A ciência entra na era da IA feita à medida

É esta a ambição da Mirendil, uma nova startup fundada por antigos quadros da Anthropic e da Google. A empresa pretende ajudar cientistas e laboratórios a desenvolverem os seus próprios modelos de IA, adaptados a problemas específicos de investigação. O objetivo não é apenas oferecer mais uma ferramenta tecnológica, mas democratizar uma capacidade que hoje está concentrada em poucos gigantes tecnológicos: construir modelos avançados capazes de apoiar a descoberta científica.

A ideia é poderosa. Um laboratório de medicina poderia desenvolver modelos ajustados às suas linhas de investigação. Uma equipa dedicada a novos materiais poderia criar sistemas capazes de acelerar simulações, identificar padrões e propor hipóteses. Investigadores que hoje dependem de modelos genéricos, desenhados por empresas distantes das suas necessidades, poderiam passar a construir instrumentos científicos próprios. A IA deixaria de ser apenas uma plataforma comercial e tornar-se-ia uma infraestrutura de investigação.

Mas esta promessa traz também uma mudança estrutural. Até agora, a corrida da IA tem sido dominada por grandes empresas com acesso a capital, talento, dados e capacidade computacional em escala quase inacessível. OpenAI, Google, Anthropic, Meta, Microsoft e outras companhias moldam o ritmo da inovação. A ciência, muitas vezes, limita-se a usar aquilo que estes atores disponibilizam. Se empresas como a Mirendil forem bem-sucedidas, poderá emergir um ecossistema mais distribuído, no qual universidades, centros de investigação e laboratórios especializados ganham maior autonomia tecnológica.

Isso seria positivo. A ciência precisa de ferramentas abertas, adaptáveis e próximas dos seus problemas concretos. Nem tudo deve depender dos interesses comerciais das grandes tecnológicas. Muitas das descobertas mais relevantes nascem de contextos específicos, de perguntas aparentemente pequenas, de comunidades científicas altamente especializadas. Se a inteligência artificial puder ampliar essa capacidade, a inovação poderá tornar-se mais diversa e menos concentrada.

Contudo, há riscos que não devem ser ignorados. A chamada melhoria recursiva — sistemas de IA que ajudam a criar sistemas de IA ainda mais capazes — é uma das ideias mais promissoras, mas também mais inquietantes, da tecnologia contemporânea. Acelerar a descoberta é desejável. Acelerar capacidades que ninguém compreende totalmente pode ser perigoso. Quanto mais fácil for criar modelos poderosos, maior será a necessidade de critérios de segurança, rastreabilidade, responsabilidade e avaliação independente.

A questão central não é se devemos ou não usar IA para fazer ciência. Essa resposta já foi dada pela realidade: a IA entrou definitivamente nos laboratórios. A questão é quem controla essas ferramentas, com que objetivos, sob que regras e com que grau de transparência. Democratizar o acesso à IA científica pode ser uma excelente notícia, mas só se não significar democratizar também a irresponsabilidade.

A próxima revolução da inteligência artificial talvez não aconteça apenas nas grandes empresas de Silicon Valley. Poderá acontecer em laboratórios de biologia, química, medicina, engenharia ou ciências sociais, onde investigadores usarão modelos próprios para explorar perguntas que hoje parecem impossíveis. Mas, para que essa revolução sirva verdadeiramente a humanidade, será necessário combinar ambição tecnológica com prudência institucional.

A ciência sempre avançou quando ganhou novos instrumentos: o microscópio, o telescópio, o computador, a internet. A inteligência artificial poderá ser o novo grande instrumento científico. Mas, como todos os instrumentos poderosos, tanto pode ampliar o conhecimento como ampliar os riscos. O futuro dependerá menos da tecnologia em si do que da forma como decidirmos governá-la.