De acordo com pt.wedoany.com-O Google DeepMind dos EUA lançou recentemente o Gemini for Science durante o Google I/O 2026. Este conjunto de ferramentas, voltado para investigadores, integra ferramentas experimentais do Google Labs e competências científicas do Google Antigravity, com o objetivo de aplicar a IA na geração de hipóteses, descoberta computacional, análise de literatura e utilização de ferramentas de ciências da vida.
O posicionamento do Gemini for Science não é fornecer aconselhamento médico a utilizadores comuns, mas sim oferecer um conjunto de ferramentas de IA experimentais para o fluxo de trabalho científico. A descrição oficial da Google refere que a investigação moderna enfrenta um paradoxo: o volume de artigos, bases de dados e resultados experimentais cresce demasiado rápido, tornando difícil para um único investigador organizar manualmente o panorama geral. Muitos avanços dependem de conexões complexas entre literatura, dados e modelos. O Gemini for Science procura que os agentes de IA assumam uma parte destas tarefas demoradas, como auxiliar na definição de questões de investigação, gerar hipóteses testáveis, testar paralelamente um grande número de variantes de código, organizar tabelas de literatura científica e gerar relatórios de investigação. Em comparação com um modelo de chat único, este conjunto de ferramentas aproxima-se mais de uma "bancada de trabalho científico": combina a capacidade de raciocínio profundo do Gemini, o Deep Think, o Deep Research, o Co-Scientist, o AlphaEvolve, a assistência à investigação empírica e ferramentas como o NotebookLM, e através das Science Skills, permite que o Google Antigravity se conecte a mais de 30 das principais bases de dados e ferramentas de ciências da vida.
As três categorias de ferramentas experimentais listadas na página oficial são: Geração de Hipóteses (Hypothesis Generation), Descoberta Computacional (Computational Discovery) e Perceções da Literatura (Literature Insights). A primeira gera, debate e avalia hipóteses científicas através de uma "competição de ideias" entre múltiplos agentes; a segunda é usada para gerar e classificar variantes de código em paralelo; e a terceira é orientada para a pesquisa bibliográfica, comparação estruturada e geração de materiais de investigação.
A investigação de doenças é a direção que mais atenção recebeu neste lançamento. Na palestra principal do Google I/O 2026, Demis Hassabis, CEO do Google DeepMind, apresentou o Gemini for Science no contexto da descoberta de fármacos e investigação de doenças, expressando o desejo de reimaginar o processo de descoberta de medicamentos, com o objetivo de longo prazo de um dia ajudar a "resolver todas as doenças". Esta afirmação rapidamente gerou discussão externa, pois o público tende a interpretar "IA acelera a investigação científica" como "a IA curará rapidamente todas as doenças". O The Verge, num comentário de 20 de maio, alertou que ferramentas como o Gemini for Science, AlphaFold e AlphaGenome podem de facto encurtar os ciclos de investigação, mas não podem saltar etapas como testes em animais, ensaios clínicos, revisão regulatória, validação ética, governação de enviesamento de dados e acessibilidade no mundo real; mesmo que a IA ajude a resolver a maioria das doenças, este caminho provavelmente levará pelo menos 20 anos, ou até mais.
Os casos demonstrados pela Google centram-se na aceleração da investigação e não em promessas clínicas. O site oficial do Gemini for Science menciona que estas ferramentas já estão a ser usadas em várias direções de investigação reais, incluindo o laboratório de Ben Luisi na Universidade de Cambridge, que utiliza um conjunto de ferramentas de IA para estudar a resistência antimicrobiana, e o Wang Lab da Universidade de Duke, que usa o modo Deep Think para otimizar o processo de crescimento de cristais semicondutores bidimensionais. A página oficial também lista o Co-Scientist como uma ferramenta para promover a geração de hipóteses científicas, e coloca o AlphaFold e o AlphaGenome na cadeia de descoberta das ciências da vida: o primeiro ajuda os investigadores a compreender a estrutura das proteínas, e o segundo é usado para prever o impacto de mutações na sequência de ADN humano. Para instituições farmacêuticas, médicas e de ciências da vida, o efeito direto destas ferramentas é aumentar a eficiência na conceção da investigação, absorção de literatura, teste de modelos e triagem de direções candidatas, e não substituir diretamente o sistema completo de validação do desenvolvimento de medicamentos.
O lançamento do Gemini for Science pelo Google DeepMind dos EUA indica que as ferramentas de IA para investigação científica estão a evoluir de "responder a questões científicas" para "integrar-se no fluxo de trabalho científico". A investigação de doenças pode ser a área que melhor demonstra o seu valor a longo prazo, mas "resolver todas as doenças" deve ainda ser entendido como uma visão científica de longo prazo; a mudança realmente observável a curto prazo é se os investigadores conseguem, com a ajuda da IA, propor hipóteses mais rapidamente, pesquisar evidências, projetar experiências computacionais e transformar as descobertas em planos experimentais verificáveis.
Este texto foi elaborado por Wedoany. Qualquer citação por IA deve indicar a fonte “Wedoany”. Em caso de infração ou outros problemas, informe-nos prontamente, por favor. O conteúdo será corrigido ou removido. E-mail: news@wedoany.com
