es.wedoany.com Noticia: Google DeepMind de EE. UU. presentó recientemente Gemini for Science durante el Google I/O 2026. Este conjunto de herramientas, dirigido a investigadores, integra herramientas experimentales de Google Labs y capacidades científicas de Google Antigravity, con el objetivo de aplicar la IA en la generación de hipótesis, el descubrimiento computacional, el análisis de literatura y el uso de herramientas de ciencias de la vida.
Gemini for Science no está diseñado para ofrecer consejos médicos al público general, sino para proporcionar un conjunto de herramientas de IA experimentales para el flujo de trabajo científico. Según la presentación oficial de Google, la investigación moderna enfrenta una paradoja: los artículos, las bases de datos y los resultados experimentales crecen demasiado rápido, lo que dificulta que un solo investigador pueda abarcar el panorama general manualmente. Muchos avances dependen de conexiones complejas entre literatura, datos y modelos. Gemini for Science busca que los agentes de IA asuman parte de estas tareas que consumen mucho tiempo, como ayudar a definir preguntas de investigación, generar hipótesis comprobables, probar numerosas variantes de código en paralelo, organizar tablas de literatura científica y generar informes de investigación. En comparación con un modelo de chat único, este conjunto de herramientas se asemeja más a una "estación de trabajo científica": combina la capacidad de razonamiento profundo de Gemini, Deep Think, Deep Research, Co-Scientist, AlphaEvolve, la asistencia a la investigación empírica y NotebookLM, y a través de Science Skills permite que Google Antigravity se conecte a más de 30 bases de datos y herramientas importantes de ciencias de la vida.
Las tres categorías de herramientas experimentales enumeradas en la página oficial son: Generación de Hipótesis, Descubrimiento Computacional y Perspectivas de Literatura. La primera genera, debate y evalúa hipótesis científicas a través de una "competición de ideas" entre múltiples agentes; la segunda se utiliza para generar y puntuar variantes de código en paralelo; y la tercera está orientada a la búsqueda bibliográfica, la comparación estructurada y la generación de materiales de investigación.
La investigación de enfermedades es la dirección que más atención ha recibido en este lanzamiento. Durante la conferencia magistral del Google I/O 2026, Demis Hassabis, CEO de Google DeepMind, presentó Gemini for Science en el contexto del descubrimiento de fármacos y la investigación de enfermedades, y expresó su deseo de reinventar el proceso de descubrimiento de fármacos, con el objetivo a largo plazo de ayudar algún día a "resolver todas las enfermedades". Esta declaración provocó rápidamente un debate externo, ya que el público tiende a interpretar "la IA acelera la investigación científica" como "la IA curará pronto todas las enfermedades". The Verge, en un comentario del 20 de mayo, advirtió que herramientas como Gemini for Science, AlphaFold y AlphaGenome pueden acortar los ciclos de investigación, pero no pueden saltarse etapas como los ensayos con animales, los ensayos clínicos, la revisión regulatoria, la validación ética, la gobernanza del sesgo de datos y la accesibilidad en el mundo real; incluso si la IA eventualmente ayuda a resolver la mayoría de las enfermedades, este camino probablemente llevará al menos 20 años, o incluso más.
Los casos mostrados por Google se centran en la aceleración de la investigación, no en promesas clínicas. El sitio web oficial de Gemini for Science menciona que estas herramientas ya se han utilizado en múltiples direcciones de investigación reales, incluyendo el laboratorio de Ben Luisi en la Universidad de Cambridge, que utiliza una combinación de herramientas de IA para estudiar la resistencia a los antimicrobianos, y el Wang Lab de la Universidad de Duke, que usa el modo Deep Think para optimizar el proceso de crecimiento de cristales semiconductores bidimensionales. La página oficial también enumera a Co-Scientist como una herramienta para facilitar la generación de hipótesis científicas, y sitúa a AlphaFold y AlphaGenome en la cadena de descubrimiento de las ciencias de la vida: el primero ayuda a los investigadores a comprender las estructuras de las proteínas, y el segundo se utiliza para predecir el impacto de las mutaciones en las secuencias de ADN humano. Para las instituciones farmacéuticas, médicas y de ciencias de la vida, el efecto directo de estas herramientas es mejorar la eficiencia en el diseño de investigaciones, la asimilación de literatura, las pruebas de modelos y el cribado de direcciones candidatas, en lugar de reemplazar directamente el sistema completo de validación del desarrollo de fármacos.
El lanzamiento de Gemini for Science por parte de Google DeepMind de EE. UU. indica que las herramientas de IA para la investigación están pasando de "responder preguntas científicas" a "integrarse en el flujo de trabajo científico". La investigación de enfermedades podría ser el área que mejor demuestre su valor a largo plazo, pero "resolver todas las enfermedades" debe entenderse aún como una visión científica a largo plazo; el cambio real observable a corto plazo es si los investigadores pueden usar la IA para formular hipótesis, buscar evidencia y diseñar experimentos computacionales más rápidamente, y convertir los descubrimientos en planes experimentales verificables.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
