A startup está tentando um novo truque para desenvolver IA para descoberta científica
A startup está tentando um novo truque para desenvolver IA para descoberta científica
O desenvolvimento de inteligência artificial para a descoberta científica tornou-se um objetivo monumental para os gigantes da tecnologia. Empresas como a OpenAI e a Anthropic garantiram dezenas de milhares de milhões em financiamento com promessas de avanços da IA na medicina, biologia e física. No entanto, a verdadeira descoberta científica baseada na IA permanece ilusória, como demonstrado por incidentes passados, como uma descoberta matemática gerada pelo ChatGPT desmascarada. O principal desafio, segundo os especialistas, é que os actuais modelos de grandes línguas (LLMs) não têm a capacidade intrínseca de gerar novos conhecimentos científicos de forma autónoma.
Por que os grandes laboratórios de IA estão lutando com a descoberta científica
Markus Buehler, professor de engenharia do MIT, identifica uma limitação fundamental na IA avançada de hoje. Ele argumenta que os modelos que alimentam os sistemas OpenAI e Anthropic não são projetados para descobertas genuínas. Sua arquitetura é baseada no reconhecimento de padrões a partir de dados existentes, e não na criação de novas teorias ou hipóteses.
Isso foi claramente ilustrado no outono passado, quando uma suposta descoberta matemática do ChatGPT foi rapidamente desmascarada. O episódio destacou a lacuna entre o poder analítico da IA e o seu pensamento criativo e orientado para a descoberta. É um desafio que lembra outros empreendimentos de IA onde a tecnologia luta com a originalidade, muito parecido com as críticas enfrentadas pelo “ator” de IA Tilly Norwood por falta de criatividade genuína.
O problema central dos modelos atuais de IA
Grandes modelos de linguagem são excelentes no processamento e regurgitação de informações. Eles podem resumir textos, responder perguntas e até escrever códigos com base em seus dados de treinamento. No entanto, eles operam dentro dos limites do que já aprenderam.
A descoberta científica, por sua natureza, exige entrar no desconhecido. Envolve formar novas conexões entre campos díspares e propor ideias que não estão presentes em nenhum conjunto de dados de treinamento. Este é um salto que a IA generativa atual, focada na criação e automação de conteúdo, não foi construída para dar. A indústria está evoluindo, como pode ser visto em desenvolvimentos como a atualização do WordPress Gutenberg, que estabelece as bases para a publicação de IA, mas o principal desafio para a descoberta permanece.
Apresentando Unreasonable Labs: uma nova abordagem de IA para a ciência
Para resolver essa lacuna, o professor Buehler cofundou o Unreasonable Labs com Yuan Cao, ex-cientista sênior de pesquisa do Google DeepMind. A startup pretende ser pioneira em uma abordagem fundamentalmente diferente para o desenvolvimento de IA para descobertas científicas. Em vez de depender apenas da ingestão massiva de dados, estão a construir sistemas capazes de raciocínio interdisciplinar.
A Unreasonable Labs garantiu recentemente US$ 13,5 milhões em uma rodada de financiamento liderada pela Playground Global. A rodada contou com a participação de AIX Ventures, E14 Fund e MS&AD Ventures. Este investimento significativo sublinha a crença do mercado na sua nova metodologia.
Aprendendo com momentos "Aha" na história da ciência
A hipótese de Buehler é que muitas grandes descobertas surgem de momentos “aha”. São casos em que um cientista aplica uma teoria ou conceito de uma área para resolver um problema em um domínio completamente diferente. Essa polinização cruzada de ideias é fundamental para avanços.
Um exemplo clássico é o trabalho de John Hopfield em 1982. Ele aplicou conceitos da física da matéria condensada ao então nascente campo da inteligência artificial. Isso levou ao desenvolvimento das redes Hopfield, um tipo de rede neural capaz de aprender e recordar memórias. Foi uma ideia revolucionária nascida da conexão de disciplinas não relacionadas.
Como a IA do Unreasonable Labs difere dos modelos convencionais
A IA que está sendo desenvolvida no Unreasonable Labs foi projetada para imitar essa capacidade humana de percepção interdisciplinar. O seu objetivo não é criar um modelo de linguagem maior, mas construir um sistema que possa raciocinar através de domínios científicos.
Gráficos de conhecimento interdisciplinares: em vez de treinar apenas em texto, sua IA integra conhecimento estruturado de vários campos científicos, da biologia à física. Motores de raciocínio analógico: A tecnologia central concentra-se em encontrar analogias e paralelos entre conceitos aparentemente não relacionados, um fator-chave da inovação científica. Geração de hipóteses: O sistema está sendo projetado para propor hipóteses científicas testáveis, e não apenas analisar dados existentes.
Esta abordagem representa um afastamento significativo das estratégias de aquisição de grandes empresas.empresas de tecnologia, como a aquisição da startup de IA Forethought pela Zendesk, que muitas vezes se concentram no refinamento de aplicativos de atendimento ao cliente existentes, em vez de serem pioneiros em novas formas de descoberta.
O futuro da descoberta orientada por IA
Se for bem sucedida, a tecnologia da Unreasonable Labs poderá acelerar a investigação em áreas críticas. Imagine uma IA que possa sugerir um novo composto medicamentoso combinando princípios da química e da genética. Ou um modelo que propõe um novo material para energia sustentável, unindo conceitos da nanotecnologia e da termodinâmica.
As aplicações potenciais são vastas, desde a aceleração da investigação médica até à resolução de desafios ambientais complexos. Isto representa a próxima fronteira da IA, indo além da automação para se tornar um verdadeiro parceiro da engenhosidade humana.
Conclusão: a próxima onda de inovação em IA
A corrida para desenvolver IA para descoberta científica está esquentando, mas o verdadeiro sucesso pode estar em startups especializadas como a Unreasonable Labs. Seu foco no raciocínio interdisciplinar oferece um caminho promissor para além das limitações dos atuais grandes modelos de linguagem. A jornada para criar uma IA que possa realmente descobrir está apenas começando.
Mantenha-se atualizado sobre as últimas inovações em IA e tecnologia. Para obter mais informações e compartilhar facilmente este artigo, crie sua página gratuita com link na biografia no Seemless para selecionar seu conteúdo favorito.
