4 formas como a IA tem ajudado cientistas a desvendar alguns mistérios

Carbonizados, os centenas de frágeis pergaminhos antigos se desfariam se alguém tentasse desenrolá-los, e qualquer vestígio de escrita seria praticamente ilegível. Os pergaminhos de Herculano, como são conhecidos, ainda permanecem fechados, mas graças à poderosa ferramenta que é a inteligência artificial, seus conteúdos agora estão ao alcance.

Usando IA e raios-X de alta resolução, um trio de pesquisadores decodificou em 2023 mais de 2.000 caracteres dos pergaminhos enrolados — o feito notável revelou as primeiras passagens completas dos papiros que sobreviveram à erupção do Monte Vesúvio em 79 d.C.

Os artefatos, recuperados de um edifício que se acredita ter sido a casa do sogro de Júlio César, formam um acervo sem precedentes de informações sobre a Roma e a Grécia antigas.

Os cientistas da computação que lançaram o Vesuvius Challenge, uma competição projetada para acelerar o processo de deciframento, esperam que 90% de quatro pergaminhos sejam desbloqueados até o final de 2024. O principal desafio tem sido achatar virtualmente os documentos e distinguir a tinta preta dos papiros carbonizados para tornar a escrita grega e latina legível.

“A IA está nos ajudando a amplificar a legibilidade das evidências da tinta”, disse Brent Seales, professor de ciência da computação da Universidade de Kentucky, que trabalha para decodificar os pergaminhos há mais de uma década. “A evidência da tinta está lá. Está enterrada e camuflada em toda essa complexidade que a IA destila e condensa.”

O projeto é um exemplo convincente da crescente utilidade da inteligência artificial, que se consagrou em 2024 com o comitê Nobel reconhecendo o desenvolvimento e a aplicação da IA na ciência pela primeira vez: O prêmio de física reconheceu John Hopfield e Geoffrey Hinton por suas descobertas fundamentais em aprendizado de máquina, pavimentando o caminho para como a inteligência artificial é usada hoje.

Um termo difuso e frequentemente superestimado, a IA visa imitar funções cognitivas humanas para resolver problemas e completar tarefas. A inteligência artificial abrange uma gama de técnicas computacionais: usando conjuntos de dados para treinar e melhorar algoritmos de aprendizado de máquina e permitindo que eles identifiquem padrões e informem previsões.

Algumas ferramentas de IA podem apresentar riscos, como sistemas usados em contratações, policiamento e aplicações de empréstimos que replicam preconceitos, pois podem ser treinados em dados históricos que refletem ideias preconceituosas, por exemplo, sobre sexo ou raça, que resultam em discriminação.

A IA transformou o panorama da descoberta científica, com o número de artigos revisados por pares usando ferramentas de IA aumentando drasticamente desde 2015, e aqueles que usam métodos de IA têm mais probabilidade de estar entre os mais citados. Mais da metade dos 1.600 cientistas pesquisados pela Nature esperavam que as ferramentas de IA fossem “muito importantes” ou “essenciais” para a prática da pesquisa.

No entanto, a Royal Society do Reino Unido, a academia de ciências mais antiga do mundo, alertou que a natureza de caixa-preta de muitas ferramentas de IA está limitando a reprodutibilidade da pesquisa baseada em IA. Para Seales, no entanto, é um instrumento poderoso implantado sabiamente que gerou resultados dramáticos.

“A IA é um campo da ciência da computação projetado para tentar resolver problemas de maneiras que pensávamos que apenas humanos poderiam resolver”, disse Seales. “Penso no tipo de IA que estamos usando como uma espécie de superpoder que nos permite ver coisas nos dados que com olhos humanos não seríamos capazes de ver.”

O Vesuvius Challenge é apenas uma maneira pela qual o campo em rápida evolução agitou a ciência e revelou o inesperado em 2024. A IA também está avançando a compreensão dos cientistas sobre como os animais se comunicam nas profundezas do oceano, ajudando arqueólogos a encontrar novos sítios em terrenos remotos e inóspitos, e resolvendo alguns dos maiores desafios da biologia.

Decodificando a “língua das baleias” e outras linguagens animais

Os pesquisadores sabem que os cliques enigmáticos feitos pelas baleias cachalote variam em tempo, ritmo e comprimento, mas o que os animais estão dizendo com esses sons — produzidos através de órgãos de espermacete em suas cabeças bulbosas — permanece um mistério para os ouvidos humanos.

O aprendizado de máquina, no entanto, ajudou os cientistas a analisar quase 9.000 sequências de cliques gravadas, chamadas codas, que representam as vozes de aproximadamente 60 baleias cachalote no Mar do Caribe. O trabalho pode um dia tornar possível para os humanos se comunicarem com os animais marinhos.

Os cientistas examinaram o momento e a frequência das codas em vocalizações de baleias solitárias, em coros e em trocas de chamadas e respostas entre os gigantes marinhos. Quando visualizados com inteligência artificial, padrões de codas anteriormente não vistos emergiram no que os pesquisadores descreveram como semelhante à fonética na comunicação humana.

No total, o programa detectou 18 tipos de ritmo (a sequência de intervalos entre cliques), cinco tipos de tempo (a duração da coda inteira), três tipos de rubato (variações na duração) e dois tipos de ornamentação — um “clique extra” adicionado ao final de uma coda em um grupo de codas mais curtas.

Essas características poderiam ser todas misturadas e combinadas para formar um “enorme repertório” de frases, relataram os cientistas em maio. No entanto, a abordagem tem suas limitações. Embora o aprendizado de máquina seja hábil em identificar padrões, ele não esclarece o significado.

Um próximo passo, segundo o estudo, é a experimentação interativa com baleias, junto com observações do comportamento das baleias, que poderia ser uma parte importante para desvendar a sintaxe das sequências de cliques das baleias cachalotes.

A abordagem também poderia ser aplicada às vocalizações de outros animais, disse a Dra. Brenda McCowan, professora da Escola de Medicina Veterinária da Universidade da Califórnia Davis, anteriormente à CNN. Ela não esteve envolvida no estudo.

Encontrando sítios arqueológicos

Enquanto isso, em terra, a inteligência artificial está agora turbinando a busca por linhas misteriosas e símbolos gravados no solo empoeirado do Deserto de Nazca, no Peru, que os arqueólogos têm passado quase um século descobrindo e documentando.

Frequentemente visíveis apenas de cima, os pictogramas extensos retratam desenhos geométricos, figuras humanoides e até mesmo uma orca empunhando uma faca.

Um grupo de pesquisadores liderado por Masato Sakai, professor de arqueologia da Universidade de Yamagata, no Japão, treinou um modelo de IA de detecção de objetos com imagens de alta resolução dos 430 símbolos de Nazca mapeados até 2020. A equipe incluiu pesquisadores do Centro de Pesquisa Thomas J. Watson da IBM em Yorktown Heights, Nova York.

Entre setembro de 2022 e fevereiro de 2023, a equipe testou a precisão de seu modelo no Deserto de Nazca, pesquisando os locais promissores a pé e com o uso de drones. Os pesquisadores finalmente “verificaram in loco” 303 geoglifos figurativos, quase dobrando o número conhecido de geoglifos em questão de meses.

O modelo estava longe de ser perfeito. Ele sugeriu impressionantes 47.000 locais potenciais da região desértica, que cobre 629 quilômetros quadrados. Uma equipe de arqueólogos filtrou e classificou essas sugestões, identificando 1.309 locais candidatos com “alto potencial”. Para cada 36 sugestões feitas pelo modelo de IA, os pesquisadores identificaram “um candidato promissor”, segundo o estudo.

Não obstante, a IA tem o potencial de fazer enormes contribuições para a arqueologia, particularmente em terrenos remotos e hostis como desertos, mesmo que os modelos ainda não sejam totalmente precisos, disse Amina Jambajantsan, pesquisadora e cientista de dados do departamento de arqueologia do Instituto Max Planck de Geoantropologia em Jena, Alemanha.

Jambajantsan não esteve envolvida na pesquisa de Nazca, mas usa um modelo de IA para identificar montículos funerários na Mongólia com base em imagens de satélite.

“O problema é que os arqueólogos não sabem como construir um modelo de aprendizado de máquina e os cientistas de dados, tipicamente, não estão realmente interessados em arqueologia porque podem ganhar muito mais dinheiro em outros lugares”, acrescentou Jambajantsan.

Compreendendo os blocos de construção da vida

Os modelos de IA também estão ajudando os pesquisadores a entender a vida na menor escala: cadeias de moléculas que formam proteínas, os blocos de construção da vida.

Embora as proteínas sejam construídas a partir de apenas cerca de 20 aminoácidos, estes podem ser combinados de maneiras quase infinitas, dobrando-se em padrões altamente complexos no espaço tridimensional. As substâncias ajudam a formar células do cabelo, pele e tecidos; elas leem, copiam e reparam o DNA; e ajudam a transportar oxigênio no sangue.

Por décadas, decodificar essas estruturas 3D tem sido um empreendimento desafiador e demorado envolvendo o uso de experimentos laboratoriais complexos e uma técnica conhecida como cristalografia de raios X.

No entanto, em 2018, uma ferramenta revolucionária baseada em IA surgiu no cenário. A mais recente versão do Banco de Dados de Estrutura de Proteínas AlphaFold, desenvolvido por Demis Hassabis e John Jumper no Google DeepMind em Londres, prevê a estrutura de quase todas as 200 milhões de proteínas conhecidas a partir de sequências de aminoácidos.

Treinado com todas as sequências de aminoácidos conhecidas e estruturas proteicas determinadas experimentalmente, o banco de dados funciona como uma “busca do Google”. Ele fornece acesso, com um simples toque de botão, a modelos previstos de proteínas, acelerando o progresso na biologia fundamental e outros campos relacionados, incluindo medicina. A ferramenta já foi utilizada por pelo menos 2 milhões de pesquisadores em todo o mundo.

“É realmente um avanço revolucionário independente que resolve um tradicional santo graal da química física”, disse Anna Wedell, professora de genética médica do Instituto Karolinska na Suécia e membro da Academia Real Sueca de Ciências, à CNN após Hassabis e Jumper estarem entre os três vencedores do Prêmio Nobel de Química de 2024.

A ferramenta possui algumas limitações. Tentativas de aplicar o AlphaFold a proteínas baseadas em sequências mutadas, incluindo uma ligada ao câncer de mama precoce, confirmaram que o software não está equipado para prever as consequências de novas mutações em proteínas.

O AlphaFold é apenas a ferramenta de IA mais conhecida entre várias sendo implantadas em campos biomédicos. O aprendizado de máquina está acelerando os esforços para compilar um atlas de cada tipo de célula no corpo humano e descobrindo moléculas que se tornam novos medicamentos, incluindo um tipo de antibiótico que pode funcionar contra uma bactéria particularmente ameaçadora resistente a medicamentos.

*Mindy Weisberger e Taylor Nicioli contribuíram para esta reportagem

DNA humano antigo revela ramo perdido da árvore genealógica humana