Во вторник на конференции Google I/O 2026 компания Google DeepMind представила Gemini for Science, анонсировав набор агентных инструментов на базе ИИ, созданных для автоматизации наиболее трудоемких этапов научных исследований. Эти инструменты подкреплены тем, чего не хватает большинству анонсов ИИ для науки: рецензируемым подтверждением в журнале Nature в тот же день. Две статьи — одна о Co-Scientist и одна об Empirical Research Assistance (ERA) — были опубликованы в журнале 19 мая 2026 года, установив эталонные показатели, включая превосходство над ансамблем прогнозирования госпитализаций по COVID-19 от Центров по контролю и профилактике заболеваний США. Исследователи могут зарегистрировать интерес к экспериментальным инструментам уже сегодня; базовый слой данных Science Skills доступен сейчас на GitHub и внутри Google Antigravity.
Три инструмента, три этапа открытий
Gemini for Science объединяет три экспериментальных прототипа, нацеленных на различные этапы научного метода. Все три доступны через программу постепенного доступа, начинающуюся сегодня.
Генерация гипотез (Hypothesis Generation), созданная на базе Co-Scientist, решает одну из самых острых проблем современной науки: ни один ученый не в состоянии прочесть миллионы статей, публикуемых ежегодно. Инструмент моделирует научный дискурс, запуская многоагентный «турнир идей», в котором агенты ИИ генерируют, обсуждают и оценивают конкурирующие гипотезы по новизне и осуществимости. Каждое утверждение подкреплено проверенными, кликабельными цитатами, что позволяет исследователям прослеживать результаты до первоисточников, а не принимать слово модели на веру. В статье Google о Co-Scientist, опубликованной сегодня в Nature, задокументирован практический результат: исследователи из Медицинской школы Стэнфордского университета использовали его для выявления Вориностата, одобренного FDA противоракового препарата, в качестве кандидата для лечения фиброза печени. В лабораторных тестах на печеночных органоидах это соединение снизило вызванные TGFβ изменения в структуре хроматина на 91%.
Вычислительное открытие (Computational Discovery), созданное с использованием AlphaEvolve и ERA, функционирует как то, что Google называет «агентным исследовательским движком». Вместо того чтобы требовать от исследователей написания и итерации кода для каждого вычислительного эксперимента, инструмент автоматически генерирует и оценивает тысячи вариаций кода параллельно. В статье об ERA, также опубликованной сегодня в Nature, сообщается о результатах по шести эталонным тестам, охватывающим геномику, эпидемиологию, геопространственный анализ, нейронауку, прогнозирование временных рядов и численный анализ. ERA сгенерировала 14 моделей прогнозирования госпитализаций по COVID-19, которые превзошли официальный CovidHub Ensemble от CDC — эталонный агрегат всех профессиональных команд прогнозирования. В биоинформатике ERA создала 40 новых методов анализа одноклеточных данных, которые превзошли лучшие методы, разработанные человеком, в публичном рейтинге. Задачи, на которые у человеческих команд ушли бы месяцы ручной работы, могут быть исследованы параллельно в рамках системы.
Литературная аналитика (Literature Insights), созданная с помощью Google NotebookLM, обрабатывает другую сторону исследовательского процесса: осмысление уже существующего. Инструмент ищет научную литературу и структурирует результаты в виде таблиц с настраиваемыми, доступными для поиска атрибутами для попарного анализа. Исследователи могут вести диалог со своей курируемой базой данных, чтобы выявить нюансы между статьями, определить пробелы в исследованиях и сгенерировать артефакты, включая отчеты, наборы слайдов и аудиообзоры.
Science Skills: Слой интеграции с 30 базами данных доступен сегодня
В основе всех трех экспериментальных инструментов лежит четвертый компонент под названием Science Skills, который соединяет агентные платформы — включая собственный Antigravity от Google — с более чем 30 крупными базами данных и инструментами наук о жизни, включая UniProt, Базу данных AlphaFold, API AlphaGenome и InterPro. Science Skills — самая немедленно доступная часть запуска: доступна сегодня на GitHub и непосредственно внутри Antigravity. Во внутренних тестах Google сообщила, что сложный структурный биоинформатический анализ, который обычно занимает часы, был выполнен за минуты, предоставив новые сведения о потенциальных механизмах заболеваний, вызванных мутациями в гене AK2.
Корпоративные партнеры уже в закрытом предварительном просмотре
Google подтвердила, что корпоративные партнеры, участвующие в закрытом предварительном просмотре, включают фармацевтического разработчика Daiichi Sankyo, компанию в области сельскохозяйственных наук Bayer Crop Science, химического гиганта BASF — который использует AlphaEvolve для ускорения принятия решений в цепочках поставок по всей своей глобальной сети — и финтех-компанию Klarna. Миссия Genesis Министерства энергетики США также использует Co-Scientist в рамках официального сотрудничества с Google DeepMind.
100 учреждений, включая Стэнфорд и Имперский колледж Лондона
Инструменты проходят совместную проверку с участием более 100 исследовательских учреждений. Медицинская школа Стэнфордского университета предоставила исследование фиброза печени, упомянутое в статье Co-Scientist в Nature. Инициатива Флеминга Имперского колледжа Лондона протестировала Co-Scientist на исследованиях по противомикробной резистентности; профессор Хосе Пенадес сообщил, что система предложила ту же гипотезу, к которой его команда пришла после десяти лет кропотливой лабораторной работы, но за долю времени. Институт Фрэнсиса Крика поддерживает многолетнее партнерство с Google DeepMind в области машинного обучения и биологии. Google также создала специальные пилотные проекты с академическими конференциями ICML, STOC и NeurIPS для тестирования агентных инструментов рецензирования, включая Paper Assistant Tool и ScholarPeer.
Что отличает это от предыдущих заявлений об ИИ для науки
Когда Google анонсировала предыдущий автономный прототип Co-Scientist в начале 2025 года, Сара Бири, исследователь компьютерного зрения из Массачусетского технологического института (MIT), заявила TechCrunch, что она не убеждена, охарактеризовав систему как «вряд ли будет использоваться всерьез» и задавшись вопросом, существует ли реальный спрос со стороны ученых на инструменты для генерации гипотез. Критика была справедливой на тот момент: результаты были предварительными, а эмпирические эталоны — скудными. Одновременная публикация сегодня двух статей в Nature напрямую устраняет этот пробел, помещая ERA и Co-Scientist в ту же рецензируемую запись, что и более ранние исследования AlphaFold, которыми с тех пор воспользовались более трех миллионов исследователей по всему миру.
Остается выяснить на практике, насколько хорошо инструменты будут работать в масштабе за пределами контролируемых эталонов — и насколько чисто они интегрируются в разнородные программные среды большинства исследовательских учреждений. Текущий набор инструментов в большей степени ориентирован на применение в области наук о жизни; то, насколько хорошо Co-Scientist и ERA переносятся в такие области, как материаловедение, климатическое моделирование или теоретическая физика, будет зависеть от настроечной работы, которая еще не была продемонстрирована публично.
Пушмит Коли, главный научный сотрудник Google Cloud и вице-президент Google DeepMind, и Йосси Матиас, вице-президент Google и генеральный менеджер Google Research, выступили авторами официального поста о запуске, представив инициативу как усилие по устранению того, что они назвали центральным парадоксом современной науки: коллективные знания растут быстрее, чем может усвоить любой отдельный исследователь, что делает синтез с помощью ИИ не роскошью, а структурной необходимостью для открытий в масштабе.
Исследователи могут зарегистрировать интерес на labs.google/science. Корпоративные команды могут подать заявку на приоритетный доступ через Google Cloud.
Всегда имейте в виду, что редакции могут придерживаться предвзятых взглядов в освещении новостей.
Автор – Kyle Belmonte
