Научный лаборант, который не спит
Представьте: вы исследователь. У вас есть гипотеза, требующая проверки, и куча литературы, которую нужно переварить. Обычно на это уходят недели. А теперь представьте, что рядом с вами сидит ассистент, который за одну ночь перелопачивает миллионы статей, предсказывает поведение молекул и предлагает неочевидные связи. И он не просит кофе. Примерно так выглядит запуск Gemini for Science — платформы Google, которая вывела на сцену AI-агента Co-Scientist.
19 мая 2026 года Google официально объявила о интеграции Co-Scientist в исследовательские инструменты. Но еще до этого громкого релиза система успела наделать шума: на закрытом бета-тесте она нашла соединение, замедляющее старение клеток, и предсказала новую мутацию у бактерий, устойчивых к антибиотикам. И это не промо-сказки — за кейсами стоят опубликованные препринты и независимая валидация.
Ключевая фишка Co-Scientist — не просто генерация гипотез, а многошаговое рассуждение. Система использует цепочку специализированных агентов: один ищет по PubMed, другой моделирует молекулярную динамику, третий оценивает экспериментальную проверяемость. В конце выдается не абстрактная идея, а конкретный план эксперимента.
Случай №1: Как ИИ нашел «выключатель» старости
Команда из Института биологических исследований Солка (США) обратилась к Co-Scientist с задачей: найти молекулу, которая активирует путь репарации ДНК у стареющих клеток. Обычный скрининг тысяч соединений занял бы годы. Co-Scientist предложил всего 17 кандидатов, из которых три показали значимый эффект в клеточных культурах.
Секрет — в умении агента комбинировать данные из несвязанных областей. Он увидел: похожий молекулярный механизм уже использовался в другом контексте — для лечения митохондриальных заболеваний. «Мы бы никогда не додумались связать эти две области за одним столом переговоров», — признался в интервью один из авторов исследования.
«Co-Scientist не заменяет ученого. Он делает ученого в десять раз быстрее. И это пугает и вдохновляет одновременно.»
Сейчас команда готовит доклинические испытания на мышах. Если всё пойдет по плану, через три года мы увидим первые клинические испытания на людях. Ирония судьбы: молекулу, возможно, нашел ИИ, а назовут ее, скорее всего, в честь человека.
Случай №2: Предсказание супербактерий
Исследователи из Оксфорда попросили агента спрогнозировать, какие мутации появятся у штамма Klebsiella pneumoniae в ближайшие два года. Co-Scientist проанализировал эволюционную динамику, молекулярную структуру существующих антибиотиков и эпидемиологические данные. Результат: он назвал три мутации с вероятностью более 80%. Лабораторные тесты, проведенные через полгода, подтвердили одну из них. Более того: агент подсказал, какой антибиотик в этой ситуации будет работать, а какой — нет.
Здесь есть важный нюанс. Co-Scientist не делает предсказаний «в вакууме». Он использует симуляцию естественного отбора in silico, что-то вроде эволюционной игры, где выживают самые приспособленные молекулы. Этот подход Google уже оттачивала на Aletheia — агенте, который проверяет математические доказательства. Теперь методику применили к биологии.
Анатомия Co-Scientist: как он думает
Не буду грузить вас архитектурой до уровня тензоров. Но стоит понимать базовый принцип: Co-Scientist — это не одна большая нейросеть, а оркестр из специализированных агентов. Вот как это работает упрощенно:
- Data Miner — выкачивает информацию из научных баз (PubMed, arXiv, ClinicalTrials.gov).
- Hypothesis Generator — использует языковую модель Gemini 3 Deep Think для генерации идей.
- Simulator — запускает молекулярную динамику или предсказание структуры белка.
- Critic — находит слабые места в гипотезе, требует дополнительных данных.
- Experiment Designer — выдает конкретный протокол: какие реагенты, концентрации, временные точки.
Каждый агент может вызывать другие, итеративно уточняя результат. На выходе — PDF с планом исследования, который можно сразу отдать лаборанту. Или роботу-автоматизатору. Google явно намекает, что следующий шаг — полный цикл закрытой петли: ИИ ставит гипотезу, робот ставит эксперимент, результаты идут обратно в ИИ. Страшно? Немного. Эффективно? Безумно.
Кстати, о роботах: параллельно с этим релизом Google открыла доступ к Gemini 3 Deep Think для научных организаций — именно эта версия модели используется в Co-Scientist как «мозг». По слухам, она умеет рассуждать на уровне PhD по биологии, химии и математике.
А что с подводными камнями
Конечно, панацеи не случилось. Первое: Co-Scientist требует огромных вычислительных ресурсов. Запустить его на обычном ноутбуке не выйдет — нужны TPU-кластеры. Google это решает через облачный сервис, но для небольших лабораторий цена кусается (стартовый пакет — $5000 в месяц).
Второе: агент может ошибаться, особенно в областях с малым количеством данных. Был случай, когда он предложил эксперимент, который физически невозможно провести в текущих лабораторных условиях — пришлось вводить дополнительный агент-валидатор.
Третье: этика. Если Co-Scientist предложит технологию создания новых патогенов, кто будет нести ответственность? Google заявляет о встроенных фильтрах — они блокируют гипотезы, связанные с биологическим оружием. Но атаки на Gemini через массовый промптинг показывают: любые фильтры можно обойти, если постараться. Научное сообщество требует независимого аудита системы — Google пока молчит.
Что дальше: эпоха «супер-ученых»
Если смотреть в будущее, то Co-Scientist — это не просто инструмент. Это новый способ делать науку. Представьте, что через пять лет каждая крупная лаборатория будет иметь своего ИИ-ассистента, который круглосуточно генерирует и проверяет гипотезы. Темпы открытий ускорятся в разы. Но изменится и роль человека: ученый превратится в менеджера идей, который выбирает лучшие гипотезы и переводит их в реальность.
Не обойдется без странных последствий. Уже сейчас заметен тренд: исследователи начинают публиковать статьи, где Co-Scientist указан как соавтор. Вопросы авторских прав, научной честности и признания заслуг ИИ — горячая тема на ближайших конференциях. Возможно, скоро мы увидим Нобелевскую премию, врученную роботу (шучу, но не факт).
Лично я жду, когда Co-Scientist сможет самостоятельно прочитать результаты эксперимента и скорректировать следующую гипотезу. Это будет конец научных статей в их нынешнем виде — зачем писать paper, если ИИ уже всё знает? Впрочем, до полной автономии еще далеко. Пока что каждый успешный кейс — это результат коллаборации человека и машины. И как показал кейс с криптографией, иногда ИИ находит то, что людям не снилось. Наука становится игрой с бесконечными подсказками.
