Neil Thompson, especialista em progresso computacional e inteligência artificial, apresentou em uma palestra recente no Instituto de Tecnologia de Massachusetts uma visão provocadora sobre o futuro da pesquisa científica. Em apenas trinta minutos, ele construiu um argumento convincente de que diversas áreas do conhecimento estão prestes a passar por uma revolução causada pela inteligência artificial.
O estudo conduzido por Thompson em parceria com Gabriel Manso, estudante de doutorado, e Claudio Mayrink Verdun, cientista pesquisador, examinou o desempenho de diferentes versões de modelos da empresa criadora do ChatGPT. Os pesquisadores testaram os sistemas com problemas extraídos de artigos científicos publicados entre dezembro de dois mil e vinte e cinco e maio de dois mil e vinte e seis. Para garantir a validade dos testes, as soluções desses problemas foram obtidas de publicações posteriores ao período de treinamento dos modelos avaliados.
Os resultados impressionaram a comunidade acadêmica. Entre meados de dois mil e vinte e quatro e dois mil e vinte e seis, os melhores sistemas de inteligência artificial passaram de uma taxa de acerto de aproximadamente dois por cento para cerca de trinta e cinco por cento em problemas teóricos de probabilidade, estatística, teoria econômica, física de alta energia, gravitação, cosmologia e física quântica. Os pesquisadores também desativaram o acesso à internet durante os testes para impedir que as ferramentas buscassem respostas em bases de dados online.
Em setembro, a empresa responsável pelo ChatGPT surpreendeu o mundo ao anunciar que uma versão ainda não lançada de seu modelo havia solucionado um problema matemático pendente há décadas, relacionado às equações de Navier-Stokes, que descrevem o movimento de fluidos. O feito gerou controvérsia após um matemático da Universidade de Nova York acusar a empresa de antecipar-se ao trabalho de outro acadêmico.
Thompson alerta que a transformação não se limitará à matemática. Assim como na área matemática, os avanços trarão consequências positivas e negativas. Novas descobertas teóricas poderão impulsionar aplicações práticas, mas também levantarão questões sobre o papel dos pesquisadores humanos. Manso destaca que ainda serão necessários profissionais capazes de formular boas ideias e conectar diferentes conceitos.
Os especialistas advertem para a necessidade de métodos de verificação robustos. Existe o risco de que modelos de inteligência artificial cometam erros em problemas extremamente complexos. A empresa de inteligência artificial inclusive retirou algumas soluções de seu conjunto de dados após a publicação inicial. A verificação rigorosa das respostas geradas por essas ferramentas permanece um desafio fundamental para a pesquisa científica do futuro.
Fonte: Feed: All Latest
