Imagine uma ferramenta que consegue ajudar cientistas a formular hipóteses científicas em dias, em vez de anos.
Parece ficção científica, mas é exatamente isso que o Google está propondo com sua mais recente atualização do modelo de inteligência artificial Gemini 2.0, agora apelidado de “Co-cientista de IA”.
Essa nova versão foi projetada para ser uma assistente colaborativa, acelerando o processo de descoberta científica de uma forma que até pouco tempo atrás parecia impossível.
Mas como isso funciona? A grande sacada está em uma técnica chamada “test-time scaling”, que basicamente faz a IA usar uma quantidade enorme de poder de computação no momento em que está processando uma tarefa, em vez de gastar toda essa energia durante o treinamento.
O que permite que o modelo refine suas respostas de maneira iterativa, melhorando sua capacidade de “raciocínio” a cada passo.
O resultado? Uma máquina que não só revisa estudos científicos, mas também gera hipóteses novas e originais, tudo em um tempo absurdamente rápido.
Um exemplo impressionante disso aconteceu quando o Co-cientista formulou uma hipótese sobre como bactérias evoluem para se tornar patógenos em apenas dois dias.
Para se ter uma ideia, um grupo de cientistas do Imperial College de Londres levou uma década de pesquisas e experimentos para chegar à mesma conclusão.
A IA usa uma série de “agentes” especializados que trabalham em conjunto: um gera ideias, outro reflete sobre elas, um terceiro as classifica e assim por diante.
Tudo isso é feito de forma paralela, com um sistema de gerenciamento de memória para armazenar resultados intermediários.
O Co-cientista também se inspira em avanços recentes de outros modelos de IA, como o DeepSeek R1, que utiliza técnicas de aprendizado por reforço para aprimorar sua capacidade de raciocínio em tarefas complexas.
O Google incorporou essa ideia, mas levou um passo adiante, aplicando o conceito de “test-time scaling” de forma ainda mais intensa.
Enquanto o DeepSeek R1 já demonstrou o potencial de usar grandes quantidades de poder de computação para refinar suas respostas, o Co-cientista leva isso a um novo patamar, usando uma estrutura multiagente para gerar e avaliar hipóteses científicas de maneira eficiente.
E o mais interessante é que o Co-cientista não para por aí. Ele também ranqueia as hipóteses geradas, usando um método semelhante ao ranking de jogadores de xadrez, para determinar quais ideias são as mais promissoras.
No final, os cientistas recebem uma lista priorizada de sugestões, prontas para serem testadas em laboratório.
Apesar de todo o potencial, ainda há desafios. O consumo de energia para rodar um sistema como esse é enorme, e o Google não divulgou detalhes sobre isso.
No entanto, os pesquisadores acreditam que, com a queda nos custos de computação — tendência já observada em modelos como o DeepSeek R1 —, ferramentas como o Co-cientista se tornarão cada vez mais acessíveis para laboratórios ao redor do mundo.
✨ Curtiu este conteúdo?
O GDiscovery está aqui todos os dias trazendo informações confiáveis e independentes sobre o universo Google - e isso só é possível com o apoio de pessoas como você. 🙌
Com apenas R$ 5 por mês, você ajuda a manter este trabalho no ar e leva informação de qualidade para ainda mais gente!
