O Novo AI “Co-Cientista” do Google Visa Acelerar a Descoberta Científica

Imagine um parceiro de pesquisa que leu todos os artigos científicos que você leu, brainstorming incansavelmente novos experimentos 24 horas por dia. O Google (GOOGL ) está tentando tornar essa visão em realidade com um novo sistema de IA projetado para atuar como um “co-cientista”.

Esse assistente impulsionado por IA pode vasculhar vastas bibliotecas de pesquisa, propor novas hipóteses e até mesmo esboçar planos de experimentos – tudo em colaboração com pesquisadores humanos. A ferramenta mais recente do Google, testada na Universidade de Stanford e no Imperial College London, usa raciocínio avançado para ajudar cientistas a sintetizar montanhas de literatura e gerar ideias novas. O objetivo é acelerar as descobertas científicas, tornando sentido da sobrecarga de informações e sugerindo insights que um humano pode perder.

Esse “co-cientista de IA”, como o Google o chama, não é um robô físico em um laboratório, mas um sistema de software sofisticado. Ele é construído com base nos mais recentes modelos de IA do Google (notadamente o modelo Gemini 2.0) e espelha a forma como os cientistas pensam – desde o brainstorming até a crítica de ideias. Em vez de apenas resumir fatos conhecidos ou procurar por artigos, o sistema é projetado para descobrir conhecimento original e propor hipóteses genuinamente novas com base em evidências existentes. Em outras palavras, ele não apenas encontra respostas para perguntas – ajuda a inventar novas perguntas para fazer.

O Google e sua unidade de IA, DeepMind, priorizaram aplicações científicas para a IA, após demonstrar sucessos como o AlphaFold, que usou a IA para resolver o quebra-cabeça de 50 anos da dobragem de proteínas. Com o co-cientista de IA, eles esperam “acelerar a velocidade do relógio” das descobertas em campos que vão da biomedicina à física.

Co-cientista de IA (Google)

Como Funciona um Co-Cientista de IA

Por trás das cenas, o co-cientista de IA do Google é na verdade composto por vários programas de IA especializados – pense neles como uma equipe de assistentes de pesquisa super-rápidos, cada um com um papel específico. Esses agentes de IA trabalham juntos em um pipeline que imita o método científico: um gera ideias, outros as criticam e refinam, e as melhores ideias são encaminhadas ao cientista humano.

De acordo com a equipe de pesquisa do Google, é assim que o processo se desenrola:

• Agente de geração – extrai pesquisas relevantes e sintetiza achados existentes para propor novas vias ou hipóteses.
• Agente de reflexão – atua como um revisor par, verificando a precisão, qualidade e novidade das hipóteses propostas e eliminando ideias falhas.
• Agente de classificação – realiza um “torneio” de ideias, efetivamente fazendo com que as hipóteses competam em debates simulados, e então as classifica com base em quais parecem mais promissoras.
• Agente de proximidade – agrupa hipóteses semelhantes juntas e elimina duplicatas, para que o pesquisador não revise ideias repetitivas.
• Agente de evolução – pega as hipóteses mais bem classificadas e as refina ainda mais, usando analogias ou simplificando conceitos para clareza, a fim de melhorar as propostas.
• Agente de meta-revisão – finalmente compila as melhores ideias em uma proposta de pesquisa coerente ou visão geral para o cientista humano revisar.

Crucialmente, o cientista humano permanece no loop em todos os estágios. O co-cientista de IA não trabalha em isolamento ou toma decisões finais sozinho. Os pesquisadores começam alimentando um objetivo de pesquisa ou pergunta em linguagem natural – por exemplo, um objetivo de encontrar novas estratégias para tratar uma certa doença – juntamente com quaisquer restrições ou ideias iniciais que eles tenham. O sistema de IA então passa pelo ciclo acima para produzir sugestões. O cientista pode fornecer feedback ou ajustar parâmetros, e a IA irá iterar novamente.

O Google construiu o sistema para ser “projetado para colaboração”, significando que cientistas podem inserir suas próprias ideias ou críticas durante o processo da IA. A IA pode até usar ferramentas externas como busca na web e outros modelos especializados para verificar fatos ou coletar dados enquanto trabalha, garantindo que suas hipóteses estejam fundamentadas em informações atualizadas.

Agentes do co-cientista de IA (Google)

Um Caminho Mais Rápido para as Descobertas

Ao terceirizar parte do trabalho de pesquisa – revisões de literatura exaustivas e brainstorming inicial – para uma máquina incansável, os cientistas esperam acelerar dramaticamente a descoberta. O co-cientista de IA pode ler muito mais artigos do que qualquer humano e nunca se esgota de combinações frescas de ideias para tentar.

“Ele tem o potencial de acelerar os esforços dos cientistas para abordar desafios grandiosos em ciência e medicina,” escreveram os pesquisadores do projeto em um artigo. Os resultados iniciais são encorajadores. Em um teste focado na fibrose hepática (cicatrização do fígado), o Google relatou que cada abordagem sugerida pelo co-cientista de IA mostrou uma capacidade promissora de inibir os drivers da doença. Na verdade, as recomendações da IA nesse experimento não foram tiros no escuro – elas se alinharam com o que os especialistas consideram intervenções plausíveis.

Além disso, o sistema demonstrou a capacidade de melhorar as soluções concebidas por humanos ao longo do tempo. De acordo com o Google, a IA continuou refinando e otimizando soluções que os especialistas haviam inicialmente proposto, indicando que pode aprender e adicionar valor incremental além da expertise humana a cada iteração.

Outro teste notável envolveu o problema espinhoso da resistência aos antibióticos. Os pesquisadores encarregaram a IA de explicar como um determinado elemento genético ajuda as bactérias a espalhar seus traços resistentes a drogas. Desconhecido para a IA, uma equipe científica separada (em um estudo ainda não publicado) já havia descoberto o mecanismo. A IA foi fornecida apenas com informações básicas de contexto e alguns artigos relevantes, e então deixada por conta própria. Em dois dias, ela chegou à mesma hipótese que os cientistas humanos haviam.

“Essa descoberta foi validada experimentalmente no estudo de pesquisa independente, que era desconhecido do co-cientista durante a geração da hipótese,” observaram os autores. Em outras palavras, a IA conseguiu redescobrir uma insight-chave por conta própria, mostrando que pode conectar os pontos de uma maneira que rivaliza a intuição humana – pelo menos em casos onde existem dados amplos.

As implicações dessa velocidade e alcance interdisciplinar são enormes. As descobertas frequentemente ocorrem quando insights de diferentes campos colidem, mas ninguém pode ser especialista em tudo. Uma IA que absorveu conhecimento em genética, química, medicina e mais pode propor ideias que especialistas humanos possam negligenciar. A unidade DeepMind do Google já provou como a IA na ciência pode ser transformadora com o AlphaFold, que previu as estruturas tridimensionais de proteínas e foi saudado como um grande salto para a biologia. Esse feito, que acelerou a descoberta de drogas e o desenvolvimento de vacinas, até mesmo rendeu à equipe da DeepMind uma parte dos mais altos honrários da ciência (incluindo reconhecimento ligado ao Prêmio Nobel).

O novo co-cientista de IA visa trazer saltos semelhantes para o brainstorming de pesquisa do dia a dia. Embora as primeiras aplicações tenham sido na biomedicina, o sistema pode, em princípio, ser aplicado a qualquer domínio científico – desde a física até a ciência ambiental –, pois o método de geração e verificação de hipóteses é agnóstico em termos de disciplina. Os pesquisadores podem usá-lo para caçar materiais novos, explorar soluções climáticas ou descobrir novos teoremas matemáticos. Em cada caso, a promessa é a mesma: um caminho mais rápido da pergunta para a insight, potencialmente comprimindo anos de tentativa e erro em um período de tempo muito mais curto.