Ensaio convidado da Anthropic defende que a IA apresente conjuntos de modelos científicos

Em 6 de novembro de 2026, a Anthropic publicou um ensaio de investigação convidado no qual os bolseiros do programa AI for Science Jakob Macke, Daniel Gedon e Stefan Wahl defendem que os agentes baseados em LLM apresentem distribuições ponderadas de modelos científicos plausíveis, em vez de um único modelo com o melhor ajuste. Os autores são investigadores do ELLIS Institute Tübingen e da University of Tübingen.

A distinção central que estabelecem é entre reproduzir observações e compreender um sistema. Muitas configurações de parâmetros podem produzir resultados equivalentes, e diferentes estruturas de equações podem explicar as mesmas medições. Por isso, um agente que apresenta uma única resposta adequada oculta alternativas que podem sustentar mecanismos ou previsões diferentes.

Construção, restrição e interpretação de modelos

O ensaio divide a modelação científica em três etapas recorrentes: construir os componentes e as equações de um modelo, restringir os parâmetros ajustáveis com medições e interpretar o que o resultado revela sobre o sistema real. O exemplo histórico apresentado é o modelo de células nervosas de Hodgkin e Huxley. Os dois investigadores escolheram um termo de quarta potência porque as versões mais simples se ajustavam pior aos dados, enquanto Huxley passou mais de três semanas a resolver as equações com uma calculadora de manivela, depois de o computador da Cambridge University avariar em 1951.

É precisamente essa história de alternativas rejeitadas que importa. A quarta potência sustentava uma hipótese sobre várias partes móveis de uma comporta da membrana; sem saber que as potências inferiores não tinham funcionado, o ajuste numérico, por si só, não teria justificado essa interpretação. Os autores usam o exemplo para definir um padrão para a IA: preservar o que o processo de modelação revela, incluindo as hipóteses rejeitadas e a incerteza que permanece.

Das distribuições de parâmetros às distribuições de modelos

A inferência bayesiana aborda a versão do problema relativa aos parâmetros, representando as configurações plausíveis como uma distribuição de probabilidade informada pelo ajuste aos dados e pelo conhecimento prévio. Os cálculos convencionais da verosimilhança são muitas vezes intratáveis para simuladores mecanísticos: uma revisão da PNAS de 2020 explica que a verosimilhança integra implicitamente todos os percursos de execução possíveis de um simulador.

A inferência baseada em simulação, por sua vez, amostra parâmetros, executa o simulador e treina um estimador neural com os resultados sintéticos. O método SNPE requer um modelo executável, restrições prévias para os parâmetros e dados observados ou características-resumo, sem avaliações da verosimilhança nem código de modelo diferenciável. Na experiência simulada de Hodgkin-Huxley, uma ronda recorreu a 100 000 simulações para estimar oito parâmetros biofísicos a partir de sete características da voltagem. A inclusão de características tornou a distribuição a posteriori mais estreita e mostrou quais parâmetros eram fortemente ou fracamente restringidos pelas observações. Após a fase inicial de simulação e treino, o modelo substituto aprendido consegue avaliar novos dados com eficiência.

O ensaio estende essa lógica dos parâmetros às estruturas dos modelos. Um agente baseado em LLM pode escrever código para simuladores candidatos, executá-los, restringir os seus parâmetros, comparar os resultados com as observações e rever as equações. Execuções separadas podem produzir estruturas diferentes, mas igualmente adequadas; por isso, a saída proposta é uma população ponderada: os candidatos ganham peso de acordo com o apoio dos dados, os ajustes excessivamente flexíveis recebem menos crédito e os candidatos mais fortes servem de ponto de partida para novas variações. As características partilhadas pelos modelos que permanecem indicam o que as evidências favorecem, enquanto as divergências assinalam evidências escassas e possíveis experiências seguintes.

O ModelSMC pesquisa modelos executáveis

Num artigo anterior, publicado em 2026, sobre o ModelSMC, Wahl e os seus colegas, incluindo Macke e Gedon, formalizaram esta abordagem como inferência probabilística sobre programas de simuladores executáveis. Cada candidato é uma partícula proposta ou aperfeiçoada por um LLM com base em implementações ancestrais, no retorno das avaliações e no contexto da tarefa. A ponderação baseada na verosimilhança e a reamostragem concentram a população nas estruturas promissoras, enquanto os parâmetros são marginalizados durante a descoberta, em vez de se reduzirem a uma única estimativa otimizada por estrutura. O trabalho reconhece os créditos de API concedidos pelo programa AI for Science da Anthropic, lançado em 5 de maio de 2025 para investigadores selecionados afiliados a instituições, com especial incidência na biologia e nas ciências da vida.

As experiências abrangeram dinâmicas epidemiológicas sintéticas, um simulador da regulação da aldosterona nos rins e uma tarefa de descoberta estrutural de Hodgkin-Huxley que utilizou 10 registos reais de voltagem. Os autores relatam que os modelos de neurociência com maior ponderação acrescentaram repetidamente uma corrente lenta de potássio do tipo M, por vezes acompanhada de outro canal, e que esta família ficou em primeiro lugar em nove das 10 execuções. No conjunto, o desempenho quantitativo foi comparável ao do FunSearch+ e de uma variante de partícula única, com orçamentos semelhantes; a vantagem reivindicada consiste na análise a posteriori de famílias de modelos, e não numa superioridade uniforme de desempenho.

Interpretação e validação

Os custos e as dependências documentados do ModelSMC são tão importantes quanto os seus resultados. A simulação repetida e a estimativa da verosimilhança são computacionalmente dispendiosas, as verosimilhanças substitutas podem introduzir enviesamento quando o modelo está mal especificado, e a descoberta depende de o LLM propor estruturas úteis. O ensaio convidado acrescenta uma ressalva mais ampla: estes sistemas foram testados sobretudo na redescoberta de modelos conhecidos, e são escassas as evidências de que funcionem em problemas científicos sem resposta conhecida.

Os autores consideram a interpretação a etapa mais difícil de delegar, porque o ajuste aos dados é mensurável, enquanto a melhoria da compreensão não tem um objetivo igualmente claro. A concordância entre modelos ajustados após a perturbação de um sistema reforça uma previsão, enquanto a divergência revela mecanismos ainda não esclarecidos e pode orientar o experimento seguinte. Essa exigência se torna mais importante se a IA aliviar a pressão histórica por modelos compactos e compreensíveis para as pessoas, pois modelos maiores aumentam a necessidade de explicitar a incerteza e apresentar resumos mecanísticos concisos.

O padrão estabelecido pelos autores, portanto, vai além de um modelo que se ajusta aos dados: um sistema de IA deve documentar as evidências que fundamentam sua resposta, incluindo as medições que permitem determinar cada componente, as hipóteses candidatas que não deram certo, a incerteza que permanece sem solução e as perguntas que surgiram durante a busca. Diante dessa base limitada de validação, a questão decisiva é se preservar as distribuições dos modelos, juntamente com o histórico das alternativas rejeitadas, gera compreensão em problemas científicos genuinamente em aberto.