Google เปิด Gemini for Science ที่ I/O 2026 — Hypothesis Generation, Computational Discovery, Literature Insights พร้อม Science Skills ใน Antigravity และตีพิมพ์ใน Nature
ในวัน Google I/O 2026 (19 พ.ค.) — Pushmeet Kohli (Chief Scientist, Google Cloud / VP, Google DeepMind) และ Yossi Matias (VP / GM, Google Research) ประกาศเปิด Gemini for Science ที่รวมเครื่องมือ agentic AI สำหรับนักวิทยาศาสตร์เข้าด้วยกัน — เป้าหมายคือเป็น “force multiplier” ของกระบวนการวิทยาศาสตร์ ตั้งแต่ตั้งสมมติฐานไปจนถึงทดลองและสรุปผล ในวันเดียวกัน DeepMind และ Google Research ตีพิมพ์ปาเปอร์ 2 ฉบับใน Nature เพื่อยืนยันผลของเครื่องมือสองตัวที่อยู่ในชุดนี้
3 prototype บน Google Labs ที่เปิดทดลองใช้
ทั้ง 3 ตัวอยู่บน labs.google/science เปิดลงทะเบียนสนใจตั้งแต่วันแรก
- Hypothesis Generation สร้างด้วย Co-Scientist — multi-agent system ที่จัด “idea tournament” ให้ agent หลายตัวสร้าง โต้แย้ง และให้คะแนนสมมติฐาน พร้อม citation แบบ clickable เพื่อให้นักวิจัยตรวจสอบกลับได้ ปาเปอร์ Co-Scientist ตีพิมพ์ใน Nature วันเดียวกัน
- Computational Discovery สร้างด้วย AlphaEvolve + ERA (Empirical Research Assistance) — agentic engine ที่สร้างและให้คะแนน code variation นับพันแบบขนานกัน เหมาะกับงานสาขาที่ต้องลองสูตรเยอะ เช่น solar forecasting หรือ epidemiology ปาเปอร์ ERA ตีพิมพ์ใน Nature เช่นกัน
- Literature Insights สร้างด้วย NotebookLM — ค้นหาเอกสารวิทยาศาสตร์แล้วจัดเป็นตารางที่ค้นหาได้ พร้อมสรุปเป็น report, slide deck, infographic หรือ audio/video overview ในรอบเดียว
Science Skills — ฝัง 30+ database ลง Antigravity
ส่วนที่หลายคนน่าจะใช้ก่อนคือ Science Skills ซึ่งเป็น skill bundle ที่เชื่อม Antigravity เข้ากับฐานข้อมูล life science 30+ ที่นักวิจัยใช้จริง
- UniProt — โปรตีน sequence/annotation
- AlphaFold Database — โครงสร้างโปรตีนที่ DeepMind ทำนายไว้
- AlphaGenome API — variant effect prediction บน genome ที่ DeepMind เพิ่งเปิดเมื่อต้นปี
- InterPro — protein family classification
Google บอกว่าทีมวิจัยภายในใช้ Science Skills ทำการวิเคราะห์ที่ปกติใช้เวลาเป็นชั่วโมงจบในไม่กี่นาที และค้นพบกลไกใหม่ของโรคพันธุกรรมหายากที่เกิดจาก mutation ของยีน AK2 ระหว่างทดสอบ Skill ตัว install ได้ผ่าน GitHub และฝังตรงใน Antigravity
พาร์ตเนอร์ enterprise และคู่ทำงานทางวิชาการ
Google ทยอยขยาย Co-Scientist และ AlphaEvolve ไปสู่ลูกค้า enterprise ผ่าน Google Cloud โดยมีพาร์ตเนอร์ที่อยู่ใน private preview แล้ว เช่น
- BASF ใช้ AlphaEvolve optimize supply chain
- Klarna ใช้ AlphaEvolve เร่ง ML training ของตัวเอง 2 เท่า
- Daiichi Sankyo, Bayer Crop Science และ U.S. National Labs (ส่วนหนึ่งของ DOE Genesis Mission) ใช้ Co-Scientist สำหรับ R&D
ทางวิชาการมีพาร์ตเนอร์เกิน 100 แห่ง ที่โดดเด่นคือ Stanford University (liver fibrosis), Imperial College London (antimicrobial resistance), The Crick Institute (machine learning ใน biology หลายปี) และมีการนำร่อง agentic peer review กับ ICML, STOC และ NeurIPS ผ่านเครื่องมือทดลองชื่อ Paper Assistant Tool (PAT) และ ScholarPeer
มุมมอง AI Curator
Gemini for Science เป็นการเปลี่ยน positioning ของ Google ในตลาดวิทยาศาสตร์ที่น่าสนใจสำหรับวงการวิจัยไทย/SEA ในสามมุม
หนึ่ง — ปาเปอร์ใน Nature ในวันเปิดตัวคือ signal ที่ stronger กว่าโฆษณา Anthropic และ OpenAI ทั้งคู่ออกเครื่องมือสำหรับ research แล้วเช่นกัน (Claude Code, Deep Research, Operator) แต่ Google เลือกใช้ peer review track ของ Nature เป็นช่องเล่าเรื่อง — สำหรับสถาบันวิจัยที่ต้อง justify การใช้ AI กับ board นี่คือ ammunition ที่หาไม่ได้จากที่อื่น มหาวิทยาลัยแพทย์ในไทย (ศิริราช, รามาฯ, จุฬาฯ) ที่ทำ wet-lab จริงน่าจะลองเป็นกลุ่มแรก โดยเฉพาะ Co-Scientist ที่เหมาะกับการ literature mining ในงาน drug discovery
สอง — Science Skills ใน Antigravity คือการรวบเครื่องมือ bioinformatics ที่กระจัดกระจาย UniProt, AlphaFold, InterPro แต่ละตัวมี API แยกและต้อง integrate เอง การที่ Google รวมเข้า skill bundle เดียวที่ agent เรียกใช้ได้แปลว่า “PhD student ปีหนึ่ง” จะทำงาน workflow ที่เคยต้องใช้ wet-lab informatician 1 คนได้ภายในไม่กี่นาที — เปลี่ยนสมการแรงงานใน lab อย่างชัดเจน
สาม — agentic peer review ของ STOC/NeurIPS จะเปลี่ยน norm ของ academia ใน 2-3 ปี ปัญหา conference review ที่มี reviewer ขาดและตรวจไม่ละเอียดเป็นเรื่องที่นักวิจัยไทยรู้ดี ถ้า Paper Assistant Tool ที่ Google ทดลองอยู่ทำงานได้จริงในระดับ AAA conferences จะช่วยให้ reviewer ทำงานเชิงลึกได้เร็วขึ้น — แต่ก็เปิด surface ใหม่ของ academic fraud ที่ใช้ AI สร้างปาเปอร์ปลอม การที่ Google ดึง Nobel laureate มาเป็น trusted tester คือสัญญาณว่า credibility track สำคัญแค่ไหน
โอกาสที่ pragmatic ที่สุดสำหรับนักวิจัยไทยตอนนี้คือ ลงทะเบียน Literature Insights (ใช้กับ NotebookLM ที่หลายคนคุ้นอยู่แล้ว) และเริ่ม onboard Co-Scientist บน Google Cloud ผ่าน Gemini Enterprise — สองตัวนี้พร้อมใช้ก่อนกลุ่มอื่น และไม่ต้องเปลี่ยน workflow พื้นฐานมาก
แหล่งข่าว
อ่านเพิ่มในหมวด งานวิจัย
Anthropic ให้ Claude สร้างชุดข้อมูลที่ดูไร้พิษภัยแต่ทำโมเดลเบี้ยว ซ่อนในเรื่องเลี้ยงผึ้งและมวยปล้ำ จนผ่านระบบตรวจที่คล้ายของจริง
ทีม Alignment ของ Anthropic ให้ Claude ปีนหาชุดข้อมูล fine-tune ที่หลบ monitor ได้ ผลคือซ่อนพฤติกรรมในงานเขียนแนวบทบาทสมมติ และโมเดลที่เทรนแล้วนำไปใช้ในบุคลิกตัวเอง ผลซ้ำได้บน Qwen 3.6 27B แต่การทดลองเอื้อฝ่ายโจมตีมากและไม่ได้สะท้อนโมเดลที่ใช้งานจริง
Memdoor ทำซ้ำ GVS5H ได้: ทีม Qwen3.8-27B ห้าตัวตามทัน Fable 5 บนโจทย์ LiveCodeBench Hard แต่ผู้ทำบอกเองว่า 'เท่า' ไม่ใช่ 'ชนะ'
Memdoor ปล่อย workflow team-solve ที่เขียนวิธี GVS5H เป็น YAML ล้วนและทำคะแนน 9.8/10 บน LiveCodeBench Hard 10 ข้อ เทียบกับ 8.0 ของ Fable 5 แบบเรียกครั้งเดียว แต่ตัวอย่างเล็กและมีข้อจำกัด ส่วนงานวิจัยต้นฉบับชี้ว่าวิธีนี้ไม่ได้ช่วยทุกโมเดล
QwenPU รัน LLM ซ้อนใน LLM ด้วยหน่วยเวกเตอร์ที่คอมไพล์ลงในน้ำหนัก Qwen3.5-4B ส่วน bootgpt ทำให้เครื่อง 386 บูตเข้าโมเดลภาษาโดยไม่มี OS
ผู้สร้าง Qwenputer ปล่อย QwenPU เมื่อ 31 ต.ค. รัน stories260K ของ Karpathy บนหน่วยเวกเตอร์ที่คอมไพล์ลงในน้ำหนัก Qwen3.5-4B ลดเหลือ 53,000 trace token ต่อหนึ่ง token เรื่องเล่า วันเดียวกัน bootgpt ใส่โมเดล int8 ขนาด 11.5KB ให้บูตบนเครื่อง 386 โดยไม่มี OS