Google DeepMind vylepšil Managed Agents v Gemini API a nasadil model Gemini 3.6 Flash
04. 08. 2026
Nová zpráva shrnující aktuální trendy ve vědeckém výzkumu ukazuje, že čím dál více vědeckých týmů po celém světě začíná při své práci využívat AI kódovací agenty. Jde o nástroje, které dokážou samostatně navrhovat, psát a upravovat programový kód na základě zadaných instrukcí, a tím výrazně ulehčují práci badatelům, kteří dosud museli složité vědecké výpočty programovat manuálně nebo se spoléhat na pomoc specializovaných softwarových inženýrů.
Podle zprávy se tento posun projevuje především v oblasti vědeckého výpočtu, který je páteří moderní vědy – od simulací klimatu přes modelování molekul až po analýzu rozsáhlých datových souborů. Nasazení AI agentů umožňuje modernizovat zastaralé výpočetní postupy a zároveň výrazně zkrátit dobu potřebnou k vývoji nového softwaru, který vědci potřebují pro své experimenty a analýzy. Tam, kde dříve trvalo napsání a odladění funkčního kódu týdny až měsíce, dokážou nyní týmy s pomocí AI agentů dosáhnout srovnatelných výsledků v řádu dnů.
Zpráva zdůrazňuje, že tento vývoj má konkrétní dopad na rychlost vědeckého objevování. Nejvýrazněji se to projevuje v genomice, kde vědci pracují s enormním množstvím dat získaných sekvenováním DNA. AI kódovací agenti pomáhají automatizovat zpracování těchto dat, vytvářet efektivnější analytické skripty a odhalovat vzorce, které by při manuálním zpracování unikaly nebo by jejich odhalení trvalo mnohem déle. Podobný přínos zaznamenávají i další obory, jako je strukturální biologie, materiálový výzkum nebo astrofyzika, kde se vědci potýkají s podobně velkými a komplexními datasety.
Autoři zprávy upozorňují, že hlavní přínos těchto nástrojů nespočívá jen v úspoře času, ale i v tom, že umožňují vědcům bez hlubokých programátorských znalostí soustředit se na samotnou vědeckou otázku, nikoli na technické detaily implementace. To otevírá dveře širšímu okruhu badatelů, kteří se dříve k výpočetně náročným metodám nedostali, protože jim chyběly potřebné softwarové dovednosti nebo přístup k odborníkům na programování.
Zpráva rovněž poukazuje na to, že modernizace vědeckého výpočtu pomocí AI agentů se týká i institucí, které dosud spoléhaly na starší, méně efektivní systémy. Přechod na nové nástroje umožňuje výzkumným centrům lépe využívat dostupný výpočetní výkon a urychlit celkový cyklus od formulace hypotézy přes analýzu dat až po publikaci výsledků.
Přestože zpráva popisuje především pozitivní dopady, nezmiňuje konkrétní rizika ani omezení spojená s nasazením těchto technologií ve vědeckém prostředí. Nicméně už samotný rozsah uváděných příkladů – od genomiky po širší oblasti vědeckého výzkumu – naznačuje, že jde o trend, který se v roce 2026 stává standardní součástí práce mnoha výzkumných týmů. Vědecká komunita tak podle zprávy stojí na prahu období, kdy se automatizace vývoje softwaru stává jedním z klíčových faktorů urychlujících tempo vědeckého pokroku napříč obory.