Google ERA: AI sustav za znanstvena istraživanja postiže CDC top za prognozu hospitalizacija, rješava neriješen kozmološki problem i prati CO2 svakih 10 minuta

Google Research je 29. travnja 2026. predstavio ERA — Empirical Research Assistance, interni AI sustav za znanstvenike koji kombinira LLM-ove (uključujući Gemini Deep Think) s računalnim alatima za ubrzanje istraživanja. Umjesto hipotetskog opisa, post nudi četiri konkretna primjera rezultata iz različitih domena.

Javnozdravstvene prognoze

ERA generira predikcije za hospitalizacije od COVID-19, gripe i RSV. Googleova podnesenja se “rangiraju na ili blizu vrha oba leaderboarda” za flu i COVID forecasting natjecanja koja vode akademske institucije, dostižući ili premašujući performanse CDC alata.

Implikacija: javnozdravstvene agencije bi mogle koristiti slične sustave za real-time triage resursa.

Kozmologija

Tim je uparao ERA s Gemini Deep Think za rješavanje neriješenog problema u gravitacijskoj fizici — energijskog zračenja kozmičkih struna. Rezultat: “uspješno izvedeno šest općih rješenja i koncizna formula za asimptotski limit”, što proširuje dosadašnje parcijalne rezultate ograničene na specifične slučajeve.

Ovo nije numerički fit — radi se o zatvorenoj formuli koja prije nije postojala. Dokazuje da AI pomoć može doprinijeti teorijskoj fizici, ne samo data analizi.

Klimatski monitoring

ERA je razvio physics-guided neural network koji vadi CO2 signal iz GOES-East vremenskih satelita. Model omogućuje bezprecedentnu prostornu i vremensku rezoluciju: praćenje atmosferskog CO2 svakih 10 minuta preko cijelih hemisfera, naspram postojećeg satelitskog pokrivanja jednom u 16 dana.

To je ~2300× češće mjerenje. Implikacija za klimatske politike: brža detekcija velikih emisivnih događaja (požari, industrija, urbani peak-ovi).

Neuroznanost zebrafish

Koristeći podatke o neuralnim sklopovima zebrafish-a, ERA je otkrio “interpretabilna, mehanistički točna rješenja” koja povezuju okolišne podražaje s neuralnim odgovorima. Ovaj pomak — od prediktivnih black-box modela prema otkrivanju stvarnih mehanizama sklopa — je epistemološki značajan: AI više nije samo bolji prediktor, već znanstveni istraživač koji generira mehanističko razumijevanje.

Zašto je to važno?

ERA pokazuje da AI prelazi iz NLP/računalnog vida u prirodne znanosti kao primarno polje primjene. Sva četiri primjera su rezultati koji nisu mogli biti postignuti samim LLM-om, već zahtijevaju kombinaciju s domain-specific alatima i podacima. Google Research time signalizira novo polje konkurencije s DeepMindom (AlphaFold, AlphaGeometry), gdje Google nudi kros-domenski AI istraživački pomoćnik umjesto specijaliziranih modela po domeni.