Quando descobrir deixa de ser o problema: o novo gargalo da ciência na era da IA

Inteligência artificial | Foto: Canva *Por Gabriel Cunha, especialista de Inteligência Artificial da Oracle Durante séculos, uma parte importante do progresso científico esteve limitada por uma restrição bastante humana: nossa capacidade de formular hipóteses, testar possibilidades e encontrar soluções para problemas complexos.

A inteligência artificial começa a alterar essa equação.

E talvez uma das consequências mais interessantes dessa mudança seja justamente uma inversão de papéis: em algumas áreas, produzir conhecimento pode deixar de ser o principal gargalo.

O desafio será conseguir compreendê-lo.

Um episódio recente ajuda a dimensionar essa mudança.

Em setembro, a OpenAI apresentou uma solução para o problema de existência e suavidade das equações de Navier-Stokes, um dos sete Problemas do Milênio estabelecidos pelo Clay Mathematics Institute.

A questão matemática atacada pelo trabalho, relacionada ao comportamento de fluidos em três dimensões, permanecia sem solução havia cerca de 90 anos.

Segundo a OpenAI, os agentes chegaram à solução cerca de 88 horas depois do início do trabalho.

Só nessa investigação, trocaram 2,7 milhões de mensagens e produziram aproximadamente 130 bilhões de tokens de saída.

A formalização e a verificação da demonstração em Lean, sistema utilizado para verificar provas matemáticas, consumiram outras 17 horas.

O resultado ainda está sujeito ao escrutínio da comunidade científica e não representa, por si só, a concessão do prêmio do Clay Mathematics Institute.

Os números impressionam menos pelo volume computacional em si do que pelo que revelam sobre a escala na qual passamos a explorar problemas científicos.

Sistemas de IA permitem investigar um volume de hipóteses e caminhos que muda a dimensão desse trabalho.

Em determinadas áreas, o desafio começa a deixar de ser apenas encontrar respostas e passa também por entender, verificar e transformar essa produção em conhecimento.