TX, 17/07/2023
Por Sarah Steim
Um novo estudo explora como a inteligência artificial pode não apenas prever melhor novas descobertas científicas, mas também expandi-las de maneira útil. Os pesquisadores, que publicaram seu trabalho na Nature Human Behavior, construíram modelos que podem prever inferências humanas e os cientistas que as farão.
Os autores também construíram modelos que evitaram a inferência humana para gerar hipóteses "alienígenas" (externas) cientificamente promissoras que provavelmente não seriam consideradas até um futuro distante, se fossem. Eles argumentam que as duas demonstrações – a primeira permitindo a aceleração da descoberta humana, enquanto a segunda identifica e ignora seus pontos cegos – significa que uma IA com consciência humana permitiria o movimento além da fronteira científica contemporânea.
"Se você conscientizar o que as pessoas estão fazendo, pode melhorar a previsão e ultrapassá-las para acelerar a ciência", diz o co-autor James A. Evans, professor Max Palevsky no Departamento de Sociologia e diretor do Knowledge Lab. "Mas você também pode descobrir o que as pessoas não podem fazer atualmente, ou não serão capazes de fazer por décadas ou mais no futuro. Você pode aumentá-las fornecendo-lhes esse tipo de inteligência complementar."
Modelos de IA que foram treinados em descobertas científicas publicadas foram usados para inventar materiais valiosos e terapias direcionadas, mas normalmente ignoram a distribuição de cientistas humanos envolvidos. Os pesquisadores consideraram como os humanos competiram e colaboraram em pesquisas ao longo da história, então eles se perguntaram o que poderia ser aprendido se os programas de IA fossem explicitamente informados sobre a experiência humana: poderíamos fazer um trabalho melhor complementando a capacidade humana coletiva perseguindo e explorando lugares? os humanos não exploraram?
Prevendo o futuro da descoberta
Para testar a questão, a equipe primeiro simulou processos de raciocínio construindo caminhadas aleatórias na literatura de pesquisa. Eles começaram com uma propriedade, como a vacinação contra COVID, depois pularam para um artigo com essa mesma propriedade, para outro artigo do mesmo autor ou um material citado nesse artigo.
Eles executaram milhões desses passeios aleatórios e seu modelo ofereceu uma melhoria de 400% nas previsões de futuras descobertas, além daquelas focadas apenas no conteúdo da pesquisa, especialmente quando a literatura relevante era escassa. Eles também podiam prever com mais de 40% de precisão as pessoas reais que fariam cada uma dessas descobertas, porque o programa sabia que o indivíduo previsto era um dos poucos cuja experiência ou relacionamentos ligavam a propriedade e o material em questão.
Evans refere-se ao modelo como um "duplo digital" do sistema científico, que permite a simulação do que provavelmente acontecerá nele e a experimentação de possibilidades alternativas. Ele explica como isso destaca as maneiras pelas quais os cientistas se aproximam dos métodos, propriedades e pessoas com as quais têm experiência.
"Isso nos permite também aprender coisas sobre esse sistema e seus limites", diz ele. "Por exemplo, em média, isso sugere que alguns aspectos do nosso sistema científico atual, como a pós-graduação, não são sintonizados para a descoberta. Eles são sintonizados para dar às pessoas um rótulo que as ajude a conseguir um emprego - para preencher o mercado de trabalho. Eles não otimizam a descoberta de coisas novas e tecnologicamente relevantes. Para fazer isso, cada aluno seria um experimento - cruzando novas lacunas no cenário da especialização."
Na segunda demonstração do artigo, eles pediram ao modelo de IA não para fazer as previsões com maior probabilidade de serem descobertas pelas pessoas, mas para encontrar previsões cientificamente plausíveis, mas com menor probabilidade de serem descobertas pelas pessoas.
Os pesquisadores trataram isso como as chamadas inferências alienígenas ou complementares, que tinham três características: raramente são descobertas por humanos; se descoberto, levará muitos anos no futuro para que os sistemas científicos se reorganizem; e as inferências alienígenas são, em média, melhores do que as inferências humanas, provavelmente porque os humanos se concentrarão em espremer cada grama de descoberta de uma teoria ou abordagem existente antes de explorar uma nova. Como esses modelos evitam conexões e configurações da atividade científica humana, eles exploram um território inteiramente novo.
Inteligência radicalmente aumentada
Evans explica que olhar para a IA como uma tentativa de copiar a capacidade humana – baseando-se na ideia de Alan Turing do jogo de imitação em que os humanos são os padrões de inteligência – não ajuda os cientistas a acelerar sua capacidade de resolver problemas. É muito mais provável que nos beneficiemos de um aumento radical de nossa inteligência coletiva, diz ele, em vez de uma replicação artificial.
"As pessoas nesses domínios - ciência, tecnologia, cultura - estão tentando ficar perto do bando", disse Evans. "Você sobrevive tendo influência quando outros usam suas ideias ou tecnologia. E você maximiza isso ficando perto do bando. Nossos modelos complementam esse viés criando algoritmos que seguem sinais de plausibilidade científica, mas evitam exclusivamente o bando."
Usar a IA para sair dos métodos e colaborações existentes, em vez de refletir o que os cientistas humanos provavelmente pensarão no futuro próximo, expande a capacidade humana e oferece suporte a uma exploração aprimorada.
“Trata-se de mudar o enquadramento da IA de inteligência artificial para inteligência radicalmente aumentada, o que requer estudar mais, e não menos, sobre a capacidade cognitiva individual e coletiva”, disse Evans. "Quando entendemos mais sobre a compreensão humana, podemos projetar explicitamente sistemas que compensam suas limitações e nos levam a saber mais coletivamente."
Artigos recomendados: Proteínas e H+
Fonte:https://techxplore.com/news/2023-07-human-aware-ai-scientific-discoveries.html
Nenhum comentário:
Postar um comentário