L’intelligenza artificiale generativa con la quale stiamo quotidianamente imparando a confrontarci non è destinata solamente a utilizzi privati o professionali. Lo abbiamo già visto con il lancio di ChatGPT for Clinicians, la versione di ChatGPT pensata per medici, infermieri e farmacisti, con ChatGPT Salute, lo spazio in cui gli utenti possono collegare le proprie cartelle cliniche e ricevere supporto nella gestione della salute, ma anche ChatGPT for Intune (per scuole e aziende) e ChatGPT for Teachers (per docenti e dirigenti scolastici). Ora anche Google si inserisce in questo filone con Gemini for Science.
L’annuncio arriva dopo che a febbraio Gemini 3 Deep Think era stato aggiornato con l’obiettivo di ampliare i confini dell’intelligenza artificiale applicata alla scienza, alla ricerca accademica e all’ingegneria. Con Gemini for Science Google ha ora compiuto un passo ancora più deciso e ambizioso.
Indice:
Segui TuttoAndroid su Google Discover
Che cos’è Gemini for Science
Gemini for Science è una raccolta di funzionalità e strumenti sperimentali progettati per supportare ricercatori e scienziati nel loro lavoro quotidiano. L’idea di fondo, dichiarata da Google stessa, è che una nuova era della ricerca non verrà da modelli ristretti e specializzati, ma da agenti generali capaci di operare trasversalmente in ogni campo scientifico. Google spiega che la quantità di conoscenze scientifiche prodotte ogni anno cresce così velocemente che nessun singolo ricercatore riesce più a tenere il passo, rendendo sempre più difficile stabilire connessioni significative tra discipline diverse. L’aumento della quantità di ricerche e studi è indubbiamente un bene, ma troppo spesso questo vantaggio si disperde per l’eccessiva frammentazione. Da qui l’utilizzo dell’intelligenza artificiale.
Segui Google su Telegram, ricevi news e offerte per primo
I tre strumenti
Gemini for Science comprende tre prototipi principali, accessibili tramite Google Labs al sito labs.google/science. Il primo è Hypothesis Generation, sviluppato con Co-Scientist, e simula il metodo scientifico collaborando con i ricercatori per definire una sfida di ricerca, poi utilizza un sistema multi-agente per generare, mettere a confronto e valutare ipotesi, con citazioni verificabili a supporto di ogni affermazione.
Il secondo è Computational Discovery, costruito con AlphaEvolve e con ERA (Empirical Research Assistance). Si tratta di un motore di ricerca agentico in grado di generare e valutare migliaia di varianti di codice in parallelo, permettendo agli scienziati di testare nuovi approcci di modellazione in campi come la previsione solare o l’epidemiologia.
Lo strumento è già stato applicato a problemi scientifici concreti: dalla previsione delle ammissioni ospedaliere per influenza (COVID-19 e RSV) con modelli che si collocano stabilmente ai vertici delle classifiche ufficiali dei Centers for Disease Control statunitensi al monitoraggio della concentrazione di CO2 nell’atmosfera con una risoluzione spaziale e temporale senza precedenti.
Il terzo è Literature Insights, sviluppato con Google NotebookLM. Questo strumento esplora la letteratura scientifica e organizza i risultati in tabelle con attributi personalizzabili, consentendo di sintetizzare i risultati di più articoli, identificare lacune nella ricerca e creare report, presentazioni e sintesi audio e video. A conferma del rigore scientifico che Google intende attribuire a questi strumenti, i risultati della ricerca alla base di ERA e Co-Scientist sono stati pubblicati sulla rivista Nature.
Co-Scientist è già stato messo alla prova da ricercatori reali su alcune delle sfide scientifiche più difficili del momento. Alla Stanford University School of Medicine, il sistema ha aiutato a individuare candidati farmaci già esistenti per il trattamento della fibrosi epatica: uno di questi ha bloccato il 91% di una risposta biologica legata alla formazione di tessuto cicatriziale nei test di laboratorio. Al MIT, una ricercatrice lo ha utilizzato per sintetizzare rapidamente la letteratura sull’ALS e identificare possibili approcci basati sull’RNA, aprendo una collaborazione con un altro laboratorio. All’Università di Cambridge, il sistema è invece impiegato per individuare i meccanismi molecolari alla base del salto di agenti patogeni (come influenza e COVID-19) dagli animali all’essere umano, con l’obiettivo di ridurre da anni a mesi il lavoro sperimentale necessario.
Science Skills e l’integrazione con Google Antigravity
Accanto agli strumenti sperimentali di Gemini for Science, Google lancia anche Science Skills. Si tratta di un pacchetto specializzato per Google Antigravity che integra informazioni provenienti da oltre trenta tra i principali database e strumenti scientifici, tra cui UniProt, AlphaFold Database, AlphaGenome API e InterPro. L’obiettivo è semplificare flussi di lavoro complessi (come l’analisi genomica e la bioinformatica strutturale) riducendo il tempo necessario per eseguirli. In un test interno, il team di Google ha usato Science Skills per condurre un’analisi complessa che normalmente richiede ore, ottenendo nuove indicazioni sui possibili meccanismi alla base di una rara malattia genetica causata da mutazioni nel gene AK2.
Applicazioni enterprise e collaborazioni istituzionali
Google porterà queste funzionalità anche alle aziende tramite Google Cloud. Realtà come BASF (il colosso tedesco della chimica, tra i maggiori produttori al mondo nel settore) stanno già usando AlphaEvolve per ottimizzare le catene di fornitura, mentre Klarna (la società svedese specializzata nei pagamenti digitali e nel credito al consumo) lo ha utilizzato per ottimizzare uno dei propri modelli di intelligenza artificiale, raddoppiandone la velocità di addestramento.
Sul fronte della ricerca, organizzazioni come Daiichi Sankyo, Bayer Crop Science e i laboratori nazionali statunitensi (nell’ambito della Missione Genesis del Dipartimento dell’energia degli Stati Uniti) stanno impiegando Co-Scientist per accelerare le proprie attività. Google sottolinea inoltre la collaborazione con oltre cento istituzioni scientifiche, tra cui la Stanford University, l’Imperial College London e il Crick Institute, per validare questi sistemi. Per garantire l’affidabilità degli output generati dall’intelligenza artificiale, è stata costituita una comunità di tester che include dottorandi, ricercatori e premi Nobel.
Google ha avviato anche progetti pilota con alcune delle più importanti conferenze scientifiche internazionali, tra cui ICML, STOC e NeurIPS, per sviluppare strumenti sperimentali di revisione paritaria e validazione scientifica basati sull’intelligenza artificiale, come il Paper Assistant Tool e ScholarPeer.