el tiempo necesario para analizar datasets de screening masivos, de meses a días.

"Usar Co-Scientist se siente como tener un equipo de 50 personas a tu disposición, haciendo todo el trabajo dentro de un día, que no es algo que podamos hacer normalmente con nuestro laboratorio", dijo Abudayyeh.

Otros casos en validación

  • Filippo Menolascina (University of Edinburgh): identificación de mecanismos prometedores y combinaciones de drogas en enfermedad hepática metabólica.
  • Clare Bryant (University of Cambridge): identificación de proteínas que causan enfermedad severa cuando patógenos como gripe y COVID-19 saltan de animales a humanos.

¿Qué viene para los investigadores LatAm?

La versión que sale ahora es para investigadores individuales y entra por registro de interés en labs.google/science. La cuota inicial será limitada y favorece equipos con publicaciones previas en revistas indexadas. Para universidades chilenas con líneas activas en oncología, biotecnología o virología (Universidad de Chile, PUC, UDD, UFRO), el costo de oportunidad de no aplicar es alto. Los Laboratorios Nacionales de Estados Unidos ya están dentro de la beta enterprise.