Google Cloud venderá modelos de IA especializados diseñados para la ciencia.

      Google está añadiendo los 'grandes modelos cuantitativos' de SandboxAQ a su mercado en la nube, emparejando a Gemini con IA entrenada en ecuaciones científicas y datos de laboratorio.

      Los grandes modelos de lenguaje que impulsan la mayor parte de la industria de la IA son muy buenos con las palabras y sorprendentemente poco fiables con los números. El último movimiento de Google es una admisión de que, para la ciencia, se necesita un tipo diferente de modelo.

      La compañía dijo que comenzará a ofrecer modelos de IA especializados de SandboxAQ a través de Google Cloud, añadiendo lo que SandboxAQ llama grandes modelos cuantitativos al mercado en la nube. El objetivo es ampliar el acceso de empresas e investigadores a la IA construida para el descubrimiento de fármacos, la ciencia de materiales y la fabricación de semiconductores, según el anuncio.

      La distinción es el punto principal. Los grandes modelos de lenguaje están entrenados en texto y sobresalen en generarlo. Los grandes modelos cuantitativos, según la descripción de SandboxAQ, están entrenados en datos numéricos y ecuaciones científicas en lugar de prosa, lo que se supone que los hace más adecuados para problemas en química, biología y física, campos donde la respuesta correcta es un número o una estructura, no un párrafo fluido.

      El 💜 de la tecnología de la UE Las últimas novedades de la escena tecnológica de la UE, una historia de nuestro sabio fundador Boris y un arte de IA cuestionable. Es gratis, cada semana, en tu bandeja de entrada. ¡Inscríbete ahora! En Google Cloud, los investigadores podrán combinar estos modelos con Gemini, utilizando el modelo de lenguaje para el razonamiento y la interfaz y el modelo cuantitativo para la ciencia subyacente.

      Google emparejó el movimiento del mercado con Gemini para Ciencia, un conjunto de herramientas y experimentos destinados al flujo de trabajo de investigación en sí. Se basa en proyectos que la compañía ha estado construyendo durante un tiempo, incluyendo su co-científico de IA, el agente de codificación AlphaEvolve, un asistente de investigación empírica y NotebookLM, y se presenta como una forma de acelerar los pasos rutinarios y laboriosos del método científico en lugar de reemplazar al científico.

      Ese marco es consistente con dónde Google ha puesto su peso científico. El trabajo de DeepMind sobre la estructura de proteínas ya ha remodelado partes del desarrollo de fármacos, y un esfuerzo separado produjo una IA que encontró más nuevos materiales en un año de lo que la ciencia había catalogado en toda su historia. El hilo común es que la IA de mayor valor en las ciencias tiende a ser estrecha y entrenada en mediciones reales, no general y entrenada en internet.

      La lógica comercial es sencilla. Google está compitiendo con otros hiperescaladores para ser el lugar predeterminado donde las empresas ejecutan IA, y la I+D científica e industrial es un segmento de alto valor que los chatbots generales no sirven bien.

      Vender modelos especializados a través del mercado, el mismo canal a través del cual ya ofrece un amplio catálogo de sistemas de terceros, permite a Google capturar esa demanda sin tener que construir cada modelo de dominio por sí mismo.

      También se ajusta a una carrera más amplia para convertir la IA en resultados de laboratorio reales. La propia empresa de descubrimiento de fármacos de DeepMind, Isomorphic Labs, se está moviendo hacia ensayos, y los rivales en toda la industria están compitiendo para convertir la promesa algorítmica en tratamientos y materiales que funcionen fuera de un estándar. Poner modelos cuantitativos frente a los investigadores empresariales es la apuesta de Google para ser la infraestructura detrás de esa carrera.

      Google dijo que las capacidades ya están en uso por socios en vista previa privada para I+D del mundo real, aunque ha sido parco con los detalles sobre qué organizaciones y qué resultados.

      La lista del mercado es el cambio sustantivo: una categoría de IA que estaba en gran medida confinada a laboratorios especializados se convierte en algo que un equipo de investigación puede alquilar. Si produce descubrimientos o simplemente hojas de cálculo más rápidas es la pregunta que las vistas previas privadas están destinadas a responder.