Pesquisadores da Universidade de Gotemburgo e da Universidade de Tecnologia Chalmers, na Suécia, desenvolveram um sistema de inteligência artificial capaz de participar de praticamente todo o ciclo de uma investigação científica: identificar perguntas, formular hipóteses, escolher experimentos, analisar os resultados e usar essas informações para decidir o que testar em seguida.
Apelidado pelos pesquisadores de uma espécie de “biólogo de IA”, o sistema foi testado em pesquisas envolvendo a levedura Saccharomyces cerevisiae, organismo amplamente utilizado em estudos de genética, metabolismo e biotecnologia.
A proposta vai além de simplesmente entregar dados para uma IA interpretar. O sistema funciona em um ciclo: recebe conhecimento científico, identifica uma questão que ainda pode ser explorada, recomenda um experimento, analisa o que aconteceu e atualiza sua própria compreensão antes de definir a próxima etapa.
De assistente a participante do experimento
Modelos de inteligência artificial já são usados para analisar grandes bancos de dados científicos, prever estruturas de proteínas e encontrar padrões difíceis de perceber manualmente. O novo trabalho, porém, explora um passo adicional: conectar a capacidade de raciocínio da IA ao processo experimental.
Os pesquisadores alimentaram o sistema com grande quantidade de informações disponíveis sobre a levedura, incluindo genoma, metabolismo e resultados de estudos anteriores. A partir desse material, a IA conseguiu identificar perguntas biológicas que poderiam ser investigadas experimentalmente.
Após receber os resultados, o sistema não encerrava o trabalho. Ele avaliava as novas informações e refinava as hipóteses em um ciclo fechado de aprendizado e experimentação. Isso permite que uma investigação seja ajustada progressivamente sem que um pesquisador precise determinar manualmente cada próximo teste.
Por que isso pode acelerar a ciência
Uma das dificuldades da pesquisa moderna é a quantidade de conhecimento acumulado. Nenhum cientista consegue acompanhar integralmente todas as publicações, bancos de dados, resultados experimentais e relações conhecidas sobre um organismo complexo.
Uma IA consegue analisar quantidades muito maiores de informação ao mesmo tempo e procurar combinações ou perguntas que poderiam passar despercebidas.
Segundo os responsáveis pelo projeto, laboratórios autônomos poderão permitir que hipóteses sejam exploradas de maneira mais rápida e sistemática, especialmente em áreas como biologia, medicina e biotecnologia.
Outro benefício potencial está no uso do laboratório. Em vez de realizar grandes quantidades de experimentos pouco promissores, sistemas automatizados poderiam usar os resultados anteriores para concentrar os próximos testes nas hipóteses consideradas mais informativas.
Humanos continuam no processo
Apesar do nível de autonomia, os pesquisadores fazem uma ressalva importante: o objetivo não é retirar os cientistas humanos do laboratório. As pessoas continuam responsáveis por definir prioridades de pesquisa, interpretar o significado mais amplo das descobertas, estabelecer programas científicos e avaliar questões éticas.
A IA ficaria principalmente com etapas que podem ser automatizadas, como geração e refinamento de hipóteses e planejamento de experimentos. A ideia é que sistemas do tipo trabalhem ao lado dos pesquisadores, e não simplesmente no lugar deles.
O estudo foi publicado no Journal of the Royal Society Interface e dá continuidade a uma área que vem sendo desenvolvida há anos pelo pesquisador Ross King, um dos pioneiros dos chamados “robôs cientistas”.
Antes dos atuais modelos de linguagem, King já havia criado sistemas chamados Adam e Eve, projetados para automatizar experimentos científicos e, no caso de Eve, auxiliar pesquisas relacionadas ao desenvolvimento de medicamentos.
A diferença agora é a combinação dessas estruturas automatizadas com os avanços recentes dos modelos de inteligência artificial. O resultado aponta para um cenário no qual uma IA não apenas responde perguntas sobre ciência, mas pode participar ativamente do processo usado para produzir novo conhecimento científico.
Fonte: Universidade de Gotemburgo / Chalmers e Journal of the Royal Society Interface.
