Esiste un paradosso al centro della scienza contemporanea: le conoscenze collettive dell’umanità si espandono a una velocità tale che nessun singolo ricercatore riesce più a tenere il passo. Ogni anno vengono pubblicati milioni di articoli scientifici, e sintetizzarli manualmente, per trovare connessioni creative tra i dati, identificare lacune nella letteratura, generare nuove ipotesi, può richiedere settimane o mesi. Google prova ad affrontare questo problema con Gemini for Science, una raccolta di funzionalità sperimentali e strumenti scientifici annunciata oggi e progettata per amplificare la portata e la precisione dell’esplorazione scientifica.
Tre strumenti sperimentali su Google Labs
Il cuore di Gemini for Science sono tre prototipi disponibili su labs.google/science, ciascuno pensato per affrontare una fase diversa del metodo scientifico. Il primo è Hypothesis Generation, sviluppato con Co-Scientist: la generazione di ipotesi è il punto di partenza di ogni ricerca, ma richiede una sintesi della letteratura che nessun essere umano può fare manualmente su scala globale. Questo strumento simula il metodo scientifico collaborando con il ricercatore per definire una sfida specifica, poi usa un sistema multi-agente a “torneo di idee” per generare, discutere e valutare ipotesi. Le affermazioni vengono verificate e supportate da citazioni selezionabili per garantire rigore scientifico. L’articolo di ricerca su Co-Scientist è stato pubblicato oggi su Nature.
Il secondo è Computational Discovery, sviluppato con AlphaEvolve e ERA (Empirical Research Assistance): il progresso scientifico è spesso limitato dal numero di ipotesi che si possono testare realisticamente con esperimenti computazionali. Questo motore di ricerca agentico risolve il problema generando e valutando in parallelo migliaia di variazioni di codice, consentendo agli scienziati di testare nuovi approcci di modellazione, per esempio in campi come le previsioni solari o l’epidemiologia, in tempi che altrimenti richiederebbero mesi di lavoro manuale. L’articolo su ERA sarà pubblicato a breve.
Il terzo è Literature Insights, sviluppato con Google NotebookLM: comprendere la letteratura esistente è un pilastro fondamentale di qualsiasi progetto di ricerca. Questo strumento esplora la letteratura scientifica e organizza i risultati in tabelle con attributi personalizzabili per l’analisi comparativa. I ricercatori possono usare la chat per far emergere sfumature dal loro corpus di riferimento e creare artefatti ad alta fedeltà come report, presentazioni, infografiche e overview audio e video, sintetizzando i risultati di più articoli, identificando lacune nella ricerca e scoprendo nuove opportunità di indagine.
Science Skills: oltre 30 database biologici in un unico bundle
Accanto agli strumenti sperimentali, Google presenta Science Skills, un bundle specializzato che integra insight provenienti da più di 30 tra i principali database e strumenti di scienze biologiche, tra cui UniProt, AlphaFold Database, AlphaGenome API e InterPro. Disponibile sulla piattaforma agentica Antigravity, consente ai ricercatori di eseguire workflow complessi, come la bioinformatica strutturale e l’analisi genomica, in pochi minuti invece che in ore. I risultati pratici sono già misurabili: nei primi test interni, il team di Google ha usato Science Skills per completare in pochi minuti un’analisi normalmente da ore, riuscendo a comprendere meglio i potenziali meccanismi di una rara malattia genetica causata da mutazioni nel gene AK2.
Aziende, università e premi Nobel: l’ecosistema che valida gli strumenti
Gemini for Science non è un progetto sviluppato in isolamento. Google sta collaborando con più di 100 istituzioni per convalidare i nuovi sistemi: tra queste figurano la Stanford University per la fibrosi epatica, l’Imperial College London per la resistenza antimicrobica e il Crick Institute nell’ambito di una collaborazione pluriennale.
Per garantire l’integrità degli insight generati dall’AI, Google ha costruito una community di tester affidabili che comprende dottorandi, ricercatori industriali e premi Nobel, incaricati di mettere alla prova i sistemi rispetto alle sfide reali del mondo scientifico. Sul fronte industriale, aziende come BASF usano AlphaEvolve per ottimizzare le catene di fornitura, Klarna lo sfrutta per migliorare i modelli di machine learning, mentre Daiichi Sankyo, Bayer Crop Science e i National Labs statunitensi stanno usando Co-Scientist per accelerare la loro ricerca. Sono stati avviati anche progetti pilota con conferenze scientifiche di rilievo internazionale come ICML, STOC e NeurIPS per sviluppare strumenti sperimentali di peer review agentica e validazione scientifica.
Un percorso che viene da lontano
Gemini for Science si costruisce su una tradizione già consolidata di strumenti AI per la scienza. AlphaFold ha aiutato più di 3 milioni di ricercatori a sviluppare vaccini per la malaria ed enzimi capaci di degradare la plastica. AlphaGenome sta supportando gli scienziati nell’individuazione delle cause delle malattie. A questi si affiancano Google Scholar, Earth Engine, Colab, MedGemma, Earth AI e Gemini Deep Research, un ecosistema che, con i nuovi strumenti annunciati oggi, si arricchisce ulteriormente nella direzione di una ricerca scientifica più rapida, più connessa e più umana nei suoi obiettivi.
