Descobrir os segredos da natureza não é tarefa fácil. A vida diária de um cientista é muitas vezes cansativa, frustrante e – talvez surpreendentemente – entediante, pois eles repetem experimentos indefinidamente.
Aqui é onde IA poderia dar uma mão. Esta semana, dois estudos oferecem um vislumbre de um futuro onde a IA e os cientistas trocam ideias entre si e colaboram em projetos para beneficiar a humanidade.
Ambos os sistemas dependem de grandes modelos de linguagem na descoberta científica de ponta a ponta. Eles leem a literatura existente, geram hipóteses, sugerem experimentos relevantes e analisam e interpretam os dados para os cientistas avaliarem. Os pesquisadores então fornecem suggestions à IA e o ciclo começa novamente.
Um dos sistemas, chamado Robinfoi instruído a encontrar medicamentos para uma doença ocular comum. Desenvolvido por Casa do Futurouma organização sem fins lucrativos que cria sistemas de IA para automatizar pesquisas em biologia e outras áreas científicas, Robin rapidamente encontrou candidatos. Segundo a equipe, a IA reduziu em 200 vezes o tempo de pesquisa em comparação com os cientistas que trabalham sozinhos.
O outro sistema é o do Google DeepMind Co-Cientista. Com orientação humana, o cocientista encontrou medicamentos já aprovados que poderiam ser reaproveitados para um tipo de leucemia em poucas horas. Também surgiram alvos promissores para cicatrizes no fígado. O sistema não foi testado internamente; ele foi distribuído a outras equipes para integração em seus campos e fluxos de trabalho específicos.
As empresas de IA são corrida para projetar agentes que automatizar a descoberta científica. Mas ambas as equipes enfatizam que seus sistemas são colaboradores, e não substitutos. Os cientistas elaboraram a visão de cada projeto, verificaram os resultados do agente e orientaram seu trabalho, como um professor dando aulas particulares a um aluno brilhante.
“Esses projetos representam um avanço significativo”, escreveu a equipe editorial da Naturezaonde ambos os estudos foram publicados. “Mas apesar de todo o fator ‘uau’, é essential ter em mente que os sistemas de IA não funcionavam sozinhos.”
Perseguição Nobelista
Os cientistas têm uma relação complexa com a IA.
Modelos de previsão de proteínas vencedores do Prêmio Nobel ajudaram os pesquisadores a progredir em alvos anteriormente indestrutíveisespecialmente em doenças complexas como o câncer. Os cientistas estão cada vez mais pedindo ajuda aos chatbots para codificar, escrever artigos e até mesmo inspirar novas ideias.
Mas o problema do desperdício da IA na ciência está a piorar: os bots estão a poluir a literatura científica. Dezenas de milhares dos artigos em 2025 continham referências erradas alucinadas pela IA. Alguns cientistas se sentem desconfortáveis com O consumo de energia notoriamente elevado da IA e a preocupação excessiva pode corroer a cognição, o julgamento e a criatividade. Em um fenômeno chamado “ilusões de compreensão,” As soluções de IA nos fazem superestimar o que sabemos.
Ame ou odeie, O impacto da IA na pesquisa está crescendo. Nos últimos anos, sistemas multiagentes, alguns com habilidades de raciocínio sofisticadasestão começando a dividir problemas complexos em partes solucionáveis e a “autorrefletir” sobre seus resultados.
Robin e Co-Cientista demonstram esse poder em uma pedra angular da descoberta científica: sugerir ideias novas, rigorosas e testáveis quando confrontados com problemas do mundo actual, como a descoberta de medicamentos.
Enxurrada de ideias
Ambos os sistemas usam grandes modelos de linguagem para criar agentes de IA que trabalham de forma semi-independente em diferentes partes de um problema.
Robin, da FutureHouse, por exemplo, foi encarregado de encontrar um tratamento para um distúrbio de olho seco que é uma causa comum de cegueira. Os agentes vasculharam uma grande quantidade de literatura científica, incluindo centenas de milhares de artigos de código aberto, patentes e dados de ensaios clínicos.
Em vez de inventar um medicamento do zero, a equipe pediu a Robin que reaproveitasse os medicamentos existentes, uma estratégia comum para acelerar o tratamento dos pacientes e particularmente adequada à IA.
Robin pode “considerar dezenas de milhares de mecanismos biológicos… que poderiam abordar a causa subjacente dessa doença”, disse o autor do estudo, Sam Rodriques, fundador e CEO da FutureHouse. contado Natureza.
Armado com esse conhecimento, Robin assumiu o papel de líder de pesquisa e recrutou outros agentes de IA para projetar experimentos de laboratório em torno de potenciais candidatos a medicamentos. No que a equipe chamou de “torneio de ideias”, os agentes debateram hipóteses, avaliaram evidências de estudos anteriores e selecionaram as melhores para teste. O sistema então sugeriu experimentos para validação.
Os cientistas humanos assumiram o controle a partir daí. Eles executaram os experimentos sugeridos e alimentaram outro agente de IA especializado em análise de dados com os resultados. Após várias iterações, Robin sinalizou o ripasudil – um medicamento aprovado para o tratamento do glaucoma – como um candidato promissor. A droga atua nas células do sistema imunológico, em vez das células oculares, e não havia sido explorada para a doença. Os primeiros experimentos com células foram promissores.
O Co-Scientist funciona de forma semelhante, mas também incorpora a experiência anterior da DeepMind na construção de modelos de IA para jogos. Confrontados com um desafio científico, os seus agentes têm tempo para desenvolver hipóteses, testar o seu raciocínio e classificar as ideias por plausibilidade e novidade.
A DeepMind lançou a IA pela primeira vez no início de 2025 para um pequeno grupo de pesquisadores. Tem sido usado por independentes equipes estudando cicatrizes hepáticas, doenças neurodegenerativas e envelhecimento.
Na Universidade de Stanford, por exemplo, Gary Peltz utilizou o sistema para encontrar três medicamentos promissores para doenças hepáticas crónicas. Dois funcionaram bem no laboratório. Um, para sua surpresa, já foi aprovado pela FDA para outra doença. “Quando vi isso foi realmente impressionante. Eu meio que caí da cadeira”, ele disse.
Além da descoberta de medicamentos, o Co-Cientista também trabalhou em mistérios biológicos de décadas, como por que muitas espécies bacterianas compartilham o mesmo conjunto de genes para resistir a medicamentos antibacterianos. Os cientistas lutam com o problema há anos; o sistema de IA chegou à mesma conclusão em dias.
Inspiração em abundância
Para ser claro, nenhum dos candidatos a medicamentos sugeridos pela IA foi totalmente examinado. Mesmo as terapias que parecem promissoras nos primeiros experimentos com células muitas vezes falham quando testadas no corpo.
Ainda assim, há poucas dúvidas de que a IA já está inspirando momentos eureka.
Uma das primeiras usuárias do Co-Cientista, Clare Bryant, que estuda doenças infecciosas na Universidade de Cambridge, ficou surpresa quando o sistema sinalizou uma proteína que ela havia perdido. A proteína se cruzou com processos biológicos que ela já investigava para combater patógenos. “Passei o resto da semana ansiosa para voltar ao laboratório” para testar a teoria, disse ela.
Ambas as equipes tiveram o cuidado de limitar a alucinação da IA, onde os sistemas apresentam com segurança informações falsas ou enganosas. O Co-Cientista, por exemplo, inclui um “conselho de revisão” interno que testa hipóteses contra evidências existentes para mantê-las fundamentadas na realidade. Enquanto isso, Robin usa um freio embutido que o restringe ao conhecimento estabelecido e limita os saltos irracionais na lógica.
Os sistemas de IA já têm mais de um ano e o campo avança rapidamente. Sistemas mais recentes, como O cosmos de Edisonvisa todo o pipeline de desenvolvimento de medicamentos. No entanto, mesmo à medida que as ferramentas se tornam mais sofisticadas, os investigadores continuam a sublinhar que a supervisão humana é essencial.
“A confusão, a curiosidade e a diversão humanas alimentaram inúmeras descobertas e ajudaram a informar as estruturas éticas da sociedade”, escreveu Natureza’equipe editorial. “Os sistemas de IA podem oferecer maior eficiência em alguns casos, mas ainda não sabemos se maior eficiência equivale a maior conhecimento.”