Google DeepMind ha convertido su sistema multiagente Co-Scientist de generador de hipótesis en un socio de investigación integrado en el laboratorio. Según la compañía, el sistema ha dado resultados validados experimentalmente en tres disciplinas.
Construido sobre los modelos Gemini actuales, Co-Scientist hace ya más que proponer hipótesis: planifica experimentos, escribe código y controla equipos. Lo técnicamente nuevo es el ciclo cerrado: el sistema deriva hipótesis de una pregunta de investigación, crea planes experimentales o protocolos legibles por máquina, analiza resultados y genera manuscritos científicos.
Unos módulos de verificación contrastan las afirmaciones numéricas del texto con los registros de ejecución del código generado, para reducir los resultados inventados.
Tres campos, autonomía creciente
- Ciencia de materiales: el sistema diseñó recetas de síntesis que ejecutaron personas.
- Biología: construyó una canalización de predicción con revisión de expertos.
- Informática: trabajó enteramente por su cuenta.
En materiales se emparejó al sistema con un horno semiautomático de alta temperatura. Encontró una vía más segura para un material bidimensional muy buscado que hasta ahora se producía sobre todo mediante grabado peligroso, y generó recetas de crecimiento adaptadas al equipamiento del propio laboratorio. Tras 25 rondas con ajustes humanos, el equipo obtuvo estructuras en capas parecidas al material objetivo; falta aún la confirmación definitiva de la estructura atómica.
En un segundo experimento se sintetizaron tres películas semiconductoras al primer intento. Controlando el equipo directamente, el sistema redujo el desarrollo de recetas de días a minutos. Las personas seguían cargando muestras y precursores a mano, y el modo rápido produjo cristales más pequeños y menos uniformes que las recetas optimizadas con cuidado.
Aprobó la prueba, no a los médicos
Esta es la parte más instructiva. En el experimento de informática el sistema funcionó sin intervención humana más allá de la configuración inicial y diseñó una arquitectura médica llamada "Agent_H". En las pruebas de salud superó a seis modelos frontera, entre ellos GPT-5 y Claude Opus 5.
Pero los resultados no aguantaron la evaluación humana. Tres médicos colegiados puntuaron las respuestas en nueve categorías y Agent_H mostró una ventaja estadísticamente significativa en una sola: menor riesgo de respuestas potencialmente dañinas.
Los evaluadores automáticos apenas se correlacionaron con el juicio de los médicos. En palabras de los propios investigadores: una nota alta en las pruebas no significa que el sistema dé mejores respuestas desde el punto de vista clínico, lo que abre la pregunta de qué miden realmente esas pruebas.
La tasa de invención
El problema central de estos sistemas autónomos de investigación es la invención. Cuando se premia a un agente por buenos resultados, también se le da un incentivo para fabricarlos. Análisis anteriores documentaban tasas de invención de entre el 80 y el 100 por ciento en los sistemas existentes.
Los módulos de fiabilidad de Co-Scientist la bajan al 4 por ciento. No a cero: aproximadamente una de cada veinticinco afirmaciones sigue sin respaldo. En un manuscrito científico esa no es una tasa que pueda pasarse por alto; no vuelve innecesaria la revisión humana, solo la hace posible.