A forma como a investigação científica é concebida está a mudar. A IA deixou de ser uma ferramenta passiva para se tornar uma colaboradora ativa no processo científico. Uma pesquisa revelou que os LLMs estão emergindo rapidamente como uma ferramenta essencial para estudantes de doutorado em suas pesquisas.

“Nos próximos anos, chegaremos a um ponto onde teremos um cientista de IA. Assim, será possível aplicar um ritmo de progresso científico muito mais rápido”, disse o capitalista de risco Vinod Khosla numa entrevista recente enquanto falava sobre o potencial da IA ​​na descoberta científica.

Esta visão já está tomando forma. Num novo estudo, os investigadores de Stanford introduziram o conceito de “Laboratório Virtual”, uma estrutura de colaboração entre IA e humanos concebida para investigação científica interdisciplinar – neste caso, concebendo e validando novos nanocorpos para SARS-CoV-2.

Este sistema emprega uma equipe de agentes de grandes modelos de linguagem (LLM), cada um especializado em diversas áreas, para auxiliar pesquisadores humanos na resolução de problemas científicos.

Construído em Python, ele usa GPT-4o como LLM padrão, mas suporta fácil substituição por outros modelos – ao contrário de outras estruturas de pesquisa como ChemCrow e Coscientist, que dependem de agentes LLM fixos ou predefinidos.

Nessa estrutura, os agentes fazem mais do que apenas realizar cálculos. Eles se envolvem em discussões, propõem soluções e avaliam criticamente os resultados – tornando-os mais do que meras ferramentas no processo científico.

Por Dentro do Laboratório Virtual

A arquitetura de IA multiagente descrita nesta pesquisa foi projetada para imitar uma equipe interdisciplinar de cientistas. O fluxo de trabalho começa com a definição de funções para agentes de IA, como investigadores principais (PI), agentes cientistas e um crítico científico. A pesquisa progride através de “reuniões de equipe” estruturadas para discussões amplas e “reuniões individuais” para tarefas específicas.

Os agentes de IA discutem, criticam e refinam ideias de forma colaborativa, usando ferramentas como AlphaFold, Rosetta e modelos de aprendizado de máquina para projetar nanocorpos para variantes do SARS-CoV-2. O pesquisador humano define agendas e integra resultados, agilizando pesquisas complexas e interdisciplinares com a ajuda da IA.

Um agente “crítico científico” garante uma avaliação rigorosa, aumentando a robustez dos resultados, enquanto o agente “investigador principal” sintetiza insumos, simula liderança e supera desafios na coordenação do conhecimento entre domínios.

“Os agentes LLM no Laboratório Virtual servem como um recurso extremamente útil para a produção de ideias de pesquisa e fluxos de trabalho experimentais, além de códigos para projetos de pesquisa. Mas cabe ao pesquisador humano verificar novamente a validade das decisões tomadas pelos agentes do LLM”, disse Kyle Swanson, pesquisador de Stanford e coautor deste estudo. MIRARcomentando sobre a importância do humano no circuito para tais experimentos, pelo menos atualmente.

Embora os agentes LLM sejam valiosos para gerar ideias de pesquisa, fluxos de trabalho e códigos, os pesquisadores devem verificar sua precisão – pois são capazes de ter alucinações e erros.

Swanson explicou que embora o uso de múltiplos agentes e a crítica científica possam ajudar na detecção de erros, este método não é infalível, pois todos os agentes podem cometer o mesmo erro. Ele também observou que oferecer contexto extra, como artigos de pesquisa relevantes, pode ajudar a reduzir as alucinações, mas não as eliminará completamente.

Futuro da descoberta científica interdisciplinar

O ensaio recente do Google DeepMind também destaca o papel crescente da IA ​​na ciência. A IA acelera o compartilhamento de conhecimento com LLMs, ajuda a gerar e rotular dados (como prever funções de proteínas) e impulsiona a pesquisa, afirmou.

Ferramentas como AlphaProof e AlphaGeometry 2 estão resolvendo problemas difíceis no projeto de medicamentos e na otimização de algoritmos. Em maio de 2024, a DeepMind lançou o AlphaFold 3, um modelo de dobramento de proteínas de código aberto e revolucionário que prevê com precisão 50% melhor. Demis Hassabis e John M Jumper, dois cientistas do Google DeepMind, receberam o Prêmio Nobel de Química de 2024 pelo AlphaFold2.

Este estudo de Stanford faz referência ao artigo AlphaFold 2 de Jumper como uma ilustração de pesquisa interdisciplinar. Destaca como a investigação científica moderna envolve equipas grandes e diversificadas, o que mostra a natureza colaborativa da investigação científica complexa.

Além do laboratório virtual

Curiosamente, a arquitetura do Laboratório Virtual pode ser expandida para outros campos da descoberta de medicamentos e da ciência de materiais com experiência mais ampla dos agentes. Ele foi projetado para ser facilmente adaptável a uma ampla gama de aplicações científicas e seus elementos principais são independentes de domínio.

“Esperamos que o Laboratório Virtual continue a melhorar à medida que os LLMs subjacentes melhoram”, disse Kyle. “Também esperamos incorporar mais ferramentas para lhe dar mais capacidades”, acrescentou, sugerindo melhorias como potenciar pesquisas na Internet ou dar acesso a repositórios GitHub, o que poderia ajudá-lo a adquirir novos conhecimentos e a utilizar ferramentas além da sua formação.

Experimentos como esses democratizam o acesso ao conhecimento básico. O laboratório virtual projetou 92 candidatos a nanocorpos em quatro rodadas, que foram então validados experimentalmente. Essa eficiência mostra como configurações com recursos limitados podem alcançar resultados impactantes usando a colaboração de IA.