Исследование
Gemini for Science от Google соединяет ИИ с 30 базами данных в области наук о жизни — новая эра ускорения исследований
Анонсированный на Google I/O 2026, Gemini for Science интегрирует передовые модели Google с более чем 30 основными базами данных и инструментами в области наук о жизни, позволяя исследователям выполнять запросы по геномике, структуре белка и климатическим данным в масштабе, который ранее был невозможен.
Патрик Т ·
Среди объявлений на конференции Google I/O 2026 проект Gemini for Science получил меньше внимания, чем продукты для конечных пользователей — но он может оказаться самым значимым. Инициатива, объявленная 28 мая, соединяет передовые модели ИИ Google с более чем 30 основными базами данных и инструментами в области наук о жизни с помощью набора Научных Навыков для платформы Gemini Enterprise Agent и Google Antigravity. Цель состоит в том, чтобы дать исследователям возможность выполнять запросы, синтезировать информацию и рассуждать на основе наборов данных, которые исторически были изолированы, несовместимы и доступны только специалистам с глубокими техническими знаниями.
Масштаб интеграции значителен. Более 30 баз данных включают репозитории геномики, базы данных по структуре белков, включая базу данных структур белков AlphaFold, наборы данных климатических моделей и архивы биомедицинской литературы. Исследователи, использующие Gemini for Science, теоретически могут задать один запрос, который использует данные из нескольких баз данных одновременно — то, для чего ранее требовалась либо ручная интеграция данных командой специалистов, либо разработка собственных программных конвейеров.
Что может делать инструмент
Google продемонстрировала несколько возможностей во время основной презентации на конференции I/O. В одном примере исследователь задал системе вопрос о взаимосвязи между конкретным генетическим вариантом и набором структур белков, и Gemini for Science вернул синтезированный анализ, используя данные геномики, структурной биологии и клинических испытаний одновременно. В другом демонстрационном примере систему использовали для идентификации кандидатов на соединения для программы открытия новых лекарств, проводя умозаключения по базам данных молекулярной биологии и опубликованной научной литературе.
Gemini for Science может одновременно запрашивать 30 баз данных в области биологических наук — геномика, структуры белков, климатические данные, биомедицинская литература. Задача, которая раньше требовала команду специалистов и недель интеграции данных, теперь может быть выполнена за считанные минуты.
Перспектива Стэнфорда
Исследователи Института ИИ Человеко-Центрированной Эпистемологии Стэнфорда, которые опубликовали соответствующий анализ на этой неделе, отметили, что ИИ уже трансформирует возможности научных открытий — от разработки новых антител до симуляции 1000 лет климата за один день. Анализ института подчеркнул, что наиболее значительное краткосрочное влияние инструментов вроде Gemini for Science, вероятно, будет заключаться в сокращении времени и объёмов экспертизы, необходимых для доступа и синтеза существующих знаний, а не в создании принципиально новых научных открытий. Это различие имеет значение: ускорение доступа к существующим знаниям ценно, но это отличается от вида творческого выдвижения гипотез, который определяет преобразующую науку.
Практические сложности применения ИИ в научных исследованиях также значительны. Качество данных, их происхождение и воспроизводимость — основы научной достоверности — не гарантируются системами ИИ, которые синтезируют данные из нескольких баз. Модель, использующая геномные данные из одного хранилища и данные клинических испытаний из другого, может выдавать на вид правдоподобные выводы, которые невозможно воспроизвести, потому что исходные наборы данных напрямую не сравнимы. Google признала эти трудности и заявила, что Gemini для науки включает отслеживание происхождения данных, чтобы исследователи могли проверять источники любого синтезированного вывода.
Конкурентная среда
Google не единственная компания, стремящаяся создать инструменты научных исследований на базе ИИ. Платформа Microsoft Azure AI for Health and Life Sciences, развертывания Claude от Anthropic, ориентированные на исследования, и растущее число специализированных стартапов — все они конкурируют за один и тот же рынок. В качестве дифференциатора Google делает ставку на широту и глубину интеграций своей базы данных — возможность подключить единый ИИ-интерфейс к большему количеству авторитетных научных источников данных, чем любой конкурент. Насколько устойчивым окажется это преимущество интеграции, будет зависеть от того, насколько быстро другие платформы смогут установить сопоставимые партнерские отношения с основными научными базами данных.
Более широкий вопрос, поднятый Gemini for Science и его конкурентами, заключается в следующем: что это значит для научного дела, когда ИИ может синтезировать информацию из всей опубликованной литературы и основных баз данных одновременно. Ответ заключается не просто в том, что наука будет развиваться быстрее — хотя, вероятно, так и будет. Суть в том, что навыки, необходимые для занятия наукой, изменятся, вопросы, которые можно будет решать, расширятся, а отношения между учёными и инструментами, которыми они пользуются, кардинально изменятся по сравнению с тем, какими они были за прошлый век.
Темы: Google, Gemini, Наука, Исследования, Науки о жизни, Открытия с помощью ИИ