AI w laboratorium Google: jak ERA zmienia naukę od epidemiologii po kosmologię

Google Research opublikowało raport pokazujący, jak naukowcy firmy wykorzystują narzędzie Empirical Research Assistance (ERA) do rozwiązywania realnych problemów naukowych. Nie chodzi już o testy koncepcji, ale o produkcyjne zastosowania w zdrowiu publicznym, astrofizyce, klimatologii i neuronaukach.

Czym jest ERA i dlaczego to ważne

ERA to system wspomagania badań empirycznych, który Google Research udostępniło wewnętrznie we wrześniu ubiegłego roku. Jego zadaniem jest pomoc naukowcom w generowaniu zaawansowanego oprogramowania badawczego na poziomie eksperckim. Krótko mówiąc: ERA nie zastępuje naukowca, ale daje mu narzędzia, które wcześniej wymagały lat specjalizacji lub dużego zespołu.

Od tamtego czasu badacze Google i ich akademiccy współpracownicy testują ERA w warunkach realnych, a nie tylko laboratoryjnych. Wyniki, które właśnie opisali, są naprawdę interesujące.

Zdrowie publiczne: przewidywanie hospitalizacji w czasie rzeczywistym

To chyba najbardziej namacalny przykład. Już wcześniej ERA pokazała zdolność do retrospektywnego prognozowania hospitalizacji z powodu COVID-19 na poziomie dorównującym lub przewyższającym narzędzia CDC. Teraz Google poszło krok dalej: od listopada 2025 roku firma co tydzień przesyła do centrum prognozowania CDC rzeczywiste prognozy dla grypy, COVID-19 i RSV (syncytialny wirus oddechowy), osobno dla każdego stanu USA, z horyzontem do czterech tygodni.

Publiczne rankingi prowadzone przez profesora biostatystyki Nicholasa Reicha z Uniwersytetu Massachusetts Amherst pokazują, że Google plasuje się na czołowych miejscach list dla grypy i COVID-19.

To ważne z jednego konkretnego powodu: jeśli AI potrafi dorównać wiodącym instytucjom epidemiologicznym w prognozowaniu, to może demokratyzować dostęp do takich narzędzi dla regionów czy krajów, które nie mają własnych wyspecjalizowanych centrów modelowania.

Kosmologia: rozwiązanie otwartego problemu matematycznego

Kosmiczne struny to teoretyczne defekty w strukturze czasoprzestrzeni, które miały powstać we wczesnym wszechświecie i emitować promieniowanie grawitacyjne. Obliczenie widma tej energii to nierozwiązany problem, bo równania opisujące to zjawisko zawierają osobliwości matematyczne, czyli miejsca, gdzie wartości dążą do nieskończoności.

Jesienią ubiegłego roku OpenAI za pomocą GPT-5 znalazło częściowe rozwiązanie dla najprostszego przypadku pętli kwadratowej. Ujednolicone, ogólne rozwiązanie pozostawało otwartym problemem.

Google połączyło ERA z Gemini Deep Think i w marcu opublikowało wyniki: sześć ogólnych rozwiązań i zwarte wzory dla granicy asymptotycznej. Problem, który nie miał rozwiązania, teraz je ma.

Widzę w tym dwa sygnały jednocześnie. Pierwszy jest obiecujący: AI potrafi już nie tylko analizować dane, ale aktywnie uczestniczyć w odkryciach na granicy ludzkiej wiedzy. Drugi jest wart refleksji: kiedy naukowe przełomy zaczynają powstawać we współpracy z modelami językowymi, pojawia się pytanie o weryfikowalność i reprodukowalność tych wyników. Recenzja naukowa musi nadążyć za tempem, w którym AI generuje hipotezy i rozwiązania. Póki co, ten problem jest raczej ignorowany przez środowisko niż rozwiązywany.

Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl

Klimat: satelita pogodowy jako detektor CO2

To fascynujący przykład wtórnego wykorzystania istniejącej infrastruktury. Satelity geostacjonarne, takie jak GOES East, były projektowane do prognozowania pogody. Krążą wysoko, skanują całą półkulę co 10 minut, ale nie były przeznaczone do pomiaru dwutlenku węgla. Z kolei dedykowane satelity CO2, jak NASA OCO-2, mierzą bardzo precyzyjnie, ale pokrywają zaledwie ułamek powierzchni Ziemi i wracają do tego samego miejsca raz na 16 dni.

Naukowcy Google użyli ERA do zbudowania sieci neuronowej, która wyciąga sygnał CO2 z istniejących danych GOES East, łącząc:

• dane z 16 zakresów spektralnych satelity,
• meteorologię dolnej troposfery,
• kąty słoneczne,
• dzień roku.

Model trenowany na rzadkich obserwacjach OCO-2 i OCO-3 potrafi teraz szacować poziom CO2 w atmosferze w dowolnym miejscu obserwowanej przez GOES East półkuli, z rozdzielczością czasową co 10 minut. Efekt? Mapa stężeń CO2 nad Los Angeles o szczegółowości, której żaden poprzedni system nie osiągał.

Neuronauki: odkrywanie mechanizmów działania obwodów neuronowych

Ostatni przykład jest może najbardziej ambitny metodologicznie. Google użyło ERA do analizy obwodów neuronowych danio pręgowanego, popularnego modelu organizmów kręgowych w badaniach neurobiologicznych. Ryba ta reaguje na wzorce światła i cienia na dnie zbiornika instynktownie utrzymując pozycję w płytkiej wodzie.

ERA otrzymała schemat połączeń uproszczonego symulatora mózgu i ciała danio (simZFish), bez informacji o regułach matematycznych nim rządzących. Na tej podstawie samodzielnie zaproponowała obwody łączące bodziec z aktywnością neuronową i odpowiedzią motoryczną.

Kluczowe: gdy przetestowano te AI-hipotezy na nowych bodźcach, okazało się, że nie są to statystyczne skróty, ale dokładne mechanizmy neuronowe, które uogólniają się na podobne sytuacje. To ważna różnica między modelowaniem predykcyjnym a rzeczywistym zrozumieniem mechanizmu.

Wzorzec, który się powtarza

Patrząc na te cztery przypadki razem, widać wspólny mianownik. ERA nie robi „magii”, ale systematycznie obniża próg wejścia w zaawansowane modelowanie obliczeniowe. Każdy z projektów realizował jedno z kilku powtarzających się zastosowań:

• rozwiązywanie otwartych problemów matematycznych i fizycznych,
• demokratyzacja dostępu do narzędzi modelowania epidemiologicznego,
• wyciąganie dodatkowej wartości z istniejących danych obserwacyjnych,
• przejście od czarnej skrzynki do interpretowalnych mechanizmów.

Google przyznaje, że ERA to dopiero początek, i zapowiada rozszerzanie dostępności narzędzia. Obok ERA firma rozwija też co-scientist i PAT, narzędzia nastawione na przyspieszanie odkryć naukowych. Tempo, w jakim AI wchodzi do laboratoriów badawczych, jest coraz wyraźniej widoczne. Pytanie nie brzmi już „czy AI zmieni naukę”, ale „jak szybko i na jakich warunkach”.