Utilizza Hypothesis Generation, un sistema di AI multi-agente, per sviluppare una proposta di ricerca, accelerare il processo manuale di revisione della letteratura e generare nuove idee che puoi adattare alla tua esperienza e alla sfida che hai scelto.
Al momento, l'accesso a Hypothesis Generation è limitato al nostro modulo di interesse.
- Per esprimere il tuo interesse, registrati all'indirizzo labs.google.com/science.
- Importante: l'invio del modulo di interesse non garantisce l'accesso.
- Se il tuo profilo viene selezionato, riceverai una notifica via email con altre istruzioni.
Se ottieni l'accesso, per un'esperienza ottimale con Hypothesis Generation assicurati di:
- Accedere a Hypothesis Generation.
- Avere una connessione a internet stabile.
- Utilizzare un computer.
- Usare Google Chrome.
Trasforma la sfida o l'ipotesi di ricerca in un obiettivo strutturato.
- Sul computer, apri Hypothesis Generation.
- Nel campo del prompt, spiega la tua sfida o ipotesi di ricerca.
- Puoi utilizzare i case study come riferimenti per strutturare l'obiettivo di ricerca e comprendere gli output previsti. Scopri come trovare i case study.
- Fai clic sulla freccia
.
- Completa un colloquio sotto forma di conversazione con l'agente di Hypothesis Generation.
- A destra, nella sezione "Avanzamento colloquio", puoi controllare i tuoi progressi attraverso gli elementi specifici dell'obiettivo di ricerca. Scopri di più sugli elementi degli obiettivi di ricerca efficaci.
- Questo flusso basato sull'agente ti guida nella creazione delle specifiche di esecuzione, semplificando il perfezionamento iterativo del tuo obiettivo.
- Una volta completati tutti gli elementi dell'obiettivo di ricerca, Hypothesis Generation prepara le specifiche finali.
- Per rivedere il piano di ricerca definitivo, fai clic su Apri nel widget di panoramica.
- Sul computer, apri Hypothesis Generation.
- Scorri verso il basso fino a "Esplora i nostri case study".
- Fai clic su un esempio che vuoi utilizzare.
La chiave per un utilizzo efficace di Hypothesis Generation è un obiettivo di ricerca ben definito. Formula le tue richieste nel modo più preciso possibile. Considera l'esperienza come una conversazione con un collaboratore molto competente.
Il tuo obiettivo di ricerca includerà i seguenti elementi:
- Sfida di ricerca: l'obiettivo principale del tuo studio. Deve definire il problema che intendi risolvere, i traguardi specifici che vuoi raggiungere e cosa si intende per "successo". Le sfide di ricerca possono assumere svariate forme, ad esempio:
- "Cosa accadrebbe dopo…"
- Cerca un meccanismo di azione
- Valuta una motivazione
- Valuta i candidati migliori da testare
- Cerca una strategia per invertire un risultato biologico
- Cerca una motivazione per cui qualcosa potrebbe non riuscire
- Richiedi un design
- Suggerisci una strategia alternativa
- Area di interesse: si tratta dei pilastri o dei domini di ricerca specifici che il sistema esplorerà per risolvere la tua sfida. Fungono da "lenti" per circoscrivere la ricerca di soluzioni.
- Preferenze: questa sezione definisce come vuoi che venga condotta la ricerca e gli eventuali vincoli specifici per le soluzioni. Guida il sistema verso l'approccio tecnico che preferisci.
- Titolo: facoltativo, ma utile per organizzare i tuoi obiettivi.
- Dopo aver configurato un'esecuzione e definito la sfida di ricerca, Hypothesis Generation suggerisce automaticamente un titolo.
- Per identificare visivamente e rapidamente obiettivi specifici, aggiungi un'emoji.
- Per modificare il titolo, fai clic su Altro
Rinomina.
Rinomina.Importante: puoi avviare contemporaneamente fino a un massimo di tre Esecuzioni standard e una Esecuzione avanzata. Hypothesis Generation utilizza una potenza di calcolo importante per ciascuna esecuzione.
- Sul computer, apri Hypothesis Generation.
- Nell'obiettivo di ricerca, in alto a destra, fai clic su Configura esecuzione.
- Seleziona il tipo di esecuzione.
- Esecuzione standard: ottieni risultati più rapidi quando testi e perfezioni il tuo obiettivo di ricerca.
- Esecuzione avanzata: ottieni un'analisi più completa e approfondita in grado di far emergere nuove scoperte. Potresti anche ricevere suggerimenti più articolati o diversificati.
- Fai clic su Avvia esecuzione.
- Quando il report sarà pronto, riceverai un'email.
Suggerimento: l'esecuzione potrebbe richiedere diverse ore.
Risolvi i problemi relativi ai rimborsi dei crediti AI per le esecuzioni non riuscite
Importante: un'esecuzione viene considerata non riuscita solo se il suo stato viene visualizzato come "Non riuscita" in Esecuzioni recenti.
Se un'esecuzione non viene completata, i crediti AI utilizzati potrebbero essere rimborsati sul tuo account. Se hai ricevuto un addebito per un'esecuzione non riuscita, contatta l'assistenza Google One per avviare la procedura di rimborso.
Suggerimento: la sincronizzazione dello stato di un'esecuzione potrebbe richiedere qualche istante. Se il report non viene visualizzato immediatamente dopo il completamento, prova ad aggiornare il browser.Dopo aver definito l'obiettivo di ricerca e averne avviato l'esecuzione, Hypothesis Generation esegue un esame dettagliato della letteratura, genera nuove idee attraverso un processo di competizione e sintetizza i potenziali percorsi di ricerca in un report sull'obiettivo.
- Sul computer, apri Hypothesis Generation.
- Trova la tua ricerca.
- Trova ricerche recenti: scorri verso il basso fino a "Ricerche recenti".
- Trova tutte le ricerche: in alto a sinistra, fai clic su Target
.
- Fai clic su un obiettivo di ricerca.
- Troverai gli obiettivi di ricerca in bozza, in corso e passati, insieme alle relative date di creazione.
Rivedi la letteratura
Nella pagina del report sugli obiettivi, fai clic su una di queste schede:
- Idee: esamina la classifica completa delle proposte di ricerca generate.
- Per aiutarti a identificare quelle di qualità più elevata, le proposte vengono classificate in base al punteggio Elo.
- Le proposte sono inoltre suddivise in due categorie pratiche: Ad alto potenziale e Non fattibili.
- Knowledge Base: un repository centralizzato di documentazione tecnica approfondita, insight basati su ricerche e dati dettagliati progettati per una consultazione rapida e un'analisi completa.
- Riepilogo: una panoramica sintetica dell'intera attività di ricerca.
- Specifiche dell'esecuzione: esamina i dettagli relativi ai parametri e ai vincoli specifici che definiscono un'"esecuzione" della ricerca.
Suggerimento: per approfondire idee specifiche o valutare potenziali compromessi, fai clic su Apri agente a destra.
Esporta o condividi i report sugli obiettivi
Per collaborare con i colleghi o analizzare ulteriormente i risultati, esporta o condividi i report sugli obiettivi.
Esporta i report sugli obiettivi in NotebookLM
Apri il report sugli obiettivi direttamente in NotebookLM per interagire con i risultati, porre domande di approfondimento e sintetizzare il report con altri documenti di ricerca.
- Sul computer, apri Hypothesis Generation.
- A sinistra, fai clic su Target
- Fai clic su un obiettivo di ricerca.
- In alto a destra, fai clic su Apri in NotebookLM.
Condividi i report sugli obiettivi
Genera e copia un link univoco al report sugli obiettivi.
- Sul computer, apri Hypothesis Generation.
- A sinistra, fai clic su Target
- Fai clic su un obiettivo di ricerca.
- Fai clic su Condividi
in alto a destra.
- Attiva Abilita condivisione pubblica.
- Fai clic su Copia.
Scarica i report sugli obiettivi
Salva una copia locale del report sugli obiettivi sul tuo dispositivo per consultarlo o archiviarlo offline.
- Sul computer, apri Hypothesis Generation.
- A sinistra, fai clic su Target
- Fai clic su un obiettivo di ricerca.
- In alto a destra, fai clic su Scarica
.
- Seleziona un'opzione di download.
Cita Hypothesis Generation quando pubblichi i risultati
Se utilizzi Hypothesis Generation nella tua ricerca, utilizza questa citazione:
@article{gottweis2025towards,
title={Towards an AI co-scientist},
author={Gottweis, Juraj and Weng, Wei-Hung and Daryin, Alexander and Tu, Tao and Palepu, Anil and Sirkovic, Petar and Myaskovsky, Artiom and Weissenberger, Felix and Rong, Keran and Tanno, Ryutaro and others},
journal={arXiv preprint arXiv:2502.18864},
year={2025}
}
Per riconoscere l'utilizzo di Hypothesis Generation nel tuo lavoro, ti consigliamo di includere questo testo nella sezione relativa ai metodi:
Utilizzo di strumenti AI: il sistema Hypothesis Generation è stato utilizzato durante la generazione e la definizione delle priorità delle ipotesi e della progettazione sperimentale [data di utilizzo]
Citazione in altri formati
- Formato APA: Gottweis, J., Weng, W. H., Daryin, A., Tu, T., Palepu, A., Sirkovic, P., ... & Natarajan, V. (2025). Towards an AI co-scientist. arXiv preprint arXiv:2502.18864.
- Formato MLA: Gottweis, Juraj, et al. "Towards an AI co-scientist." arXiv preprint arXiv:2502.18864 (2025).
- Formato Chicago: Gottweis, Juraj, Wei-Hung Weng, Alexander Daryin, Tao Tu, Anil Palepu, Petar Sirkovic, Artiom Myaskovsky et al. "Towards an AI co-scientist." arXiv preprint arXiv:2502.18864 (2025).
- Formato Harvard: Gottweis, J., Weng, W.H., Daryin, A., Tu, T., Palepu, A., Sirkovic, P., Myaskovsky, A., Weissenberger, F., Rong, K., Tanno, R. and Saab, K., 2025. Towards an AI co-scientist. arXiv preprint arXiv:2502.18864.