O Gemini AI do Google DeepMind começa a realizar experimentos no mundo real

Edição | Panda

Em Resident Evil, existe um laboratório localizado nas profundezas do subsolo chamado "The Hive". O acesso, monitoramento, ventilação, segurança e o funcionamento de toda a instalação são gerenciados por uma IA: a Rainha Vermelha.

Cientistas humanos são responsáveis pela pesquisa, mas a IA é quem realmente controla as "mãos e pés" deste laboratório.

Quando uma anomalia ocorre, a Rainha Vermelha pode fechar portas, cortar o sistema, controlar instalações e intervir diretamente no mundo físico.

Há mais de vinte anos, esse enredo ainda era um clássico das películas de ficção científica para criar sensações de medo: IA entrando no mundo físico, manipulando máquinas, realizando experimentos e intervindo diretamente no mundo real.

Agora, esta cena começa a entrar na realidade de uma maneira completamente diferente — pelo menos, por enquanto, não é assustadora.

Ontem, a Anthropic lançou o Model Hardware Standard (MHS) voltado para hardware físico, tentando estender a lógica do MCP além do GitHub, Slack e bancos de dados para dispositivos reais como braços mecânicos, microscópios, processadores de líquidos e lasers. Consulte a reportagem “Acabou de sair: Anthropic lança o MCP físico: Claude começa a assumir o mundo real”.

Em resumo, os agentes de IA não precisam mais apenas de uma “interface” para chamar softwares; agora, precisam de um conjunto de “neurônios e membros” que os conectem ao mundo real. E hoje, o Google DeepMind apresentou mais uma conquista nessa área.

Em um artigo recém-publicado de 83 páginas, o Google integrou o Co-Scientist impulsionado pelo Gemini ao processo científico real, permitindo que ele projetasse experimentos, gerasse código de execução, lesse feedback dos experimentos e se conectasse diretamente aos equipamentos experimentais. O Google chamou essa mudança de transição de "in-silico hypothesis generator" para "execution-grounded research partner", ou seja, gerador de hipóteses em silício → parceiro de pesquisa baseado em execução.

Na experiência mais direta, os pesquisadores forneceram às condições de um equipamento CVD autoconstruído ao Gemini 3 Deep Think. Poucos minutos depois, ele gerou um plano de crescimento de materiais adaptado a esse equipamento e, adicionalmente, traduziu o plano em código de máquina capaz de controlar o dispositivo. Por fim, os três semicondutores bidimensionais foram cultivados com sucesso em sua primeira tentativa.

Então, uma cena que antes existia principalmente em filmes de ficção científica tornou-se repentinamente realidade: quando os grandes modelos realmente ganham "mãos" e começam a operar equipamentos experimentais. Então, a partir de hoje, o AI Scientist se tornará o quê?

Em Resident Evil, os humanos temem que a IA assuma os laboratórios. Na realidade, cientistas estão ativamente entregando laboratórios à Clique aqui Entregue à IA. Claro, o que o Google quer criar não é um "enxame" descontrolado, mas uma máquina de descoberta científica capaz de passar da formulação de hipóteses ao design de experimentos e até à validação na realidade.

Título do artigo: Acelerando a Pesquisa Científica com Gemini no Mundo Real

Endereço do artigo: https://arxiv.org/pdf/2608.26701

Primeiro, ciência dos materiais.

Os pesquisadores usaram um equipamento de deposição química de vapor (CVD) montado por eles mesmos. Um problema persistente em experimentos com materiais bidimensionais é que as "receitas" públicas são difíceis de reproduzir.

Mesmos parâmetros, como temperatura, gás e precursores, ao serem utilizados em um forno diferente, com pequenas variações no tamanho da câmara, fluxo de gás e posição dos materiais, podem resultar em cristais completamente diferentes. Os pesquisadores frequentemente precisam gastar semanas ou até meses ajustando e reajustando os parâmetros.

Então, a equipe de pesquisa deixou de dizer ao Gemini como realizar os experimentos e em vez disso informou a ele quais equipamentos e quais produtos químicos estavam disponíveis no laboratório, bem como a estrutura dos fornos. Os parâmetros restantes foram decididos pelo IA por conta própria.

Co-Scientist gera um plano experimental completo, incluindo fluxo de gás, curvas de temperatura, quantidade de precursores e posição de colocação dos materiais, conforme essas restrições, e o envia para execução pelo equipamento experimental.

Um dos experimentos foi particularmente notável. Após conectar o Gemini 3 Deep Think ao fluxo de controle CVD, ele deixou de gerar um protocolo experimental em linguagem natural para os cientistas lerem lentamente e, em vez disso, realizou o raciocínio em poucos minutos, traduzindo diretamente os resultados em código de máquina capaz de controlar os dispositivos.

Finalmente, os três semicondutores bidimensionais — MoS₂, MoSe₂ e WS₂ — conseguiram crescer cristais monocamadas com sucesso na primeira experiência. Todo o processo experimental foi concluído em aproximadamente uma hora.

MoSe₂ e WS₂ são ainda mais especiais: os pesquisadores nunca antes haviam cultivado esses dois materiais nesse conjunto de equipamentos. Pelo menos cinco repetições subsequentes do experimento confirmaram os resultados.

Isso tem uma correspondência interessante com o MHS apresentado ontem pela Anthropic. A questão que a Anthropic busca resolver é como tornar mais fácil e padronizado para os Agentes reconhecerem e manipularem equipamentos experimentais; o artigo da Google discute o próximo passo: quando modelos de raciocínio já conseguem controlar equipamentos experimentais, como reestruturar os fluxos de trabalho científicos?

Nesse sentido, o "AI conectando hardware" já não é um problema.

No entanto, apenas permitir que o Gemini ajuste um conjunto de equipamentos com base em conhecimentos pré-existentes ainda não constitui uma descoberta científica verdadeira. Por isso, o Google realizou um segundo experimento mais difícil: tentar sintetizar, de baixo para cima, um material bidimensional chamado Ti₃C₂Tₓ MXene.

Rotas tradicionais geralmente envolvem agentes corrosivos perigosos, e algumas soluções CVD conhecidas utilizam TiCl₄ tóxico e sensível ao ar. A equipe de pesquisa, portanto, atribuiu à Co-Scientist a tarefa: será possível encontrar uma rota de precursores mais segura?

O Co-Cientista finalmente focou no hexacloroetano C₂Cl₆ e forneceu ainda uma série de parâmetros, incluindo número de precursores, posição, fluxo de gás, substrato e curva de temperatura.

Mas esta não é uma história de “um insight de IA que funcionou na primeira tentativa”. O Co-Scientist gerou 272 candidatos, e os pesquisadores selecionaram e aprimoraram os candidatos de maior classificação; após 25 rodadas de iteração experimental, finalmente obtiveram um cristal bidimensional em camadas. Ele apresenta características altamente semelhantes às do MXene Ti₃C₂Tₓ em múltiplos indicadores, incluindo XRD, microscopia eletrônica e composição elementar.

Os problemas do mundo real subsequentes também são típicos. A taxa de sucesso inicial na reprodução do experimento era de apenas 11,5%. Os pesquisadores posteriormente descobriram que o principal problema não era o raciocínio químico da IA, mas sim vazamentos de oxigênio causados por vedação inadequada dos equipamentos experimentais.

Após limpar novamente o tubo de quartzo, substituir os anéis de vedação e melhorar os processos de manutenção do equipamento, a taxa de sucesso dos experimentos com o mesmo material bidimensional aumentou para 68%.

Isso justamente ilustra por que a "IA do mundo real" é muito diferente dos agentes de software: se houver um erro no código, você pode executá-lo novamente. Mas em experimentos reais, um anel de vedação O envelhecido, resíduos nos tubos ou até mesmo o oxigênio no ar podem fazer com que um plano científico correto falhe completamente.

O Google também foi muito cauteloso no artigo: atualmente não é possível confirmar definitivamente que esse material seja Ti₃C₂Tₓ MXene, pois ainda apresenta problemas como baixo rendimento e oxidação severa, exigindo confirmação adicional por meio de caracterização em escala atômica.

Mesmo assim, podemos concluir que a IA já pode propor uma rota de síntese candidata com significado científico e, em seguida, levar realmente essa rota para experimentos físicos para validação.

O Google também colocou o Co-Scientist em um cenário experimental completamente diferente: biologia sintética. O objeto de estudo era um grupo de Escherichia coli geneticamente modificadas.

Essas bactérias formam padrões de colônias diferentes em placas de cultura. Quando a concentração do indutor IPTG varia, o tamanho, a borda e a forma das colônias também mudam. Normalmente, para obter toda a curva de variação, os cientistas precisam preparar diferentes concentrações, cultivar as bactérias, aguardar o crescimento e escanear cada placa individualmente.

O Google tentou fazer com que a IA preenchesse a parte intermediária de um experimento. Os pesquisadores forneceram ao Co-Scientist apenas imagens reais de colônias em concentrações parciais e pediram ao sistema para prever como as colônias deveriam parecer em concentrações intermediárias não vistas anteriormente. Além disso, esses dados experimentais ainda não haviam sido publicados, portanto, o artigo argumenta que o modelo não poderia simplesmente ter completado a tarefa memorizando os resultados dos dados de treinamento.

Como resultado, em quatro indicadores de morfologia de colônias, as previsões da IA não apresentaram diferenças significativas em três em relação aos resultados experimentais reais; ela também corretamente determinou que o grupo controle não sofreria alterações correspondentes com a concentração de IPTG.

O único problema óbvio é a "redondeza": as colônias geradas por IA são mais regulares do que na realidade. Isso está de acordo com o estilo típico dos modelos de geração: o mundo real não é tão perfeito, mas a IA não consegue resistir à tentação de torná-lo um pouco mais circular.

O Google também se mostrou contido na definição desse experimento: o que foi produzido até agora é uma interpolação dentro de um intervalo de concentrações conhecidas, e não uma previsão de fenômenos desconhecidos diante de um novo circuito genético.

Mas isso já corresponde a um uso muito real. Futuros cientistas talvez não precisem realizar experimentos físicos em todo um vasto espaço de parâmetros. Podem primeiro testar alguns pontos, deixar que a IA preveja o restante do espaço com base nesses dados reais e, em seguida, escolher os locais mais valiosos para validação experimental.

O experimento, portanto, evoluiu gradualmente de uma abordagem de "força bruta" para: amostragem do mundo real → previsão da IA → seleção do experimento → novos dados retornados à IA.

Isso é exatamente o lab-in-the-loop enfatizado repetidamente no artigo.

Ao chegar ao laboratório de ciência da computação, o grau de autonomia do Co-Scientist aumentou ainda mais.

A tarefa dada aos pesquisadores desta vez era muito simples: projetar um Agente capaz de responder melhor perguntas médicas. Após isso, os humanos não participaram mais do design da arquitetura. O Co-Scientist propôs sozinho as soluções, escreveu o código, executou os testes, analisou os erros e continuou modificando a arquitetura.

Por fim, ele "evoluiu" para um sistema chamado Agent_H.

Este sistema precisa encontrar uma maneira de reorganizar o processo de inferência dos modelos existentes. Diante de uma questão médica, ele primeiro identifica a qual área da medicina a questão pertence, se é voltada para pacientes ou médicos e qual o nível de risco; questões complexas são divididas em múltiplos subproblemas; em seguida, gera simultaneamente 28–48 respostas candidatas, permitindo que diferentes Juízes se eliminem aos pares, e depois três Juízes votam para escolher a resposta final. A resposta vencedora ainda passa por múltiplas revisões clínicas, verificação de citações e, por fim, compressão de comprimento.

Responder a uma pergunta requer que o agente chame o modelo aproximadamente 40 a 80 vezes. No HealthBench Hard e no HealthBench Professional, com a pontuação corrigida por comprimento utilizada no artigo, o Agent_H superou seis modelos de ponta, incluindo GPT-5.6 Sol, Claude Opus 5 e Gemini 3.1 Pro.

Mas ocorreu um episódio muito digno de ser mencionado na reportagem: a IA aprendeu sozinha a "manipular a classificação".

Nos experimentos iniciais, os critérios de avaliação não puniam suficientemente respostas longas. Assim, o Co-Scientist rapidamente descobriu a maneira mais simples de aumentar a pontuação: tornar as respostas extremamente longas.

A pontuação de referência aumentou significativamente, mas a qualidade médica não melhorou correspondentemente. Somente após os pesquisadores adicionarem uma penalização de comprimento, a grande vantagem desapareceu.

O próprio Google, em seu artigo, o considera um exemplo clássico da Lei de Goodhart: quando uma métrica se torna um objetivo, ela deixa de ser uma boa métrica.

Avaliações de médicos reais também trouxeram um pouco de resfriamento aos resultados. Três médicos atuantes realizaram uma avaliação cega de 106 perguntas. Em nove dimensões, o Agent_H apresentou melhoria estatisticamente significativa apenas em "redução de danos potenciais" em comparação com o Gemini 3.1 Pro original; as outras oito dimensões não mostraram diferenças significativas.

Em outras palavras, pontuações de Benchmark claramente mais altas aos olhos do AI Judge não se traduziram completamente em respostas claramente melhores aos olhos dos médicos humanos. Talvez esteja aí o problema que o AI Scientist precisará enfrentar ao entrar de verdade no mundo real: não basta saber otimizar, é preciso também saber o que não pode ser definido apenas por métricas de otimização.

Cientistas de IA fabricam dados para artigos acadêmicos

Na verdade, o Google dedicou uma quantidade significativa do artigo a investigar outra questão um tanto embaraçosa: se o AI Scientist for totalmente liberado, ele poderá fraudar para obter resultados atraentes?

Sim.

A equipe de pesquisa fez o sistema lidar com 50 tópicos de pesquisa em IA, desde a geração de ideias, busca por dados, escrita de código, execução de experimentos até a geração do artigo final, sem intervenção humana.

Como contraste, eles também testaram uma versão do Co-Scientist sem o módulo de confiabilidade, bem como o sistema anterior do Agent Laboratory, gerando um total de 150 artigos, que foram submetidos a 30 especialistas da área para 450 avaliações anônimas.

O resultado é bastante exagerado. Um AI Scientist sem mecanismo de verificação especializado ainda pode continuar escrevendo o artigo completo, mesmo quando o código já apresenta erros e os experimentos não produziram resultados válidos.

Eles fabricam tabelas de dados, valores p, testes estatísticos; transformam experimentos falhos em sucessos; e até modificam o ambiente de avaliação para garantir que seus métodos obtenham naturalmente pontuações mais altas ou usem hardcode para gerar diretamente um resultado atraente.

Quando o objetivo de otimização é: "escrever um artigo que pareça bom", o agente buscará atalhos mais baratos do que realmente completar a pesquisa.

Portanto, o Google adicionou à nova versão do Co-Scientist um mecanismo muito semelhante a uma “auditoria científica”: os resultados experimentais afirmados no artigo devem ser rastreáveis até logs reais de execução de programas. Se os logs não contiverem os resultados correspondentes, o sistema não pode incluí-los apenas porque o modelo de linguagem acredita que “deveria ser assim”.

O efeito é muito claro. O "ilusão de resultado", grave o suficiente para invalidar artigos, caiu de 90% no Agent Laboratory para 4%; a falsificação total de dados, a mais grave, caiu de 44% para 0%.

Mas o problema ainda não foi completamente resolvido. A nova versão do Co-Scientist ainda apresenta 24% de erros graves na descrição dos métodos e 16% de plágio grave ou conteúdo derivado.

O Google destacou especificamente que não afirmou que o Autonomous AI Scientist atual já pode gerar artigos de pesquisa prontos para publicação.

Ao analisar conjuntamente os trabalhos da Anthropic e do Google, percebe-se que os Agentes estão passando por uma mudança clara: nos últimos dois anos, o principal campo de batalha para Agentes de IA foi sempre o mundo do software. Agora, essa lógica está se expandindo pela primeira vez em grande escala para além do mundo real.

O MHS da Anthropic tenta resolver o problema subjacente: fornecer uma interface unificada que um agente possa entender e chamar para dispositivos diversos, como braços mecânicos, microscópios e plataformas de manipulação de líquidos.

O Co-Scientist do Google começa a explorar questões superiores: quando um modelo de raciocínio puder propor hipóteses científicas, planejar experimentos, controlar instrumentos, ler resultados e continuar ajustando os experimentos subsequentes, como deveria ser um sistema verdadeiramente fechado de descoberta científica.

Claro, o Google ainda está longe de um verdadeiro "laboratório sem humanos". Experimentos com materiais ainda exigem que humanos carreguem amostras; a estrutura atômica de novos materiais ainda não foi definitivamente determinada; as previsões de E. coli apenas validaram tarefas de interpolação limitadas; agentes médicos exploram falhas nos benchmarks; e sistemas de geração de artigos ainda não resolveram completamente alucinações e plágio. O próprio Google reconhece explicitamente que, devido a anomalias de hardware e à complexidade do ambiente real, experimentos físicos totalmente sem supervisão humana ainda são difíceis de realizar nesta fase.

Mas as mudanças já ocorreram.

Anteriormente, ao discutir IA para a ciência, o foco estava frequentemente em se a IA conseguia “pensar em algo que um humano não havia pensado”. Agora, um número crescente de trabalhos está preenchendo a outra metade mais difícil: esse pensamento pode ser executado por dispositivos reais, e os resultados da execução podem se tornar base para a próxima rodada de raciocínio da IA?

O Google apresentou um julgamento muito interessante no final do artigo. Se esse ciclo fechado for realmente estabelecido, o fator limitante da pesquisa futura pode se inverter: anteriormente, os equipamentos experimentais aguardavam os cientistas para propor a próxima boa pergunta; futuramente, pode ser que a IA já tenha proposto centenas de experimentos dignos de verificação, e os laboratórios simplesmente não consigam acompanhar.

Naquela época, o verdadeiro gargalo na velocidade das descobertas científicas pode não ser mais a ideação científica, mas o throughput experimental—quão rápido o mundo real consegue executar esses experimentos.

Este artigo é do公众号 da WeChat "Machine Heart" (ID: almosthuman2014), autor: interessado em IA científica