A ideia de uma superinteligência artificial (ASI) pode parecer um sonho distante, mas avanços recentes sugerem que essa realidade pode estar mais próxima do que imaginamos. Uma pesquisa do MIT, intitulada "Inteligência Artificial, Descoberta Científica e Inovação de Produtos", demonstra o potencial da IA para acelerar drasticamente o processo de descoberta científica. Este estudo, somado a declarações de figuras proeminentes no campo da IA, como Sam Altman, CEO da OpenAI, aponta para um futuro onde a inovação tecnológica transformará a sociedade de maneira profunda e irreversível.
O processo tradicional de invenção, desde a concepção da ideia até o lançamento no mercado, costuma levar de 10 a 20 anos. Este processo envolve várias etapas: geração de ideias, criação de materiais candidatos, priorização dos mais promissores, testes, registro de patentes, desenvolvimento de produtos aprimorados e, finalmente, comercialização. A IA tem o potencial de condensar significativamente esse cronograma. A OpenAI, por exemplo, prevê que após o desenvolvimento de agentes de IA, o próximo passo será o surgimento de IAs inventoras e inovadoras, apelidadas de "coisas de ficção científica".
A pesquisa do MIT oferece um vislumbre desse futuro, demonstrando como a IA pode otimizar cada etapa do processo de invenção. A IA pode auxiliar na geração de ideias, propondo novos materiais com propriedades específicas, como resistência, flexibilidade e condutividade. Na fase de priorização, a IA pode analisar e selecionar os candidatos mais promissores, reduzindo custos e falsos positivos. Nos testes, a IA pode simular diferentes cenários e prever o desempenho dos materiais, acelerando o desenvolvimento de protótipos e produtos finais.
Dario Amodei, COO da Anthropic, cunhou o termo "Século XXI Compresso" para descrever esse fenômeno. A ideia é que, com o advento de IAs poderosas, o progresso científico e tecnológico que seria alcançado ao longo de um século inteiro poderá ser condensado em apenas algumas décadas, ou até mesmo anos. Imagine 75 anos de avanços em medicina e biologia concentrados em um período de 5 a 10 anos! Isso significa que poderemos vivenciar o equivalente a duas ou três vidas em um curto espaço de tempo.
A pesquisa do MIT destaca o uso de Redes Neurais de Grafos (GNNs) na ciência dos materiais. Essas redes são capazes de analisar a estrutura atômica dos materiais em detalhes, prevendo suas propriedades e auxiliando na criação de novos compostos com características específicas. O processo de treinamento das GNNs envolve três etapas: pré-treinamento, ajuste fino e reforço. No pré-treinamento, a IA aprende com um vasto banco de dados de materiais existentes. No ajuste fino, a IA se especializa em tipos específicos de materiais e propriedades. Finalmente, no reforço, a IA é testada e aprimorada com base nos resultados dos experimentos realizados pelos cientistas.
A arquitetura "Graft Diffusion" permite que a IA crie novos materiais a partir de compostos conhecidos, adicionando um elemento de aleatoriedade e refinando os resultados para obter materiais estáveis e práticos. Esse processo, semelhante aos modelos de difusão em imagens, acelera significativamente a descoberta de novos materiais, permitindo que os cientistas se concentrem na avaliação e nos testes das sugestões geradas pela IA, em vez de investir tempo na geração de ideias a partir do zero.
A pesquisa do MIT também investigou o impacto da IA na percepção dos próprios cientistas sobre suas carreiras. Após utilizar as ferramentas de IA, os cientistas relataram um aumento na produtividade, mas também uma maior preocupação com a possibilidade de serem substituídos pela tecnologia. A pesquisa revelou uma crescente consciência sobre a necessidade de desenvolver novas habilidades para trabalhar em conjunto com a IA, e muitos cientistas expressaram a intenção de se requalificar. Curiosamente, a satisfação com a escolha da carreira diminuiu após o uso da ferramenta, refletindo a preocupação com a redução da criatividade e o aumento da automação nas suas funções.
Um comentário particularmente revelador de um dos pesquisadores participantes do estudo expressa a ambivalência gerada pela IA: "Embora impressionado com o desempenho da ferramenta, não pude evitar a sensação de que grande parte da minha formação agora é inútil. Não fui treinado para isso." Esse sentimento, embora compreensível, destaca a importância da adaptação e do desenvolvimento de novas competências para o futuro do trabalho científico.
A observação de Rune, um suposto insider da área de IA, de que os pesquisadores estão terceirizando a geração de ideias para a IA e se tornando "robôs de laboratório", é uma interpretação provocativa, mas que suscita reflexões importantes sobre o futuro da ciência. A superinteligência artificial, quando se tornar realidade, terá um impacto profundo na maneira como a ciência é feita, e a pesquisa do MIT oferece um vislumbre fascinante – e um tanto inquietante – desse futuro. A IA não será usada para tarefas triviais, mas sim para acelerar a descoberta científica, impulsionando a inovação e transformando a sociedade de maneiras que ainda estamos apenas começando a imaginar.
