Imagina una herramienta que puede ayudar a los científicos a formular hipótesis científicas en días, en lugar de años.
Parece ciencia ficción, pero es exactamente lo que Google está proponiendo con su última actualización del modelo de inteligencia artificial Gemini 2.0, ahora apodado «Co-científico de IA».
Esta nueva versión está diseñada para ser un asistente colaborativo, acelerando el proceso de descubrimiento científico de una manera que hasta hace poco tiempo parecía imposible.
Pero, ¿cómo funciona? El gran truco está en una técnica llamada «test-time scaling», que básicamente hace que la IA utilice una cantidad enorme de poder de computación en el momento en que está procesando una tarea, en lugar de gastar toda esa energía durante el entrenamiento.
Esto permite que el modelo refine sus respuestas de manera iterativa, mejorando su capacidad de «razonamiento» en cada paso.
El resultado es una máquina que no solo revisa estudios científicos, sino que también genera hipótesis nuevas y originales, todo en un tiempo absurdamente rápido.
Un ejemplo impresionante de esto ocurrió cuando el Co-científico formuló una hipótesis sobre cómo las bacterias evolucionan para convertirse en patógenos en solo dos días.
Para tener una idea, un grupo de científicos del Imperial College de Londres tardó una década de investigaciones y experimentos para llegar a la misma conclusión.
La IA utiliza una serie de «agentes» especializados que trabajan juntos: uno genera ideas, otro reflexiona sobre ellas, un tercero las clasifica y así sucesivamente.
Todo esto se hace de forma paralela, con un sistema de gestión de memoria para almacenar resultados intermedios.
El Co-científico también se inspira en avances recientes de otros modelos de IA, como el DeepSeek R1, que utiliza técnicas de aprendizaje por refuerzo para mejorar su capacidad de razonamiento en tarefas complejas.
Google incorporó esta idea, pero la llevó un paso más allá, aplicando el concepto de «test-time scaling» de manera aún más intensa.
Mientras que el DeepSeek R1 ya demostró el potencial de usar grandes cantidades de poder de computación para refinar sus respuestas, el Co-científico lleva esto a un nuevo nivel, utilizando una estructura multiagente para generar y evaluar hipótesis científicas de manera eficiente.
Y lo más interesante es que el Co-científico no se detiene ahí. También clasifica las hipótesis generadas, utilizando un método similar al ranking de jugadores de ajedrez, para determinar cuáles ideas son las más prometedoras.
Al final, los científicos reciben una lista priorizada de sugerencias, listas para ser probadas en el laboratorio.
A pesar de todo el potencial, aún hay desafíos. El consumo de energía para ejecutar un sistema como este es enorme, y Google no ha divulgado detalles al respecto.
Sin embargo, los investigadores creen que, con la caída en los costos de computación —una tendencia ya observada en modelos como el DeepSeek R1—, herramientas como el Co-científico se volverán cada vez más accesibles para laboratorios de todo el mundo.
