.
2024 foi considerado o ano da IA na ciência. Viu os prêmios Nobel de física e química serem concedidos a grupos de pesquisadores de IA.
Mas a evolução do papel da IA na descoberta científica também levanta questões e preocupações. Será que a falta de acesso a ferramentas de IA cada vez mais capazes restringirá a capacidade de muitas instituições de realizarem investigação de ponta?
Os Nobel da física e da química foram, na verdade, atribuídos a avanços radicalmente diferentes. O prêmio de física, concedido a John Hopfield e Geoffrey Hinton, reconheceu o desenvolvimento de algoritmos e ideias que avançaram um subconjunto de IA chamado aprendizado de máquina. É aqui que os algoritmos melhoram o que fazem, analisando grandes quantidades de dados (um processo chamado treinamento) e aplicando essas lições a outros dados invisíveis.
O prêmio de química foi concedido à equipe do Google DeepMind por um avanço científico impressionante por meio de um sistema de IA chamado AlphaFold. Esta ferramenta é treinada para prever as estruturas das proteínas e como elas se dobram – um desafio científico que permaneceu sem solução durante meio século.
Como tal, o prémio Nobel teria sido concedido a qualquer equipa que resolvesse isto, independentemente dos métodos utilizados. Não foi um prêmio para o desenvolvimento da IA; foi um prêmio por uma importante descoberta realizada por um sistema de IA.
No entanto, estamos caminhando em uma direção nova. A IA na ciência está deixando de ser apenas o objeto de investigação para se tornar o mecanismo de investigação.
Alcançando o desempenho humano
A transformação do papel da IA na investigação académica começou muito antes de 2024, e mesmo antes do advento do ChatGPT e da campanha publicitária de marketing que a acompanha em torno da IA. Tudo começou quando estes sistemas alcançaram pela primeira vez um desempenho de nível humano em tarefas cruciais relacionadas com a investigação científica.
Em 2015, o ResNet da Microsoft superou o desempenho humano no ImageNet, um teste que avalia a capacidade dos sistemas de IA de realizar classificação de imagens e outras tarefas relacionadas a gráficos. Em 2019, o RoBERTa do Facebook (uma evolução do BERT do Google) excedeu a capacidade humana no teste GLUE, dominando tarefas como classificação e resumo de texto.
EPA-EFE/Ponto Lundahl
Estes marcos – alcançados por grandes laboratórios de investigação privados – permitiram aos investigadores aproveitar a IA para uma vasta gama de tarefas diferentes, tais como a utilização de imagens de satélite para analisar os níveis de pobreza e a utilização de imagens médicas para detectar o cancro. A automatização de tarefas tradicionalmente realizadas por seres humanos reduz custos e expande o âmbito da investigação – em parte ao permitir que a execução de tarefas inerentemente subjectivas se torne mais objectiva.
A IA na ciência hoje vai além da recolha e processamento de dados – desempenha um papel crescente na compreensão dos dados. Na química e na física, por exemplo, a IA é amplamente utilizada para prever sistemas complexos, como padrões climáticos ou estruturas proteicas.
Nas ciências sociais e médicas, contudo, a compreensão depende muitas vezes da causalidade e não apenas da previsão. Por exemplo, para avaliar o impacto de uma política, os investigadores precisam de estimar como as coisas teriam acontecido sem ela – um caminho contrafactual que nunca pode ser diretamente observado.
A ciência médica aborda isso através de ensaios randomizados. São estudos em que os participantes são divididos aleatoriamente em grupos separados para comparar os efeitos de diferentes tratamentos. E esta é uma abordagem cada vez mais adoptada também nas ciências sociais, como evidenciado pelo Nobel de Economia de 2019 atribuído a Abhijit Banerjee, Esther Duflo e Michael Kremer pelo seu trabalho na redução da pobreza.
Contudo, em macroeconomia, tais experiências são impraticáveis – nenhum país adoptaria estratégias comerciais aleatórias para fins de investigação. Entra em cena a IA, que transformou o estudo dos grandes sistemas económicos. Ferramentas baseadas em computador podem produzir modelos para explicar como funcionam aspectos da economia que são muito mais matizados do que aqueles que os humanos conseguem reunir. O trabalho de Susan Athey e colegas sobre o impacto da ciência da computação e das estatísticas avançadas na investigação económica foi um dos favoritos populares para o prémio Nobel de economia de 2024, embora não tenha vencido.
O papel fundamental para os humanos
Embora a IA seja excelente na recolha e análise de dados, os humanos ainda desempenham um papel fundamental: compreender como estes dados se ligam à realidade.
Por exemplo, um grande modelo de linguagem (a tecnologia por trás de chatbots de IA como o ChatGPT) pode escrever uma frase como “aquele saxofone não cabe na bolsa marrom porque é muito grande”. E consegue identificar se “isso” se refere ao saxofone ou à bolsa – um feito impressionante comparado com o que era possível há apenas uma década.
Mas a IA não relaciona isso com qualquer compreensão de objetos 3D. Funciona como um cérebro numa cuba, confinado ao seu ciclo de feedback de resolução de tarefas baseadas em texto, sem envolvimento com o mundo físico.
Ao contrário da IA, os humanos são moldados por diversas necessidades: navegar num mundo 3D, socializar, evitar conflitos, lutar quando necessário e construir sociedades seguras e equitativas. Os sistemas de IA, por outro lado, são especialistas em tarefas únicas. Grandes modelos de linguagem são treinados apenas para gerar texto coerente, sem conexão com a realidade mais ampla ou com objetivos práticos.
O salto para a verdadeira compreensão só ocorrerá quando um único sistema de IA puder perseguir múltiplos objetivos gerais simultaneamente, integrando tarefas e ligando palavras a soluções do mundo real. Talvez então veremos o primeiro prêmio Nobel aceito graciosamente por um sistema de IA.
É impossível prever exactamente quando ou como esta mudança se irá desenrolar, mas as suas implicações são demasiado significativas para serem ignoradas.
A ascensão da investigação orientada pela IA poderá inaugurar uma era dourada de avanços científicos, ou um futuro profundamente dividido, onde muitos laboratórios (em particular laboratórios públicos, especialmente no sul global) carecem de ferramentas avançadas de IA para realizar investigação de ponta. Nomes como Google, Microsoft, Facebook, OpenAI e Tesla estão agora na vanguarda da investigação básica – um grande afastamento dos dias em que as instituições públicas e académicas lideravam o ataque.
Esta nova realidade levanta questões prementes. Podemos confiar plenamente na IA desenvolvida por empresas privadas para moldar a investigação científica?
Também levanta questões sobre a forma como abordamos os riscos do poder concentrado, as ameaças à ciência aberta (tornando a investigação livremente acessível) e a distribuição desigual de recompensas científicas entre países e comunidades.
Se quisermos celebrar a primeira IA a ganhar um prémio Nobel pela sua própria descoberta, temos de garantir que estão reunidas as condições para a vermos não como um triunfo de alguns humanos sobre outros, mas como uma vitória da humanidade como um todo.
.
