Google chce, żeby agent proponował hipotezy i pisał kod eksperymentalny zamiast naukowca

Google Research na I/O 2026 nie pokazał tylko kolejnego zestawu dem AI. Główny przekaz jest konkretniejszy: praca naukowa ma przejść od asystenta chatowego do systemu agentowego, który proponuje hipotezy, pisze kod eksperymentalny, ocenia wyniki i pomaga z literaturą. ERA i Co-Scientist to nie dodatkowe funkcje Gemini, lecz próba reorganizacji cyklu pracy badacza.

ERA i Co-Scientist celują w środkowe etapy, gdzie kumuluje się mechaniczna praca badacza

Google opisał kilka narzędzi badawczych wokół Gemini for Science. Empirical Research Assistance (ERA) to system do pisania i optymalizacji empirycznego oprogramowania badawczego, z przykładami od neuronauki po prognozowanie sezonowego odpływu w dorzeczach Kalifornii. Co-Scientist to multi-agentowy system, który generuje, ocenia i dopracowuje hipotezy.

Do tego dochodzą Computational Discovery, Hypothesis Generation, Literature Insights, Science Skills dla agentic coding i eksperymentalny Paper Assistant Tool dla peer review. Zamiar jest jasny: wprowadzić AI w środkowe etapy badań, gdzie koncentruje się najbardziej mechaniczna praca, a nie tylko jako partnera chatowego przy tworzeniu pomysłów.

Nauka ma problem dokładnie tam, gdzie agent obiecuje pomoc

Badacz musi przejrzeć literaturę, napisać kod, zaprojektować eksperyment, uruchomić warianty, sprawdzić wyniki i obronić wniosek. Jeśli agent potrafi bezpiecznie iterować nad hipotezą i kodem, może zmienić tempo badań w dziedzinach, gdzie wąskim gardłem jest przygotowanie i ocena eksperymentów.

To ważniejsze niż sam branding Gemini. Ale działa tylko pod warunkiem, że wyniki agenta są audytowalne, a badacz rozumie je na tyle, by zobaczyć, gdzie agent mógł się pomylić.

Agent generuje hipotezy i eleganckie błędy jednakowo: bez audytu są nie do odróżnienia

Największe ryzyko to fałszywa pewność. Agent naukowy, który generuje hipotezy, może też generować eleganckie błędy. Cytowania, asystent peer review i metryki pomagają, ale nie zastępują odpowiedzialności laboratorium, recenzenta i eksperta domenowego.

Drugą kwestią jest dostęp i vendor lock-in. Jeśli najlepsze narzędzia do naukowego workflow będą związane z chmurą, modelami i platformą jednego dostawcy, infrastruktura badań przesunie się bliżej komercyjnego stacku. Dla instytucji akademickich z zobowiązaniami do otwartego dostępu to poważna kwestia.

Sygnałem będzie replikowalny wynik poza blogiem Google i wyraźna granica dla Paper Assistant

Warto śledzić, czy Google pokaże replikowalne wyniki poza własnym blogiem i czy narzędzia trafią do badaczy w formie możliwej do audytu. Przy Paper Assistant Tool kluczowe będzie to, czy konferencje takie jak NeurIPS, ICML czy STOC utrzymają wyraźną granicę między pomocą autorom a niewidocznym wpływem na ocenę pracy.

Dla Gemini for Science testem będzie to, czy narzędzia naprawdę skracają drogę od hipotezy do zweryfikowanego wyniku, czy tylko produkują więcej tekstu i wariantów, które badacz musi posprzątać.

Werdykt Lilith

Google nie daje tu naukowcom tylko mądrzejszego chatbota. Chce zbudować laboratorium, w którym agent projektuje protokół, a człowiek nadal musi pilnować, czy na stole nie leży pięknie sformułowany błąd.