Desde que o AlphaFold do Google DeepMind resolveu o problema de dobramento de proteínas de meio século em 2021, o papel da IA na ciência tem sido geralmente caracterizado em termos da busca por grandes avanços semelhantes – prova de que as máquinas poderiam resolver problemas que os humanos não conseguiam. A Antrópica, no entanto, defende uma ideia diferente: a de que os agentes de IA podem ser mais importantes no trabalho nada glamoroso entre as descobertas.
Em entrevistas exclusivas anunciando novas parcerias com o Allen Institute e o Howard Hughes Medical Institute, Jonah Cool, chefe de ciências da vida da Anthropic, e Grace Huynh, diretora executiva de aplicações de IA do Allen Institute, disseram que os laboratórios científicos de elite estão usando agentes de IA movidos por Claude para resolver os gargalos de análise, anotação e coordenação que podem esticar os prazos de pesquisa em anos.
Um ‘século 21 comprimido’
Cool, disse um biólogo celular e geneticista de formação, bem como um líder em tecnologia Fortuna que ele se inspirou em um ensaio de 2024 do CEO da Anthropic, Dario Amodei, Máquinas de graça amorosaque argumentou que “a biologia e a medicina possibilitadas pela IA nos permitirão comprimir o progresso que os biólogos humanos teriam alcançado nos próximos 50 a 100 anos em cinco a 10 anos”.
É uma ideia que Amodei descreveu como um “século XXI comprimido” que poderia tornar possível tudo, desde a prevenção quase universal de doenças infecciosas e grandes reduções na mortalidade por cancro até tratamentos eficazes para doenças genéticas, Alzheimer e outras doenças crónicas. Amodei também sugeriu que a IA poderia permitir terapias altamente personalizadas, expandir o controle humano sobre a própria biologia e até mesmo prolongar dramaticamente a expectativa de vida saudável.
Para Cool, essa visão mapeia diretamente o uso de agentes de IA na ciência – não como ferramentas que proporcionam avanços, mas como sistemas que podem assumir tarefas demoradas de análise, coordenação e experimentação que retardam a descoberta em laboratórios, permitindo que os humanos potencialmente façam essas novas descobertas críticas.
“O que o AlphaFold alcançou é incrível”, disse Cool, referindo-se à solução do sistema para o problema de longa data do enovelamento de proteínas. “Mas o que estamos falando aqui é diferente. Trata-se de trabalhar com equipes em todo o processo científico e incorporar a IA em seu trabalho diário.”
Huynh disse que a mudança para agentes de IA no Allen Institute, uma organização sem fins lucrativos de pesquisa em biociências fundada em 2003 pelo cofundador da Microsoft, Paul Allen, baseia-se em ferramentas que muitos pesquisadores já estão usando, particularmente o Código Claude da Anthropic, que se tornou popular entre os biólogos computacionais. Além disso, o objectivo, disse ela, não é aplicar a IA em todo o lado, mas concentrar-se em partes específicas do processo de investigação – tais como tarefas de análise de dados que podem levar meses – onde os agentes podem ter o impacto mais prático e acelerar significativamente o trabalho científico.
Nenhum pesquisador pode ver todas as conexões
Estamos começando a chegar a um ponto em que a ‘grande ciência’ é a norma”, disse ela. Os cientistas geram tantos dados hoje – desde a genômica de uma única célula e enormes conjuntos de dados de imagens até a conectômica, o estudo de como os neurônios do cérebro e do sistema nervoso estão conectados – que nenhum pesquisador consegue manter tudo em mente ou ver todas as conexões.
Cool apontou o Allen Institute e o Howard Hughes Medical Institute como parceiros ideais precisamente devido ao papel que já desempenham na formação da ciência moderna. O Allen Institute produziu alguns dos conjuntos de dados biológicos mais utilizados no mundo, incluindo mapas detalhados do cérebro do rato que mostram onde os genes estão activos no tecido real – recursos que se tornaram ferramentas padrão para investigadores de todas as áreas, não apenas da neurociência. Mais recentemente, esses mapas foram levados à resolução unicelular, aumentando dramaticamente o seu valor científico e ao mesmo tempo tornando-os muito mais complexos de analisar.
E no Janelia Research Campus do HHMI, os pesquisadores desenvolveram ferramentas fundamentais, como indicadores de cálcio como GCaMP, que permitem aos cientistas observar o disparo de neurônios em tempo real, e avanços na microscopia de super-resolução que ajudaram a ultrapassar os limites físicos da imagem luminosa. A ênfase em ferramentas e conjuntos de dados, disse Cool, é exatamente o que torna essas instituições um terreno fértil para agentes de IA: acelerar a análise, a anotação e a coordenação não ajuda apenas um laboratório – ela se espalha pela ciência como um todo.
“A ciência é uma prática fascinante, mas altamente repetitiva e muitas vezes muito tediosa”, explicou ele. “Cada vez mais na ciência, isso significa muito trabalho relacionado à análise e transformação de conjuntos de dados”, disse ele. “Acho que estamos nos aproximando de um mundo onde isso ainda exigirá muito trabalho, mas… você chegará às próximas etapas e aos experimentos muito, muito, mais rápido.”
Um futuro onde a IA pode ajudar a criar hipóteses
Cool também descreveu um futuro em que os agentes de IA não apenas analisarão os resultados, mas também ajudarão os cientistas a decidir quais hipóteses seguir – restringindo centenas de experimentos possíveis aos poucos que valem mais a pena serem executados, e até mesmo propondo novos designs de DNA baseados em padrões que os humanos sozinhos não conseguem ver facilmente.
“Estamos caminhando para que os modelos sejam capazes de ajudar a formular hipóteses”, construindo a partir do conhecimento que os humanos já possuem, disse ele. “Estamos começando com ‘ajude-me a priorizar as hipóteses que tenho’, porque tenho uma quantidade limitada de recursos e quero fazer todos os 100 experimentos, mas só tenho dinheiro para 10.”
Esta história foi originalmente apresentada em Fortune.com
