A inteligência artificial na Ciência

A abrangência da inteligência artificial (IA) na pesquisa científica está se expandindo constantemente. Ela se estende desde a modelagem de proteínas até previsões meteorológicas, passando por diagnósticos médicos até a elaboração de comunicações científicas. Atualmente, 8% dos artigos na base de dados Scopus citam IA ou termos correlatos em seus títulos ou resumos, um aumento em relação aos 2% de uma década atrás.

De fato, a IA pode analisar grandes conjuntos de dados muito mais rapidamente do que os seres humanos, permitindo que cientistas identifiquem padrões, façam previsões e testem hipóteses em uma fração do tempo que seria necessário anteriormente. Os algoritmos também podem ser treinados para realizar tarefas repetitivas, como a triagem de compostos em pesquisa farmacêutica ou a análise de imagens em estudos biológicos, com precisão e eficiência.

Por outro lado, ao lidar com vastos volumes de dados, a IA pode identificar correlações e padrões que seriam muito sutis ou complexos para a análise humana, levando a novos insights em campos como genômica, física de partículas e astronomia. Ou mesmo, em áreas como química e biologia, a IA pode ser usada para simular e prever a estrutura de novas moléculas ou proteínas, o que pode ser crucial para o desenvolvimento de novos medicamentos.

A IA, no entanto, está em constante evolução. Se a década de 2010 foi marcada pelo surgimento de algoritmos de aprendizado de máquina focados em interpretar vastos e complexos bancos de dados, a década de 2020 trouxe uma nova onda de ferramentas generativas, pré-treinadas em conjuntos de dados ainda mais extensos, prometendo grande impacto revolucionário, como na pesquisa científica.

Em paralelo, presenciamos avanços impressionantes na chamada IA generativa. Estes são capazes de gerar textos, imagens e códigos a partir dos padrões nos quais foram treinados. Eles têm sido ferramentas valiosas para os cientistas, auxiliando na elaboração de pesquisas, promovendo debates e até mesmo na criação de novas estruturas proteicas e otimização de diagnósticos médicos, dentre outros.

Continua após a publicidade..

No entanto, há preocupações legítimas no meio científico. Há temores de informações distorcidas e reforço de estereótipos, especialmente se as ferramentas de IA em diagnósticos médicos basearem-se em dados com vieses históricos distocirdos. Por exemplo, foi evidenciado que quando o LLM GPT-4 foi usado para sugerir diagnósticos e tratamentos, as recomendações diferiram com base na raça ou gênero dos pacientes, refletindo possivelmente os dados com os quais foi treinado.

Há debates sobre se a abordagem baseada em dados da IA pode, em alguns casos, desafiar ou até mesmo substituir métodos científicos tradicionais baseados em hipóteses. Com a IA assumindo mais tarefas na pesquisa, os cientistas podem precisar se adaptar, adquirindo novas habilidades e competências em ciência de dados e programação.

Em resumo, enquanto a IA oferece imenso potencial para avançar a fronteira da pesquisa científica, é crucial abordar seus desafios e implicações éticas com cuidado e consideração. A colaboração entre especialistas em IA e tradicionais pesquisadores científicos será vital para garantir que a IA seja usada de maneira responsável e eficaz.

* Allan Kardec Duailibe Barros Filho, PhD pela Universidade de Nagoya, Japão, professor titular da UFMA, ex-diretor da ANP, membro da AMC, presidente da Gasmar.

As opiniões, crenças e posicionamentos expostos em artigos e/ou textos de opinião não representam a posição do Imirante.com. A responsabilidade pelas publicações destes restringe-se aos respectivos autores.

Leia outras notícias em Imirante.com. Siga, também, o Imirante nas redes sociais X, Instagram, TikTok e canal no Whatsapp. Curta nossa página no Facebook e Youtube. Envie informações à Redação do Portal por meio do Whatsapp pelo telefone (98) 99209-2383.