Și tocmai aici stă tensiunea pe care o simt tot mai mulți cercetători și ingineri din spatele ușilor închise. Avem, pe de o parte, unelte AI antrenate pentru o singură problemă științifică, de la plierea proteinelor până la prognoza vremii. Pe de altă parte, avem agenți generaliști, bazați pe modele lingvistice mari, care ar putea într-o zi să coordoneze proiecte de cercetare fără ca vreun om să mai fie la butoane. Această a doua viziune este cea care aprinde acum imaginația industriei, alimentată și de obsesia recentă pentru „îmbunătățirea recursivă" – ideea că sistemele AI ar putea deveni, la un moment dat, principalul motor al propriului lor progres.
Unelte specializate versus cercetători artificiali
E greu de supraestimat impactul pe care uneltele specializate l-au avut deja. AlphaFold, sistemul care a rezolvat problema plierii proteinelor, le-a adus oamenilor de știință de la DeepMind un premiu Nobel în urmă cu doi ani, iar predicțiile sale au fost folosite, conform Google, de peste trei milioane de cercetători din lume. Isomorphic Labs, subsidiara care încearcă să transforme aceste descoperiri în medicamente noi, tocmai a ridicat o rundă de finanțare de 2 miliarde de dolari. Alături de AlphaFold, alte sisteme precum AlphaGenome, pentru genetică, sau AlphaEarth Foundations, pentru științele Pământului, demonstrează că abordarea specializată nu este deloc un capitol încheiat.
Doar că, în culise, se petrece o recalibrare serioasă. Luna trecută, Los Angeles Times a dezvăluit că John Jumper, cercetătorul care a luat Nobelul pentru AlphaFold, a fost mutat pe proiecte de programare AI, nu pe dezvoltarea de unelte științifice. Este o mișcare care reflectă două presiuni distincte. Pe de o parte, Google a suferit o lovitură de imagine pentru că uneltele sale de coding nu mai fac față concurenței cu Anthropic și OpenAI. Pe de altă parte, abilitățile de programare sunt exact ce au nevoie sistemele agentice pentru a funcționa eficient. Traducerea pe românește: și banii, și creierele bune încep să migreze dinspre „unelte pentru o singură boală" spre „cercetători digitali generaliști".
OpenAI dă un semnal, Google construiește un brand
Semnele acestei tranziții nu mai sunt doar bârfe de hol. Săptămâna aceasta, OpenAI a anunțat că unul dintre modelele sale a infirmat o conjectură matematică importantă – o performanță pe care unii matematicieni o consideră cea mai substanțială contribuție a AI-ului generativ la matematică de până acum. Detaliul care contează cel mai mult: modelul folosit nu este unul specializat pe matematică. Este un model de raționament generalist, în linia GPT-5.5. Dacă agenții generaliști pot produce deja rezultate originale în matematică, e greu de crezut că nu vor face, în curând, același lucru în chimie, biologie sau fizică – deși științele experimentale, care cer validare în laborator, rămân un teren mai greu de cucerit automat.
Google, evident, nu stă cu brațele încrucișate. Marea noutate științifică a I/O-ului din acest an a fost pachetul Gemini for Science, o umbrelă de brand care adună mai multe sisteme bazate pe modele lingvistice: AI Co-Scientist, care generează ipoteze, și AlphaEvolve, care optimizează algoritmi. Ambele sunt încă în acces restrâns, dar Google a deschis porțile pentru ca orice cercetător să poată solicita acces. Oamenii de știință care le-au testat par încântați. Gary Peltz, geneticist la Stanford, a comparat folosirea AI Co-Scientist cu o „consultare a oracolului din Delphi", într-un articol publicat în Nature Medicine.
Colaboratori, nu înlocuitori – cel puțin pentru o vreme
Merită notat un detaliu de branding care spune multe: Google a ales numele AI Co-Scientist, nu AI Scientist. Diferența e mică la prima vedere, dar enormă ca mesaj. Compania vrea să transmită că aceste sisteme sunt acceleratori pentru oamenii de știință, nu substitute. Hassabis, într-un interviu publicat în numărul special al revistei Daedalus dedicat AI-ului și științei, a folosit același cadru uman-centrist: „Pentru următorul deceniu, ar trebui să ne gândim la AI ca la un instrument extraordinar care îi ajută pe oamenii de știință. Dincolo de acest orizont, e greu de spus, dar poate aceste sisteme vor deveni mai degrabă colaboratori."
Sună frumos, dar e greu de imaginat un colaborator care nu e și el însuși un cercetător competent. Iar dacă Hassabis are măcar parțial dreptate cu „poalele singularității", atunci acei colaboratori artificiali ar putea, într-o zi, să-i depășească pe cei din carne și oase. Într-o discuție cu jurnalistul Mike Allen, tot la I/O, Hassabis a povestit cum a fost inspirat să lucreze la AI observând stagnarea fizicii din anii 1970 – se întreba dacă mintea umană atinsese un plafon în acest domeniu și dacă AI-ul putea sparge acel plafon. Agenți științifici supraumani s-ar potrivi perfect acelei viziuni. Poate nu vom ajunge niciodată acolo, dar direcția în care Google își pune resursele e tot mai clară.
Pushmeet Kohli, șeful științific al Google Cloud, a rezumat cel mai bine acest moment de tranziție în Daedalus: „Ne îndreptăm spre un AI care nu doar facilitează știința, ci începe să facă știință." Iar tranziția asta nu e o chestiune de „dacă", ci de „cât de repede".
De ce este important:
Această schimbare de paradigmă ne afectează pe toți, nu doar pe cercetători. Dacă AI-ul generalist preia tot mai mult din munca de descoperire științifică, vom vedea o accelerare fără precedent în găsirea de tratamente, materiale sau soluții la criza climatică – dar și o redistribuire masivă a puterii și a banilor între companiile tech. Cine controlează cei mai buni agenți AI va controla, practic, ritmul progresului științific global. În al doilea rând, chiar dacă Google insistă că AI-ul rămâne „partener", realitatea e că economia politică a științei se rescrie acum: laboratoarele mici, fără acces la modele de top, riscă să rămână în urmă. Și, poate cel mai important, întrebarea nu mai e dacă mașinile vor face știință, ci cine va deține acele mașini, cu ce reguli și în beneficiul cui.
