A inteligência artificial está a remodelar rapidamente o panorama da investigação científica, indo além de simples ferramentas para se tornar potencialmente numa nova forma de entidade científica. O que começou com as primeiras experiências automatizadas, como o robô “Adam” na década de 2000, evoluiu para sistemas de IA que contribuíram para descobertas ganhadoras do Prémio Nobel e aceleraram a descoberta em diversos campos. Embora o cepticismo permaneça, o ritmo do avanço sugere que o papel da IA na ciência já não é exagero – é realidade.
A evolução da IA na pesquisa
As primeiras aplicações de IA imitavam pesquisadores humanos, como Adam, que formulava perguntas e as testava em um laboratório robótico. Hoje, agentes de IA mais sofisticados, alimentados por modelos como o ChatGPT da OpenAI, dividem problemas complexos em etapas acionáveis e aproveitam vastos conjuntos de dados para fornecer respostas detalhadas. Pesquisadores das áreas farmacêutica, ciência dos materiais e computação quântica já estão usando esses sistemas para acelerar a descoberta. Os Prémios Nobel de Química e Física de 2024 reconhecem a importância crescente das ferramentas de IA, mas a verdadeira mudança ainda está em curso.
IA como parceira de pesquisa: pontos fortes e limitações atuais
Atualmente, a IA é excelente na pesquisa dentro de limites definidos, examinando enormes conjuntos de dados para identificar padrões e conexões obscuras. Os grandes modelos de linguagem (LLMs) por trás dos chatbots têm acesso a uma quantidade de texto sem precedentes, incluindo artigos de pesquisa em vários idiomas. No entanto, os verdadeiros avanços científicos muitas vezes exigem pensar fora da caixa – algo com que a IA atual tem dificuldade.
O desafio não é o acesso à informação, mas a capacidade de gerar ideias verdadeiramente novas. A criatividade e a imaginação humanas continuam a ser vitais para avanços de conhecimento, como a teoria da deriva continental ou da relatividade especial. A IA pode aumentar a descoberta humana, mas ainda não pode replicá-la inteiramente.
Avanços: das simetrias dos buracos negros às novas drogas
Apesar das suas limitações, a IA já está a fazer contribuições tangíveis. O físico teórico Alex Lupsasca descobriu que o agente profissional GPT-5 da OpenAI poderia identificar de forma independente simetrias nas equações dos buracos negros, verificando seu trabalho anterior. O matemático Ernest Ryu colaborou com ChatGPT em uma prova da teoria da otimização, descobrindo que um método comum sempre converge para uma única solução após 12 horas de idas e vindas.
A chave não é a substituição, mas a colaboração. Cientistas como Lupsasca e Ryu estão a juntar-se a empresas de IA (OpenAI) para ampliar ainda mais os limites, vendo a IA não como um concorrente, mas como um parceiro de investigação essencial.
O risco da “ciência lixo” e a necessidade de ferramentas melhores
A proliferação de conteúdo gerado por IA levanta preocupações sobre a qualidade. Críticos como Gary Marcus, da NYU, alertam que os LLMs podem facilmente produzir “ciência lixo”, incluindo artigos de pesquisa falsos produzidos por fábricas de papel. Os periódicos já começaram a rejeitar submissões geradas por IA devido à baixa qualidade.
Para mitigar esta situação, os investigadores estão a avançar para “caixas empilhadas” – combinando agentes gerais de IA com ferramentas especializadas que garantem a precisão, como gráficos de conhecimento. Esta abordagem está se mostrando eficaz na descoberta de medicamentos e na ciência de materiais. A Insilico Medicine, por exemplo, utilizou IA para identificar uma proteína ligada à fibrose pulmonar idiopática e desenvolveu uma molécula de medicamento para bloqueá-la, atualmente em ensaios clínicos.
O Futuro: IA Construindo Sua Própria Estrutura de Pesquisa
O objetivo final é permitir que a IA construa a sua própria estrutura de investigação – para definir as suas próprias questões, conceber experiências e analisar dados com o mínimo de intervenção humana. Projetos como AutoRA (pesquisa em ciências sociais) e Code Scientist (pesquisa em ciência da computação) são os primeiros passos nessa direção. Esses sistemas recombinam o conhecimento existente para gerar novos experimentos e analisar resultados de forma autônoma.
Embora esses sistemas ainda não estejam fazendo descobertas revolucionárias, eles sinalizam uma mudança em direção à verdadeira ciência orientada pela IA. O desafio continua sendo refinar essas ferramentas, garantir a criatividade e evitar a geração de conclusões erradas ou enganosas.
O impacto da IA na descoberta científica é inegável. Desde ajudar investigadores humanos até se tornarem potencialmente entidades científicas autónomas, o futuro da ciência está inextricavelmente ligado à evolução da inteligência artificial.
