A perceptibilidade sintético (IA) é frequentemente criticada por produzir informações que parecem factuais, mas são falsas, fenômeno espargido porquê “alucinações”. Esses erros plausíveis já causaram confusão em sessões de chatbots, processos judiciais e até registros médicos.
No ano pretérito, uma asserção falsa de um novo chatbot do Google contribuiu para uma queda de murado de US$ 100 bilhões no valor de mercado da empresa.
No universo da ciência, no entanto, os inovadores estão descobrindo que as alucinações da IA podem ser incrivelmente úteis. As máquinas inteligentes estão “sonhando” com realidades irreais que ajudam cientistas a rastrear o cancro, projetar medicamentos, inventar dispositivos médicos, deslindar fenômenos climáticos e até lucrar o Prêmio Nobel.
“O público pensa que é tudo ruim,” diz Amy McGovern, observador da computação que dirige um instituto federalista de IA. “Mas, na verdade, está dando aos cientistas novas ideias. Está oferecendo a eles a chance de explorar possibilidades que talvez nunca tivessem considerado.”
A imagem pública da ciência é de um pouco insensível e analítico. Porém, as primeiras etapas da invenção científica são muitas vezes repletas de palpites e especulações. “Tudo vale” é porquê Paul Feyerabend, filósofo da ciência, descreveu esse momento de liberdade criativa.
Agora, as alucinações da IA estão revitalizando o lado criativo da ciência. Elas aceleram o processo pelo qual cientistas e inventores desenvolvem novas ideias e as testam para verificar sua viabilidade. É o método científico —só que turbinado. O que antes levava anos agora pode ser feito em dias, horas ou minutos. Em alguns casos, esses ciclos acelerados de investigação estão ajudando a penetrar novas fronteiras.
“Estamos explorando,” diz James J. Collins, professor do Instituto de Tecnologia de Massachusetts (MIT), que recentemente elogiou as alucinações por acelerarem sua pesquisa em antibióticos inéditos. “Estamos pedindo aos modelos que criem moléculas completamente novas.”
As alucinações da IA surgem quando cientistas ensinam modelos computacionais generativos sobre determinado tema e deixam as máquinas reorganizarem essas informações. Os resultados podem variar entre erros sutis e ideias surreais —e, às vezes, levam a grandes descobertas.
Em outubro, David Baker, da Universidade de Washington, recebeu o Prêmio Nobel de Química por sua pesquisa pioneira sobre proteínas, moléculas fundamentais para a vida. O comitê do Nobel destacou sua capacidade de produzir rapidamente proteínas completamente novas, inexistentes na natureza, chamando o feito de “quase impossível”.
Antes do pregão do prêmio, Baker comentou que os surtos de imaginação da IA foram essenciais para “fazer proteínas do zero”. A novidade tecnologia, diz ele, ajudou seu laboratório a obter murado de centena patentes, muitas voltadas para o zelo médico. Uma delas é para um novo tratamento contra o cancro; outra, para combater infecções virais globalmente. Baker também fundou ou ajudou a produzir mais de 20 empresas de biotecnologia.
“As coisas estão avançando rápido,” afirma. “Mesmo cientistas que trabalham com proteínas não sabem o quanto isso progrediu.” Quantas proteínas seu laboratório já projetou? “Dez milhões —todas novas,” ele responde. “Elas não existem na natureza.”
Apesar do apelo das alucinações da IA para descobertas, alguns cientistas consideram o termo enganoso. Para eles, as criações da IA generativa não são ilusórias, mas prospectivas —têm chance de se tornar verdade, porquê conjecturas feitas nas primeiras etapas do método científico. Por isso, evitam o uso da termo “alucinação”.
Ainda assim, especialistas reconhecem que as criações da IA científica têm vantagens significativas em relação às alucinações de chatbots. Essencialmente, os impulsos criativos da IA científica estão fundamentados nos fatos sólidos da natureza e da ciência, diferentemente das ambiguidades da linguagem humana ou das falhas da internet, com seus vieses e inverdades.
“Estamos ensinando física à IA,” explica Anima Anandkumar, professora do Instituto de Tecnologia da Califórnia (Caltech). Segundo ela, essa base física em fatos confiáveis gera resultados altamente precisos. Ela também observa que os modelos de linguagem de chatbots não têm um método prático para verificar a precisão de suas afirmações.
O teste final, ressalta, ocorre quando os cientistas comparam as criações digitais com a verdade física. “É preciso testar,” enfatiza Anandkumar. “Alguma coisa novo projetado pela IA precisa ser validado.”
Recentemente, Anandkumar e sua equipe usaram alucinações da IA para produzir um novo tipo de cateter que reduz drasticamente a contaminação bacteriana —um problema global que motivo milhões de infecções urinárias todos os anos. O protótipo de IA gerou milhares de geometrias de cateter e escolheu a mais eficiente. As paredes internas do cateter possuem espinhos em forma de serrilha, que impedem as bactérias de se fixarem e subirem para infectar a varíola dos pacientes. A equipe agora discute a comercialização do dispositivo.
Apesar de elogiar a utilidade da IA, Anandkumar evita o termo “alucinação”. No entanto, outros pesquisadores adotaram a termo. Harini Veeraraghavan, patrão de um laboratório do Memorial Sloan Kettering Cancer Center, em Novidade York, usou o termo em um cláusula sobre o uso de IA para melhorar imagens médicas borradas. Seu título inclui “MRI Exaltado” ({sigla} para sonância magnética).
Pesquisadores da Universidade do Texas em Austin também abraçaram o termo: “Aprendendo com Alucinações” é o título de um cláusula sobre navegação de robôs. E Pushmeet Kohli, patrão da subdivisão científica da DeepMind, elogiou as alucinações por promoverem descobertas. Ele comentou pouco depois de dois colegas da empresa ganharem o Nobel de Química junto com Baker.
“Temos essa instrumento incrível que consegue provar originalidade,” afirma Kohli. Um exemplo, diz ele, é porquê um computador da DeepMind venceu o vencedor mundial de Go em 2016. O ponto decisivo do jogo foi o movimento 37. “Achávamos que era um erro,” ele conta. “Mas, com o desenrolar do jogo, percebemos que era um golpe de gênio. Esses modelos conseguem produzir percepções muito novas.”
McGovern, diretora do instituto de IA, é também professora de meteorologia e ciência da computação na Universidade de Oklahoma. Ela sugere que as alucinações da IA poderiam ser descritas de forma mais técnica porquê “distribuições de verosimilhança”, um termo velho no mundo da ciência.
Meteorologistas, segundo ela, já utilizam IA para produzir milhares de variações sutis de previsão do tempo. Essa riqueza de possibilidades permite identificar fatores inesperados que causam eventos extremos, porquê ondas de calor mortais. “É uma instrumento valiosa,” conclui McGovern.
