Ainda esta semana, Pushmeet Kohli, cientista-chefe do Google Cloud, publicou um artigo em uma edição especial de IA e ciência da revista Dédaloescrevendo: “Estamos caminhando em direção à IA que não apenas facilita a ciência, mas começa a fazer ciência.” Com cientistas autónomos de IA no horizonte, é mais difícil justificar esforços massivos para desenvolver ferramentas superespecializadas – mesmo uma como a AlphaFold, pela qual os cientistas da DeepMind ganharam um Prémio Nobel, ou um sistema potencialmente salvador como o WeatherNext. Também anuncia um futuro muito mais estranho para a ciência, no qual os humanos e os sistemas de IA colaboram como pares – ou a IA até faz progressos científicos por si só.
Para ser claro, o Google não parece estar abandonando o seu trabalho em IA especializada para ferramentas científicas. As Fundações AlphaGenome e AlphaEarth, que são treinadas para aplicações em genética e ciências da Terra, respectivamente, foram lançadas no verão passado, e a versão mais recente do WeatherNext foi lançada em novembro.
Além do mais, essas ferramentas continuam extremamente populares entre os cientistas. No ano passado, por exemplo, o Google informou que as previsões da estrutura das proteínas do AlphaFold foram usadas por mais de três milhões de pesquisadores em todo o mundo. E a Isomorphic Labs, uma subsidiária do Google que pretende usar AlphaFold e tecnologias relacionadas para desenvolver novos medicamentos, acaba de levantar uma rodada de financiamento da Série B de US$ 2 bilhões.
Mas há sinais concretos de realinhamento, tanto em entusiasmo como em recursos. No mês passado, o Los Angeles Times relatou que John Jumper, colega do Google, que ganhou o Nobel por AlphaFold, agora está trabalhando em codificação de IA, não em ferramentas de IA específicas da ciência. Não é surpreendente que o Google esteja atribuindo suas melhores mentes ao problema de codificação, já que a empresa sofreu recentemente um golpe de reputação porque suas ferramentas de codificação atualmente não resistem às oferecidas pela Anthropic e OpenAI. Mas também pode sinalizar uma priorização da ciência de agência por parte do Google, uma vez que as capacidades de codificação são fundamentais para o sucesso de alguns desses sistemas.
Em toda a indústria, os sistemas de investigação de agentes estão a mostrar um potencial real. Esta semana, a OpenAI anunciou que um dos seus modelos refutou uma importante conjectura matemática – talvez a contribuição mais significativa que a IA generativa fez para a matemática até agora, de acordo com alguns matemáticos.
É importante ressaltar que o modelo utilizado pela OpenAI não é especializado para resolução de problemas matemáticos, ou mesmo para pesquisa; de acordo com a empresa, é um modelo de raciocínio de uso geral no estilo GPT-5.5. Se os agentes gerais puderem fazer contribuições independentes para a investigação matemática, poderão em breve ser capazes de fazer o mesmo na ciência (embora o facto de as ideias na ciência terem de ser verificadas experimentalmente torne-a um domínio mais difícil para a IA).
