A ciência sempre avançou analisando dados, identificando padrões e testando hipóteses. Durante a maior parte da história, isso significou que os humanos – humanos brilhantes e incansáveis – faziam o trabalho pesado. Hoje, a IA está se tornando o assistente de pesquisa mais poderoso já inventado, capaz de processar dados em escalas que nenhuma equipe de cientistas poderia igualar.
Durante 50 anos, um dos maiores problemas não resolvidos da biologia foi o problema de dobramento de proteínas: dada a sequência de aminoácidos de uma proteína, prever sua forma tridimensional.
As proteínas dobram-se em formas precisas que determinam a sua função – e proteínas mal dobradas estão ligadas a doenças como Alzheimer, Parkinson e cancro. Compreender a forma de uma proteína é fundamental para projetar medicamentos que interajam com ela. Mas determinar experimentalmente a estrutura de uma proteína leva meses ou anos e custa centenas de milhares de libras.
Em 2020, o AlphaFold2 da DeepMind resolveu esse problema com uma precisão impressionante, correspondendo aos resultados experimentais na maioria dos casos. Em 2022, previu as estruturas de mais de 200 milhões de proteínas — praticamente todas as proteínas conhecidas na biologia. Todo o banco de dados foi liberado gratuitamente.
Pesquisadores de todo o mundo começaram imediatamente a usar o AlphaFold para:
O clima da Terra é um sistema de complexidade incompreensível. As correntes oceânicas, a química atmosférica, a dinâmica das camadas de gelo e as emissões humanas interagem de maneiras que exigem enormes modelos computacionais para serem simulados.
A IA está melhorando a ciência climática de várias maneiras importantes:
O modelo GraphCast do Google DeepMind, lançado em 2023, produz previsões meteorológicas de 10 dias com mais precisão do que os melhores modelos numéricos tradicionais – e faz isso em menos de um minuto em um único computador, em comparação com horas em um supercomputador.
Os sistemas de IA analisam décadas de dados de satélites, sensores oceânicos e atmosféricos para:
Entrar participar da discussão
A transição para energias renováveis exige a correspondência da oferta variável (quando o vento sopra, quando o sol brilha) com a procura. A IA prevê ambos, ajudando os operadores da rede a equilibrar o sistema e a reduzir a necessidade de centrais eléctricas de reserva poluentes.
O desenvolvimento de um novo medicamento normalmente leva de 10 a 15 anos e custa mais de um bilhão de libras. A maioria dos candidatos a medicamentos falha. A IA está comprimindo dramaticamente essa linha do tempo.
A descoberta tradicional de medicamentos envolve:
A IA pode acelerar enormemente as etapas 1 a 3:
Traditional screening: test 1 million compounds in a lab over months
AI-assisted screening: score 100 million virtual compounds in hours
→ shortlist the top 100 for lab testing
Empresas como Insilico Medicine e Recursion Pharmaceuticals usaram IA para identificar novos candidatos a medicamentos em meses, em vez de anos. BenevolentAI usou IA para identificar o baricitinibe como um tratamento potencial para COVID-19 – um medicamento já aprovado para artrite reumatóide – poucos dias após o início da pandemia.
O universo gera mais dados do que qualquer equipe humana poderia processar. A IA é essencial para a astronomia moderna:
O telescópio Kepler da NASA observou 150.000 estrelas em busca do pequeno escurecimento que indica um planeta passando na frente. Um sistema de IA do Google treinado em avistamentos confirmados de planetas vasculhou os dados e descobriu dois novos exoplanetas que os revisores humanos não perceberam — incluindo o oitavo planeta do sistema Kepler-90, tornando-o a primeira estrela conhecida com tantos planetas quanto o nosso próprio sistema solar.
A famosa imagem de 2019 do buraco negro na galáxia M87 — a primeira já obtida — foi possível graças a um algoritmo de IA desenvolvido por Katie Bouman, que sintetizou dados de oito telescópios espalhados por todo o planeta numa imagem coerente.
O Perseverance rover da NASA usa navegação autônoma alimentada por IA para planejar suas próprias rotas pela superfície marciana, evitando perigos sem esperar 20 minutos para que os sinais de rádio cheguem à Terra. Seu helicóptero companheiro Ingenuity usa IA em tempo real para se manter estável na fina atmosfera de Marte.
Encontrar novos materiais – baterias melhores, ligas mais fortes, células solares mais eficientes – tem sido tradicionalmente um processo meticuloso de tentativa e erro. A IA está mudando isso.
O Projeto de Materiais usou IA para modelar computacionalmente as propriedades de mais de 140.000 materiais, prevendo sua estabilidade, condutividade e outras características antes que alguém os construísse em laboratório. Os pesquisadores podem consultar o banco de dados para encontrar materiais com as propriedades exatas de que precisam.
O sistema FunSearch da Microsoft usa IA para descobrir novas estruturas e algoritmos matemáticos, demonstrando que a IA pode até mesmo avançar na matemática pura.
O traço comum entre todas essas inovações é o mesmo: A IA pode encontrar padrões em dados em escalas que são simplesmente impossíveis para pesquisadores humanos.
Considere:
Os humanos são extraordinários reconhecedores de padrões – mas apenas dentro dos limites do que podemos ter em nossas cabeças. A IA não tem esse limite. Ele pode processar os resultados de todas as pesquisas publicadas em neurociência e revelar conexões entre artigos escritos com décadas de diferença que nenhum pesquisador individual jamais notaria.
Isso não significa que a IA substitua os cientistas. Os cientistas ainda fazem perguntas, projetam os experimentos, interpretam os resultados e decidem o que é importante. A IA é a ferramenta mais poderosa já adicionada ao kit de ferramentas científicas.
Qual foi a principal conquista do AlphaFold2 da DeepMind?