The Economist: A IA pode mudar a forma como a investigação científica é feita?

A inteligência artificial (IA) está moldando o campo da ciência de maneiras sem precedentes. **Desde a aceleração do processo de investigação até à geração de novas hipóteses de investigação, a adição da IA traz um enorme potencial para a ciência. **

No início deste ano, Yann LeCun, um dos padrinhos da IA moderna, disse: “Ao aumentar a inteligência humana, a IA pode desencadear um novo renascimento, talvez uma nova fase do Iluminismo”.

Hoje, a IA já pode tornar alguns processos científicos existentes mais rápidos e eficientes, como a descoberta de novos antibióticos, novos materiais para baterias e painéis solares, bem como a previsão do tempo a curto prazo, o controlo da fusão nuclear e muito mais. Demis Hassabis, CEO do Google DeepMind, comparou a IA a um telescópio e acreditou que “a IA pode trazer um renascimento de novas descobertas e se tornar um multiplicador da sabedoria humana”.

No entanto, será que a IA pode fazer mais, mudando a forma como a própria ciência funciona?

Descoberta baseada na literatura: a IA lidera a descoberta do conhecimento científico

Na verdade, essa mudança já aconteceu antes.

Com o advento do método científico no século XVII, os pesquisadores começaram a confiar nas observações experimentais e nas teorias delas derivadas, em vez da sabedoria convencional da antiguidade. O estabelecimento de laboratórios de pesquisa no final do século XIX estimulou a inovação em áreas que vão da química aos semicondutores e aos produtos farmacêuticos. Estas mudanças não só aumentam a produtividade científica, como também transformam a própria ciência, abrindo novas áreas de investigação e descoberta.

Então, como poderia a IA conseguir uma transformação semelhante naquela época, não apenas na geração de novos resultados, mas em novas formas de gerar novos resultados?

**Uma abordagem promissora é a descoberta baseada na literatura (LBD). **

Como método de IA, o LBD visa fazer novas descobertas por meio da análise da literatura científica. Já na década de 1980, o Dr. Don Swanson, da Universidade de Chicago, estabeleceu o primeiro sistema LBD para encontrar novas associações no banco de dados de revistas médicas MEDLINE. Um dos primeiros sucessos desta abordagem foi associar a doença de Raynaud, uma doença circulatória, à viscosidade do sangue, levando à hipótese de que o óleo de peixe poderia ser útil no tratamento, hipótese que mais tarde foi confirmada experimentalmente. No entanto, o alcance dos sistemas LBD naquela época era limitado.

Hoje em dia, a IA fez progressos significativos no processamento de linguagem natural (PNL), e a quantidade de literatura científica também aumentou significativamente, tornando os métodos LBD ainda mais poderosos. Por exemplo, em 2019, pesquisadores do Laboratório Nacional Lawrence Berkeley, nos Estados Unidos, usaram técnicas de aprendizagem não supervisionadas para analisar resumos da literatura de ciência de materiais e convertê-los em representações matemáticas chamadas “word embeddings”. Esta abordagem permite que os sistemas de IA obtenham “intuição química” e sugiram novos materiais que possam ter propriedades específicas. Após verificação experimental, todos os dez principais materiais candidatos apresentaram excelente desempenho.

Um artigo recente publicado na Nature Human Behavior pelos sociólogos Jamshid Sourati e James Evans da Universidade de Chicago amplia esta abordagem de uma forma inovadora. Os pesquisadores treinaram um sistema para considerar conceitos e autores e alcançaram resultados melhores do que antes. Além disso, exigem que o sistema evite as principais direções de investigação e identifique hipóteses “alienígenas” que provavelmente não serão descobertas em circunstâncias normais. Esta abordagem não só ajuda a acelerar a descoberta científica, mas também revela novos “pontos cegos”.

Hoje, os sistemas LBD podem não só gerar novas hipóteses de investigação, mas também identificar potenciais parceiros e facilitar a colaboração interdisciplinar. A aplicação desse método está se expandindo para lidar com diversos tipos de documentos como tabelas, gráficos e figuras, proporcionando maior suporte aos cientistas.

Cientista robótico: IA lidera a revolução laboratorial

**Os cientistas robóticos representam outro desenvolvimento interessante além da automação laboratorial tradicional. **Eles adquirem conhecimento prévio sobre uma área de pesquisa específica na forma de dados, artigos de pesquisa e patentes, depois geram hipóteses, realizam experimentos, avaliam resultados e, por fim, descobrem novos conhecimentos científicos.

“Adam” da Universidade de Aberystwyth é um pioneiro em cientistas robóticos. Ele alcançou a primeira descoberta independente de novos conhecimentos científicos. O experimento sobre a relação entre genes e enzimas no metabolismo da levedura é um caso típico.

Cientistas robóticos mais sofisticados, como “Eve”, usam o aprendizado de máquina para criar “relações quantitativas estrutura-atividade” (QSARs) – modelos matemáticos que relacionam estruturas químicas a efeitos biológicos – enquanto planejam e analisam experimentos. Eve já foi usada na descoberta de medicamentos, descobrindo com sucesso que o triclosan, um composto antimicrobiano usado em pasta de dente, inibe um mecanismo chave no parasita que causa a malária.

Ao mesmo tempo, a perspectiva de as máquinas derrotarem os melhores jogadores humanos parecia estar a décadas de distância, mas a tecnologia está a avançar mais rapidamente do que o esperado. À medida que os cientistas robóticos se tornam cada vez mais capazes, será possível colocar os futuros cientistas robóticos contra sistemas de IA que podem jogar xadrez.

Ross King, pesquisador de IA da Universidade de Cambridge que criou Adam, disse: “Se a IA puder explorar todo o espaço de hipóteses, ou mesmo expandir esse espaço, então isso pode mostrar que os humanos estão explorando apenas uma pequena parte do espaço de hipóteses, talvez devido aos seus próprios preconceitos científicos.

Os cientistas robôs transformaram a pesquisa científica de uma forma única, resolvendo problemas de eficiência no campo científico. A eficiência da investigação científica está a diminuir gradualmente e é difícil promover o desenvolvimento da fronteira do conhecimento.Os cientistas robóticos podem resolver este problema através de sistemas orientados por IA, porque as máquinas podem realizar trabalhos de laboratório de forma mais rápida, barata e precisa do que os humanos, e pode trabalhar 24 horas por dia. Além disso, podem fornecer resultados experimentais reprodutíveis e aliviar a crise de reprodutibilidade.

O potencial e os desafios da IA na ciência

**Embora a IA tenha um grande potencial na ciência, também enfrenta alguns desafios. **

Além de melhores hardware e software e de uma integração mais estreita entre os dois, há também a necessidade de uma maior interoperabilidade entre os sistemas de automação laboratorial, bem como de padrões comuns que permitam aos algoritmos de IA trocar e interpretar informações semânticas. Outro obstáculo é a falta de familiaridade dos cientistas com ferramentas baseadas em IA. Além disso, alguns pesquisadores temem que a automação ameace seus empregos.

No entanto, o impacto da IA é agora “amplo e abrangente”, disse a Dra. Yolanda Gil, cientista da computação da Universidade do Sul da Califórnia. Muitos cientistas estão agora “procurando ativamente por parceiros de IA”. A consciência do potencial da IA está a aumentar, especialmente nos domínios da ciência dos materiais e da descoberta de medicamentos, onde os profissionais estão a construir os seus próprios sistemas de IA.

No geral, as revistas científicas mudaram a forma como os cientistas descobrem informações e aprendem uns com os outros. Os laboratórios de pesquisa ampliaram a escala dos experimentos e realizaram a industrialização dos experimentos. Ao alargar e combinar as duas primeiras revoluções, a IA pode de facto mudar a forma como a investigação científica é feita.

Links de referência: