جمنای برای علم

قرن‌هاست که روش علمی بزرگ‌ترین موتور محرک پیشرفت بشر بوده است. گوگل نیز مأموریت خود عمیقاً ساخت ابزارهایی برای تسریع این روند می‌داند و بر این باور است که عصر جدید اکتشاف از طریق مدل‌های محدود و تخصصی رقم نخواهد خورد، بلکه توسط عامل‌های هوشمند عمومی (general agents) که پژوهشگران را در تمامی حوزه‌های علمی توانمند می‌سازند، محقق خواهد شد. ازاین‌رو گوگل «جمنای برای علم» (Gemini for Science) را معرفی می‌کند؛ مجموعه‌ای از ابزارها و آزمایش‌های علمی که برای گسترش مقیاس و دقت اکتشافات علمی طراحی شده‌اند.

یک ضریب فزاینده برای نبوغ انسانی

امروزه علم با یک پارادوکس مواجه است؛ دانش جمعی ما با چنان سرعتی درحال‌رشد است که دیدن تصویر کامل برای دانشمندان به‌صورت فردی دشوارتر می‌شود. پیشرفت‌های علمی اغلب بر ایجاد ارتباطات خلاقانه بین داده‌ها استوار است، اما زمان موردنیاز برای انجام دستی این کار ممکن است هفته‌ها یا حتی ماه‌ها به طول انجامد. هوش مصنوعی می‌تواند با مدیریت وظایف پیچیده، به رفع این گلوگاه کمک کرده و به‌عنوان یک ضریب فزاینده برای کارهای علمی عمل کند. این امر به پژوهشگران اجازه می‌دهد تا بر شناسایی و مقابله با تأثیرگذارترین مسائل و جهت‌گیری‌های علمی که محرک پیشرفت هستند، تمرکز کنند.

ابزارهای آزمایشی Gemini for Science در Google Labs شامل سه نمونه اولیه است که برای مدیریت چنین وظایفی طراحی شده‌اند:

فرضیه‌سازیبا Co-Scientist:

ایده‌پردازی ضربان قلب علم است، اما هیچ انسانی قادر به ترکیب و تلفیق میلیون‌ها مقاله منتشر شده در سال نیست. «تولید فرضیه» (Hypothesis Generation) با شبیه‌سازی روش علمی این شکاف را پر می‌کند. ابزار Co-Scientist با پژوهشگران برای تعریف یک چالش تحقیقاتی همکاری می‌کند و سپس از یک «تورنمنت ایده‌های چندعاملی» (multi-agent idea tournament) برای تولید، بحث و ارزیابی فرضیه‌ها بهره می‌برد. برای اطمینان از دقت و صحت کامل، ادعاها به طور عمیق راستی‌آزمایی شده و با استنادهای (citations) قابل کلیک پشتیبانی می‌شوند.

اکتشاف محاسباتی با AlphaEvolve و ERA:

پیشرفت علمی اغلب به تعداد فرضیه‌هایی محدود می‌شود که می‌توانیم به طور واقع‌بینانه با آزمایش‌های محاسباتی تست کنیم. «اکتشاف محاسباتی» (Computational Discovery) که یک موتور جست‌وجوی مبتنی بر عامل (agentic research engine) است، نمونه اولیه‌ای است که این مشکل را با تولید و امتیازدهی موازی به هزاران نسخه مختلف از کد حل می‌کند. این ابزار باتکیه‌بر AlphaEvolve و ERA (Empirical Research Assistance) به دانشمندان اجازه می‌دهد تا رویکردهای مدل‌سازی نوین را برای حوزه‌های پیچیده‌ای؛ مانند پیش‌بینی وضعیت خورشیدی یا همه‌گیرشناسی آزمایش کنند؛ کاری که پیمایش دستی آن ماه‌ها زمان می‌برد.

بینش‌های متون علمی با NotebookLM:

درک متون علمی بخش اصلی تمامی سفرهای پژوهشی است. «بینش‌های متون علمی» (Literature Insights) ادبیات علمی را جستجو کرده و نتایج را در قالب جداولی با ویژگی‌های سفارشی و قابل‌جست‌وجو برای تحلیل تطبیقی ساختار می‌بخشد. پژوهشگران می‌توانند از طریق چت، تفاوت‌های ظریف و دقیق مبتنی بر پیکره انتخاب‌شده خود را کشف کنند و مصنوعات هوش مصنوعی با کیفیت بالایی مانند گزارش‌ها، اسلایدها، اینفوگرافیک‌ها و خلاصه‌های صوتی و تصویری ایجاد نمایند. با قدرت NotebookLM، این ابزار به ترکیب یافته‌های مقالات مختلف، شناسایی شکاف‌های تحقیقاتی و کشف حوزه‌های فرصت کمک می‌کند.

دسترسی به Gemini for Science

گوگل به‌تدریج دسترسی به این ابزارها را باز خواهد کرد و برای ثبت‌نام و اعلام علاقه‌مندی، به labs.google/science مراجعه کنید.

فراتر از آزمایش‌های فردی، گوگل این قابلیت‌های پیشرفته هوش مصنوعی را از طریق Google Cloud به سازمان‌های نیز ارائه می‌دهد. راهکارهای در سطح سازمانی گوگل برای تحقیق‌وتوسعه علمی و صنعتی هم‌اکنون توسط طیف وسیعی از شرکا در مرحله پیش‌نمایش خصوصی برای ایجاد تأثیرات در دنیای واقعی در حال استفاده است. شرکت‌هایی مانند BASF از AlphaEvolve برای بهینه‌سازی زنجیره تأمین خود استفاده می‌کنند و Klarna از آن برای ارتقای مدل‌های یادگیری ماشین خود بهره می‌برد. به‌موازات آن، سازمان‌هایی مانند Daiichi Sankyo، Bayer Crop Science و آزمایشگاه‌های ملی ایالات متحده (به‌عنوان بخشی از مأموریت Genesis وزارت انرژی ایالات متحده) از Co-Scientist برای تسریع تحقیقات خود و مقابله با چالش‌های علمی استفاده می‌کنند. این ابزارهای سازمانی در فاز پیش‌نمایش فعلی خود ارزش قابل‌توجهی را نشان می‌دهند.

تاکنون چندین مقاله اعتبارسنجی بر اساس این ابزارها و سایر ابزارها منتشر شده است. مقالات پژوهشی مربوط به ERA  و Co-Scientist در نشریه Nature منتشر شده‌اند.

یک میز کار علمی روی دسکتاپ شما

به‌عنوان بخشی از «جمنای برای علم»، گوگل بخش «مهارت‌های علمی» (Science Skills) را راه‌اندازی کرده است؛ یک بسته تخصصی که اطلاعات بیش از ۳۰ پایگاه‌داده و ابزار اصلی علوم زیستی از جمله UniProt ،AlphaFold Database ،AlphaGenome API  و  InterPro را ادغام می‌کند. استفاده از این مهارت‌ها در پلتفرم‌های مبتنی بر عامل مانند Google Antigravity به پژوهشگران اجازه می‌دهد تا جریان‌های کاری پیچیده و اغلب دستی مانند بیوانفورماتیک ساختاری و تحلیل‌های ژنومیک را به‌جای ساعت‌ها، در عرض چند دقیقه انجام دهند.

تیم‌های تحقیقاتی گوگل که از «مهارت‌های علمی» استفاده می‌کنند، پیش‌تر این افزایش سرعت را در عمل مشاهده کرده‌اند. در آزمایش‌های اولیه، تیم گوگل با استفاده از Science Skills یک تحلیل پیچیده که به طور معمول ساعت‌ها زمان می‌برد را در عرض چند دقیقه انجام داد. این امر منجر به بینش‌های نوینی در مورد سازوکارهای بالقوه یک بیماری ژنتیکی نادر ناشی از جهش در ژن AK2 شد.

برای کسب اطلاعات بیشتر در مورد نحوه استفاده از Science Skills در Google Antigravity، به antigravity.google/use-cases/science. مراجعه کنید.

تلاشی مشترک با جامعه علمی

گوگل در حال همکاری با بیش از ۱۰۰ مؤسسه از جمله دانشگاه استنفورد در زمینه فیبروز کبدی، کالج امپریال لندن در مورد مقاومت ضدمیکروبی و یک برنامه چندساله با مؤسسه کریک (The Crick Institute) برای اعتبارسنجی سیستم‌ها و ابزارهای جدید خود است. برای اطمینان از یکپارچگی و صحت بینش‌های تولیدشده توسط هوش مصنوعی، گوگل یک جامعه از آزمایش‌کنندگان مورداعتماد متشکل از دانشجویان دکتری، پژوهشگران صنعتی تا برندگان جایزه نوبل را ایجاد کرده تا سامانه‌هایش را در برابر چالش‌های پیچیده دنیای واقعی تحت آزمون تنش قرار دهند.

علاوه بر این، گوگل طرح‌های آزمایشی اختصاصی با کنفرانس‌های علمی پیشرو مانند ICML، STOC و NeurIPS ایجاد کرده‌است تا ابزارهای پیشگامی برای داوری همتای مبتنی بر عامل (agentic peer review) و اعتبارسنجی علمی توسعه دهد، از جمله ابزارهایی مانند «ابزار دستیار مقاله» (Paper Assistant Tool (PAT)) و ScholarPeer.

تمامی این کارها بر پایه تاریخچه طولانی پیشرفت‌های هوش مصنوعی استوار است. مدل‌های هوش مصنوعی تخصصی گوگل نیز به این پیشرفت‌ها کمک می‌کنند. AlphaFold به بیش از ۳ میلیون پژوهشگر در مقابله با واکسن‌های مالاریا و آنزیم‌های تجزیه‌کننده پلاستیک کمک کرده است و AlphaGenome  به دانشمندان در شناسایی عوامل محرک بیماری‌ها یاری می‌رساند. این ابزارها در کنار ابزارهای روزمره‌ای قرار دارند که پژوهشگران به آن‌ها متکی هستند؛ از Google Scholar و Earth Engine گرفته تا Colab ،MedGemma ،Earth AI و Gemini Deep Research. با جدیدترین نسخه Gemini Deep Think، گوگل همچنان به بهبود قابلیت‌های مدل اصلی خود در وظایف پیچیده علمی ادامه می‌دهد. این ابزارها در کنار هم هم‌اکنون به بخش‌های ضروری اکوسیستم علمی تبدیل شده‌اند و به پژوهشگران در سازماندهی اطلاعات و انجام تحلیل‌های داده‌ای پیچیده در مقیاس وسیع کمک می‌کنند.