Google presentó este martes Gemini for Science, una colección de herramientas experimentales y prototipos diseñados para que investigadores aceleren la formulación de hipótesis, la simulación computacional y el análisis de literatura científica. El anuncio se enmarca en Google I/O 2026 y se apoya en la familia Gemini 3.5 recién lanzada, además de modelos especializados como AlphaFold y AlphaEvolve.

La oferta llega con tres prototipos centrales en Google Labs y un bundle específico para ciencias de la vida llamado Science Skills, integrado al entorno agentic Google Antigravity.

¿Qué problema intenta resolver Gemini for Science?

DeepMind plantea que la productividad científica enfrenta una paradoja: el conocimiento crece a un ritmo que ningún investigador puede sintetizar manualmente. Cruzar datos entre disciplinas y revisar la literatura relevante puede tomar semanas o meses, y en ese cuello de botella se pierden conexiones que no son técnicamente difíciles, sino simplemente invisibles por volumen.

La apuesta es que un sistema agentic general, no un modelo verticalizado para cada disciplina, pueda actuar como "multiplicador" del trabajo humano. La empresa ya tiene precedentes con AlphaFold, que ha ayudado a más de 3 millones de investigadores en proyectos que van desde vacunas contra la malaria hasta enzimas que degradan plásticos, y con AlphaGenome, que ayuda a identificar los drivers genéticos de enfermedades.

Los tres prototipos en Google Labs

Los experimentos abren acceso de forma gradual desde hoy. Investigadores pueden registrarse en labs.google/science.

  • Hypothesis Generation (construido sobre Co-Scientist): el sistema colabora con el investigador para acotar el problema de investigación y luego corre un "torneo de ideas" multiagente para generar, debatir y evaluar hipótesis. Las afirmaciones quedan vinculadas a citas clickeables para verificación.
  • Computational Discovery (construido sobre AlphaEvolve y Empirical Research Assistance): un motor de investigación agentic que genera y puntúa miles de variaciones de código en paralelo. Apunta a campos como pronóstico solar o epidemiología, donde explorar modelos alternativos a mano demoraría meses.
  • Literature Insights (construido sobre Google NotebookLM): busca en la literatura científica y estructura los resultados en tablas con atributos buscables. Permite chat para extraer matices del corpus curado y generar artefactos como reportes, slide decks, infografías y overviews de audio o video.

Los papers de validación de ERA y Co-Scientist se publicaron hoy en Nature.

Science Skills: análisis genómicos en minutos

Como parte del lanzamiento, Google libera Science Skills, un bundle especializado que integra más de 30 bases de datos y herramientas de ciencias de la vida, entre ellas UniProt, la AlphaFold Database, la API de AlphaGenome e InterPro.

Usadas dentro de plataformas agentic como Google Antigravity, estas skills permiten ejecutar flujos de bioinformática estructural y análisis genómicos en minutos en lugar de horas. En pruebas internas, el equipo de DeepMind reportó haber identificado mecanismos potenciales para una enfermedad genética rara causada por mutaciones en el gen AK2 durante una sola sesión analítica que normalmente habría tomado horas.

¿Y para empresas?

En paralelo a los experimentos abiertos, Google ofrece versiones empresariales a través de Google Cloud. La compañía citó casos en private preview:

  • BASF está usando AlphaEvolve para optimizar miles de decisiones diarias en su cadena de suministro.
  • Klarna lo aplica para mejorar sus modelos de machine learning.
  • Daiichi Sankyo, Bayer Crop Science y los U.S. National Labs (en el marco de la Genesis Mission del Departamento de Energía de Estados Unidos) utilizan Co-Scientist para investigación fundamental.

Validación con más de 100 instituciones

DeepMind aseguró que las herramientas se validan en colaboración con más de 100 instituciones, incluyendo trabajos con la Universidad de Stanford sobre fibrosis hepática, con Imperial College London00973-0) sobre resistencia antimicrobiana, y un esfuerzo multianual con The Crick Institute. La empresa habla de una comunidad de trusted testers que va desde estudiantes de doctorado hasta laureados Nobel.

También hay pilotos con conferencias académicas líderes (ICML, STOC, NeurIPS) para desarrollar agentes de peer review y validación científica, como el Paper Assistant Tool (PAT) y ScholarPeer.

¿Qué falta y qué riesgos asume Google?

El despliegue es gradual y experimental, lo que significa que la rigurosidad de las hipótesis y el código generados todavía depende de validación humana intensiva. Un paper que dependa de citas hallucinadas o variaciones de código mal puntuadas puede contaminar la pipeline de investigación si se confía sin revisión. Por eso DeepMind insiste en citas clickeables, scoring transparente y revisión humana.

Para investigadores en Chile y América Latina, la inscripción a Google Labs es abierta y, dado que muchos de los datasets de referencia (UniProt, AlphaFold DB, InterPro) ya son públicos y gratuitos, la barrera de entrada está en el acceso a las herramientas agentic más que en el costo de los datos. Lo que queda por ver es la disponibilidad regional efectiva de Antigravity y de los modelos Gemini 3.5 Pro y Deep Think en el plan AI Ultra, lanzado hoy a USD 100 mensuales.