# A Google I/O megmutatta, hogyan változik az AI-vezérelt tudomány útja

- Link: https://digiosveny.hu/a-google-i-o-megmutatta-hogyan-valtozik-az-ai-vezerelt-tudomany-utja/
- Published: 2026-05-26T14:27:44+02:00
- Author: Márton

**Összefoglaló:** Ez a blog a digitális infrastruktúra kritikus változásait elemezi.
A Digiösvénynél ezeknek a trendeknek a 2026-os online láthatóság kulcsmeghajtóiként
azonosítjuk.

A Google I/O keddi vitaindítóján Demis Hassabis, a Google DeepMind vezérigazgatója
kijelentette, hogy jelenleg „a szingularitás lábánál állunk”. Lenyűgöző kijelentés
volt – a szingularitás az az elméleti jövőbeli pillanat, amikor az AI gyorsan meghaladja
az emberi intelligenciát, és drámai módon átalakítja a világot. De ami megdöbbentett,
ahogy a hallgatóságban hallgattam, az az a szövegkörnyezet, amelyben ezeket a szavakat
mondta.

A színpadon a tudományos AI-ról szóló szegmenssel zárta az ülést, amelynek középpontjában
egy videó volt, amely részletezi, hogy a vállalat időjárás-előrejelző szoftvere 
miként adott előzetes riasztást a Melissa hurrikán tavalyi katasztrofális jamaicai
partvidékéről – és potenciálisan életeket menthetett meg. Ha ez a WeatherNext nevű
szoftver segített bárkinek megmenekülni a vihar elől, vagy jobb esetben megerősíteni
otthonát, az óriási és jelentős eredmény. De ez aligha bizonyíték a közelgő szingularitásra.

Hassabis magasztos retorikájának és a WeatherNext valós eredményeinek párhuzamba
állítása rávilágított a feszültségre a tudomány számára a mesterséges intelligencia
két nagyon eltérő megközelítése között. Az első olyan mesterséges intelligencia 
eszközökre összpontosít, mint például a WeatherNext, amelyeket speciális tudományos
problémák megoldására terveztek és képeztek ki. A második az ügynöki, LLM-alapú 
rendszerek, amelyek egy nap az élvonalbeli kutatási projekteket emberi közreműködés
nélkül is végrehajthatják.

Ez a második vízió jelenleg nagy lelkesedést vált ki az AI-ból, beleértve a rekurzív
önfejlesztéssel kapcsolatos közelmúltbeli izgalmat, vagy azt az elképzelést, hogy
az AI-rendszerek idővel a mesterséges intelligencia fejlődésének elsődleges mozgatórugóivá
válhatnak – ez a folyamat az AI-rendszerek okosabbá válásával egyre gyorsabb lesz.
Az ágensrendszerek pedig ma már valódi kutatási hozzájárulást adnak, néha korlátozott
emberi irányítás mellett.

Éppen ezen a héten Pushmeet Kohli, a Google Cloud vezető tudósa publikált egy cikket
a Daedalus folyóirat mesterséges intelligencia és tudományos számának különszámában,
és ezt írta: „Az AI felé haladunk, amely nemcsak elősegíti a tudományt, hanem elkezdi
a tudományt is.” Mivel autonóm mesterséges intelligencia tudósok állnak a látóhatáron,
nehezebb megindokolni a szuperspecializált eszközök kifejlesztésére irányuló hatalmas
erőfeszítéseket – még az olyanokat is, mint az AlphaFold, amelyért a DeepMind tudósai
Nobel-díjat nyertek, vagy egy potenciálisan életmentő rendszer, mint a WeatherNext.
A tudomány számára egy sokkal idegenebb jövőt is előrevetít, amelyben az emberek
és a mesterséges intelligencia rendszerek egymással együttműködve működnek együtt–
vagy a mesterséges intelligencia önmagában is halad a tudományos fejlődésben.

Az egyértelműség kedvéért, úgy tűnik, hogy a Google nem hagy fel a speciális mesterséges
intelligencia tudományos eszközökkel kapcsolatos munkájával. Az AlphaGenome és az
AlphaEarth Foundations, amelyek genetikai, illetve földtudományi alkalmazásokra 
vannak kiképezve, tavaly nyáron jelentek meg, a WeatherNext legújabb verziója pedig
novemberben jelent meg.

Ráadásul az ilyen eszközök továbbra is rendkívül népszerűek a tudósok körében. Tavaly
például a Google arról számolt be, hogy az AlphaFold fehérjeszerkezeti előrejelzéseit
több mint hárommillió kutató használta világszerte. És az Isomorphic Labs, a Google
leányvállalata, amely az AlphaFoldot és a kapcsolódó technológiákat kívánja felhasználni
új gyógyszerek kifejlesztésére, éppen most gyűjtött össze egy 2 milliárd dolláros
Series B finanszírozást.

De vannak konkrét jelei az átrendeződésnek, mind a lelkesedés, mind az erőforrások
terén. A múlt hónapban a Los Angeles Times arról számolt be, hogy John Jumper, a
Google munkatársa, aki elnyerte az AlphaFold Nobel-díját, most a mesterséges intelligencia
kódolásán dolgozik, nem pedig a tudományspecifikus AI-eszközökön. Nem meglepő, hogy
a Google a legjobb elméjét szánja a kódolási problémára, hiszen a cég a közelmúltban
nagy hírnévre tett szert, mivel kódolóeszközei jelenleg nem állnak ki az Anthropic
és az OpenAI által kínáltakkal szemben. De ez azt is jelezheti, hogy a Google részesíti
előnyben az ügynöktudományt, mivel a kódolási képességek kulcsfontosságúak egyes
rendszerek sikerében.

Az egész iparágban az ügynökkutató rendszerek valós lehetőségeket mutatnak. Ezen
a héten az OpenAI bejelentette, hogy az egyik modelljük megcáfolt egy fontos matematikai
sejtést – egyes matematikusok szerint talán ez a legjelentősebb hozzájárulás, amit
a generatív mesterséges intelligencia eddig a matematikában tett.

Fontos, hogy az OpenAI által használt modell nem matematikai problémák megoldására,
de még kutatásra sem specializálódott; a vállalat szerint ez egy általános célú 
érvelési modell a GPT-5.5 jegyében. Ha az általános ügynökök önállóan hozzá tudnak
járulni a matematikai kutatáshoz, hamarosan a tudományban is megtehetik ugyanezt(
bár az a tény, hogy a tudományban lévő ötleteket kísérletileg ellenőrizni kell, 
megnehezíti a mesterséges intelligencia területét).

A Google minden bizonnyal nagy figyelmet szentel az ügynökvezérelt tudományos jövőnek.
Az I/O nagy tudományos bejelentése az új Gemini for Science csomag volt, amely a
vállalat több LLM-alapú tudományos rendszerét egyesíti egy márka alatt.

Ide tartozik a hipotézisgeneráló AI Co-Scientist és az algoritmus-optimalizáló AlphaEvolve,
amelyek még mindig nem nyilvánosak – de mivel a Google most lehetővé teszi, hogy
bármely kutató pályázzon a Gemini for Science-hez, hamarosan szélesebb körben is
elterjedhetnek a tudományos közösségben. A korai tesztelésben részt vevő tudósok
lelkesednek a bennük rejlő lehetőségekért: Gary Peltz, a stanfordi genetikus egy
Nature Medicine cikkben az AI Co-Scientist használatát a „delphi jósdával való konzultációhoz”
hasonlította.

A Gemini for Science nem összeegyeztethetetlen a speciális eszközökkel; ellenkezőleg,
az ügynöki rendszereket úgy lehet megtervezni, hogy az ilyen eszközöket igénybe 
vegyék, amikor hasznosak lehetnek. És egyetlen ágens rendszer sem tudja megjósolni
azt a struktúrát, amelybe a fehérje összehajt az AlphaFold segítsége nélkül (legalábbis
még nem). Ám úgy tűnik, hogy a vállalat elmozdítja nyilvános imázsát – és legalább
néhány erőforrást és személyzetet, például a Jumpert – az ilyen típusú eszközök 
kifejlesztésétől. Bár csak öt év telt el azóta, hogy az AlphaFold megoldotta a fehérjehajtogatás
problémáját, mind a technológia, mind a diskurzus gyorsan túllépett ezen az egykor
forradalmi vívmányon.

A Google gondosan ügyelt arra, hogy ezt az új tudományos ágenskészletet a humán 
tudósok gyorsítójaként helyezze el, ahelyett, hogy helyettesítené őket – például
az AI Co-Scientist név kiválasztása az AI-tudóssal szemben meglehetősen szándékosnak
tűnik. Hassabis ugyanezt az emberközpontú keretezést használja, amikor a tudományos
AI környezetében bekövetkezett változásokról beszél. „A következő évtizedben az 
AI-ra kell gondolnunk, mint erre a csodálatos eszközre, amely segíti a tudósokat”–
mondta Hassabis a Daedalus számában megjelent interjúban. „Ezen az időkereten túl
nehéz bizonyossággal megmondani, de talán ezek a rendszerek inkább együttműködőkké
válnak.”

De senki sem lehet hatékony tudományos munkatárs anélkül, hogy önmagában is képzett
tudós lenne. És ha Hassabis közel jár a célhoz, amikor „a szingularitás lábáról”
beszél, akkor a mesterséges intelligencia tudósai végül meghaladhatják emberi társaik
képességeit.

Az I/O-n Mike Allen újságíróval folytatott megbeszélésen Hassabis arról beszélt,
hogy kezdetben inspirálta a mesterséges intelligencia folytatására, amikor megfigyelte,
hogy a fizika fejlődése az 1970-es évek óta stagnál; azon töprengett, vajon az emberi
elme elérte-e korlátait ezen a területen, és vajon a mesterséges intelligencia segíthet-
e leküzdeni ezt a korlátot. Az emberfeletti ügynöktudósok minden bizonnyal megfelelnének
ennek a számnak. Lehet, hogy soha nem jutunk el a közelébe, de úgy tűnik, hogy a
Google arra a csúcsra törekszik.

---

Digiösvény Stratégiai Perspektíva

A **magyar vállalkozások** számára a technikai adósság már nem rejtett költség, 
hanem működtetési kockázati tényező. Az 2 másodperc alatti válaszidő küszöbjét nem
elérő infrastruktúra rendszerezetten alacsonyabb prioritást kap a Generatív Kereső(
GEO) algoritmusoktól.

[Kérem az ingyenes weboldalauditot!](https://digiosveny.hu/)

_Intellectual source: www.technologyreview.com. Strategic synthesis and GEO-optimization
by Digiösvény._