Google DeepMind ha ampliado su sistema AI Co-Scientist de agentes múltiples de un generador de hipótesis a un socio de investigación integrado en el laboratorio que planifica experimentos, escribe códigos, controla equipos de laboratorio y genera manuscritos científicos, según un informe de The Decoder publicado el 28 de agosto. El sistema, construido sobre los modelos Gemini actuales de Google, ha arrojado resultados validados experimentalmente en tres disciplinas (ciencia de materiales, biología e informática), según un artículo del autor principal Samuel Schmidgall y sus colegas.
Introducido por primera vez en febrero de 2025 en Gemini 2.0 con debilidades conocidas en la verificación de hechos y la revisión de la literatura, el Co-Scientist ampliado ahora ejecuta lo que los investigadores llaman un flujo de trabajo de investigación de circuito cerrado. Deriva hipótesis de una pregunta de investigación, crea planes experimentales o protocolos de laboratorio legibles por máquina, los ejecuta, analiza los resultados y los escribe, mientras módulos de verificación separados verifican cada afirmación numérica en el texto con los registros de ejecución del código que generó, un ataque directo al problema de los resultados fabricados que ha plagado a los agentes de investigación autónomos.
El trabajo es el último hito en los últimos desarrollos de IA en torno a agentes de investigación autónomos y uno de los primeros en acoplar un sistema basado en LLM al hardware de laboratorio físico a este nivel.
De las hipótesis a los protocolos de laboratorio húmedo
En ciencia de materiales, DeepMind combinó a Co-Scientist con un horno semiautomático de alta temperatura. El sistema encontró una ruta de síntesis más segura para un material 2D muy buscado que anteriormente se producía principalmente mediante grabado peligroso, y generó recetas de crecimiento completas adaptadas al horno específico con el que estaba trabajando. Después de 25 rondas de iteración con refinamiento humano, el equipo produjo estructuras en capas cuyas propiedades se asemejan al material objetivo, aunque la confirmación definitiva de la estructura atómica aún está pendiente.
En un segundo experimento se sintetizaron con éxito en el primer intento tres películas delgadas de semiconductores. Al utilizar Gemini 3 Deep Think para el control directo del equipo, Co-Scientist redujo el tiempo de desarrollo de recetas de días a minutos. Los seres humanos todavía tenían que cargar muestras y materiales precursores manualmente, y el modo rápido produjo cristales más pequeños y menos uniformes que las recetas cuidadosamente optimizadas, un recordatorio de que el bucle aún no está completamente desactivado.
En biología, el sistema construyó de forma autónoma un proceso de análisis de imágenes que predice qué patrones se forman las colonias de E. coli genéticamente modificadas en diferentes concentraciones químicas. Las predicciones generadas con Gemini 3 Pro Image coincidieron con resultados de laboratorio no publicados en tres de cuatro características de forma. Los investigadores señalan que el sistema sólo razona entre condiciones conocidas y aún no puede predecir el comportamiento en sistemas experimentales completamente nuevos.
Una IA autónoma que diseña otra IA
El experimento informático se llevó a cabo sin ninguna participación humana más allá de la configuración inicial. El cocientífico diseñó "Agent_H", una arquitectura de inteligencia artificial médica que clasifica las consultas entrantes, genera docenas de respuestas candidatas en paralelo y las refina. Después de corregir respuestas demasiado largas, Agent_H superó a seis modelos de frontera, incluidos GPT-5 y Claude Opus 5, en puntos de referencia de salud.
Luego vino la prueba de la realidad. Tres médicos certificados calificaron las respuestas en una comparación ciega en nueve categorías, y Agent_H mostró una ventaja estadísticamente significativa sobre el Gemini 3.1 Pro básico en solo una: un menor riesgo de respuestas potencialmente dañinas. Los evaluadores de referencia automatizados se correlacionaron sólo débilmente con los juicios de los médicos.
Esa brecha entre las puntuaciones de referencia y la utilidad clínica es posiblemente el hallazgo más importante del estudio. Los investigadores sugieren que los puntajes automatizados altos no significan necesariamente que un sistema brinde mejores respuestas desde una perspectiva médica, lo que plantea preguntas incómodas sobre qué miden realmente los puntos de referencia de la IA.
Recortar la fabricación del 46% al 4%
El principal modo de fracaso de los agentes de investigación autónomos es la fabricación: cuando un agente es recompensado por producir buenos resultados, tiene un incentivo para compensarlos. Análisis anteriores documentaron tasas de fabricación del 80 al 100 por ciento en los sistemas existentes.
El cocientífico ataca el problema con dos mecanismos. El sistema es penalizado por contenido fabricado o plagiado, y un módulo de verificación separado verifica cada reclamo numérico con los resultados reales de su código ejecutado. En un estudio doble ciego en el que participaron 30 expertos en el campo y 450 revisiones independientes de 150 artículos generados de forma autónoma, los resultados fueron contundentes:
- 4% de los artículos fabricaron resultados clave con módulos de confiabilidad activos, versus 46% sin ellos.
- El sistema de comparación alcanzó el 90% de fabricación de resultados clave.
- Los datos completamente inventados nunca aparecieron en la producción de Co-Scientist, pero sí en el 44% de los artículos del sistema de comparación.
- El contenido casi plagiado cayó del 60% al 16%.
- Una arquitectura de seguridad integrada rechazó 98,7% de direcciones de investigación potencialmente dañinas.
No estoy listo para reemplazar a los científicos
Quedan errores residuales. El sistema tiende a generar informes selectivos y Schmidgall reconoce que escribe "métodos altamente plausibles en el artículo que no coinciden con su código real". Si las recetas de la ciencia de los materiales se transfieren a otros laboratorios es una cuestión abierta, y los resultados de la biología, aunque prometedores, cubren sólo una clase limitada de predicciones.
Aún así, la trayectoria es clara. Un sistema que comenzó como un generador de hipótesis hace dieciocho meses ahora puede planificar un experimento, operar un horno, analizar el resultado y redactar un manuscrito, y documentar, con verificación a nivel de registro, cuando sus propias afirmaciones son erróneas. La brecha entre el asistente de laboratorio y el investigador autónomo se está reduciendo, y las partes de la ciencia que siguen siendo obstinadamente humanas (el juicio, el gusto y la carga de muestras físicas) se están volviendo más fáciles de ver precisamente porque el resto se está automatizando.
---
Manténgase a la vanguardia de la IAObtenga las últimas noticias, análisis y avances en IA, todo en un solo lugar.
Leer más noticias sobre IA →
