A IA lê os pensamentos das pessoas e entende a linguagem animal

Em outubro passado, Demis Hassabis recebeu um telefonema transformador de Estocolmo. Com apenas 48 anos, ele foi informado de que — juntamente com John Jumper e David Baker — receberia o Prêmio Nobel de Química. Hassabis nunca havia estado em um laboratório de química para recebê-lo.

O desenvolvedor de software resolveu um dos maiores mistérios da biologia em uma tela de computador usando o programa de IA Alphafold: o enovelamento de proteínas. Esses blocos de construção elementares da vida se originam como fios e só adquirem sua função em sua estrutura tridimensional e enovelada. As leis que regem esse processo são um mistério há décadas.

O Prêmio Nobel por decifrar o enovelamento de proteínas é apenas um exemplo de como a IA está expandindo os limites da nossa compreensão e nos abrindo novas linguagens. Não se trata apenas de palavras escritas, como o GPT.

A natureza fala muitas línguas: a biologia usa os blocos de construção do DNA e das proteínas como vocabulário, a química descreve as ligações entre os elementos e a matemática fornece uma estrutura formal para descrever as leis da física. Os mapas, por sua vez, destilam a geografia em gráficos e símbolos. A IA está atualmente sendo treinada com conjuntos de dados dessas e de muitas outras áreas, e está constantemente descobrindo novos padrões até então desconhecidos.

A descoberta e a síntese de novos materiais, por exemplo, são um processo trabalhoso de tentativa e erro, mas o ano passado marcou uma aceleração drástica. Laboratórios autônomos começaram a combinar robótica com IA para desenvolver receitas de materiais, sintetizar substâncias e analisar produtos de forma independente — tudo isso praticamente sem intervenção humana.

Pesquisadores identificaram 380.000 novas estruturas cristalinas estáveis . Eles esperam que essa combinação de IA generativa e automação impulsione o desenvolvimento de materiais para novas tecnologias de energia, plásticos e produtos farmacêuticos.

Outra disciplina que a IA está literalmente remapeando é a arqueologia. Nela, ela é cada vez mais capaz de decifrar as línguas frequentemente fragmentadas e inacessíveis do passado. Exemplos proeminentes são os antigos Manuscritos do Mar Morto e os Manuscritos de Herculano , que foram preservados pela erupção do Monte Vesúvio.

Onde os humanos atingem seus limites porque os textos antigos são muito frágeis ou as letras desbotaram, a IA pode reconhecer padrões em imagens multiespectrais ou realizar desdobramentos virtuais. A IA também está se mostrando uma ferramenta útil na pesquisa arqueológica de paisagens. Utilizando novas tecnologias de laser, pesquisadores penetraram na densa vegetação da antiga Campeche, no México. Um modelo de IA pesquisou os dados em busca de padrões e descobriu centenas de sítios maias até então desconhecidos .

As capacidades dos modelos de IA permitem até que os pesquisadores sonhem com o antigo sonho de compreender a linguagem dos animais, como São Francisco de Assis. Projetos como o Earth Species Project dedicam-se à tarefa de decifrar os sistemas de comunicação dos nossos semelhantes.

Eles analisam dados bioacústicos com IA e descobrem padrões surpreendentes. Por exemplo, há evidências de que elefantes usam "nomes" individuais para se dirigirem uns aos outros, ou que baleias respondem aos chamados de membros da mesma espécie com sons específicos, comparáveis a um "olá" humano.

Talvez o passo mais profundo na decifração de línguas ocultas seja aquele que nos diz respeito pessoalmente: a capacidade de ler os padrões do nosso próprio cérebro. Recentemente, graças a interfaces cérebro-computador, a fala de um homem foi sintetizada diretamente a partir de sua atividade neural, restaurando assim sua voz , que ele havia perdido após uma doença cerebral.

Os pesquisadores implantaram 256 eletrodos em seu córtex motor e treinaram uma IA para extrair as intenções de fala do homem a partir de seus sinais cerebrais. A IA então transcreveu em tempo real o que o homem formulava exclusivamente em sua mente.

Alguns especialistas até especulam que as IAs poderão em breve recorrer a linguagens totalmente novas para comunicação. Os chatbots atualmente se comunicam em inglês, alemão e outras línguas humanas. Os melhores entre eles geram "cadeias de pensamento" internas que nos permitem observar seu pensamento.

Embora as respostas finais nem sempre possam ser derivadas dessas etapas mentais intermediárias, elas fornecem pistas sobre o que está acontecendo dentro dos modelos. No entanto, essa transparência bem-vinda pode chegar ao fim em breve.

Em dezembro passado, pesquisadores da Meta desenvolveram um modelo que não expressava mais seus processos internos de pensamento em palavras, mas, em vez disso, usava a linguagem nativa desses modelos: números. Em vez de pensar em frases, o modelo produzia séries de números que representavam os padrões mais recentes de sua rede neural — em outras palavras, seus processos internos de pensamento.

As sequências numéricas podiam conter muito mais informações do que a linguagem humana e continham várias linhas de pensamento potenciais simultaneamente. Em algumas tarefas de raciocínio lógico, esses modelos eram superiores àqueles que "pensavam" em linguagem natural. Esses processos de pensamento baseados em números eram completamente incompreensíveis para os humanos. Para outras IAs, no entanto, eles poderiam ser um livro aberto .

A ascensão da IA pode, portanto, ser comparada ao desenvolvimento de um novo e poderoso telescópio que nos permite observar a natureza mais profundamente. Tudo o que pode ser decomposto em pacotes de dados é enviado às máquinas.

A IA, portanto, é muito mais do que gerar imagens bonitas ou frases bonitas. Ela oferece aos pesquisadores uma nova perspectiva que lhes permite enxergar realidades nunca antes vistas. Ela está transformando a ciência em seus processos mais fundamentais – e não apenas nos escritórios dos funcionários.

A capacidade dos modelos de IA de decifrar novos alfabetos e idiomas antes ocultos para nós reside em seu método de aprendizado único. Ao processar grandes quantidades de dados, muitas vezes em ciclos iterativos, eles ajustam continuamente seus parâmetros internos até reconhecerem até as regularidades mais sutis e complexas.

Mas é justamente aí que reside o desafio: enquanto a IA descobre novas regras e padrões, esses insights muitas vezes ficam presos em uma combinação multidimensional de parâmetros que não ajuda nós, humanos, a entendê-los de forma alguma.

Não existe uma fórmula matemática elegante, um fluxograma ou um conjunto de regras dentro da IA que possamos extrair, estudar e compreender — existem apenas bilhões de conexões entre bilhões de neurônios artificiais que são ativados sob comando e geram uma saída. Somente a própria IA conhece as regras pelas quais ela faz isso. Pesquisadores em todo o mundo estão se esforçando para decifrar a "caixa preta" da inteligência artificial e torná-la interpretável, mas os sucessos até agora têm sido modestos.

Em outras palavras, esperávamos por compreensão, mas, em vez disso, obtemos resultados. No caso do Alphafold de Hassabis, a IA fornece estruturas proteicas corretas, mas a alegação de que isso resolve o grande mistério biológico ignora uma lacuna crucial: nem a própria IA nem seu criador, Hassabis, conseguem explicar como o enovelamento de proteínas realmente funciona.