Vários pesquisadores adotaram uma visão ampla do progresso científico nos últimos 50 anos e chegaram à mesma conclusão preocupante: a produtividade científica está em declínio. São necessários mais tempo, mais financiamento e equipes maiores para fazer descobertas que antes eram mais rápidas e baratas. Embora diversas explicações tenham sido apresentadas para a desaceleração, uma delas é que, à medida que a pesquisa se torna mais complexa e especializada, os cientistas precisam dedicar mais tempo à revisão de publicações, ao planejamento de experimentos sofisticados e à análise de dados.
Agora, o laboratório de pesquisa FutureHouse, financiado filantropicamente, busca acelerar a pesquisa científica com uma plataforma de IA projetada para automatizar muitas das etapas cruciais no caminho para o progresso científico. A plataforma é composta por uma série de agentes de IA especializados em tarefas como recuperação de informações, síntese de informações, design de síntese química e análise de dados. Os fundadores da FutureHouse, Sam Rodriques PhD ’19 e Andrew White acreditam que, ao dar a todos os cientistas acesso aos seus agentes de IA, eles podem superar os maiores gargalos da ciência e ajudar a resolver alguns dos problemas mais urgentes da humanidade.
“A linguagem natural é a verdadeira linguagem da ciência”, diz Rodriques. “Outras pessoas estão construindo modelos básicos para a biologia, onde modelos de aprendizado de máquina falam a linguagem do DNA ou das proteínas, e isso é poderoso. Mas as descobertas não são representadas no DNA ou nas proteínas. A única maneira que conhecemos de representar descobertas, formular hipóteses e raciocinar é com a linguagem natural.”
Encontrando grandes problemas
Para sua pesquisa de doutorado no MIT, Rodriques procurou entender o funcionamento interno do cérebro no laboratório do professor Ed Boyden. “Toda a ideia por trás da FutureHouse foi inspirada por uma impressão que tive durante meu doutorado no MIT: mesmo que tivéssemos todas as informações necessárias sobre o funcionamento do cérebro, não saberíamos porque ninguém tem tempo para ler toda a literatura”, explica Rodriques. “Mesmo que pudessem ler tudo, não conseguiriam reunir tudo em uma teoria abrangente. Essa foi uma peça fundamental do quebra-cabeça da FutureHouse.”
Rodriques escreveu sobre a necessidade de novos tipos de grandes colaborações em pesquisas como o último capítulo de sua tese de doutorado em 2019 e, embora tenha passado algum tempo dirigindo um laboratório no Instituto Francis Crick em Londres após a formatura, ele se viu gravitando em torno de problemas amplos na ciência que nenhum laboratório sozinho poderia enfrentar. “Eu estava interessado em como automatizar ou ampliar a ciência e que tipos de novas estruturas organizacionais ou tecnologias gerariam maior produtividade científica”, diz Rodriques.
Quando o Chat-GPT 3.5 foi lançado em novembro de 2022, Rodriques viu um caminho para modelos mais poderosos que pudessem gerar insights científicos por conta própria. Naquela época, ele também conheceu Andrew White, um químico computacional da Universidade de Rochester que havia recebido acesso antecipado ao Chat-GPT 4. White havia construído o primeiro grande agente de linguagem para a ciência, e os pesquisadores uniram forças para fundar a FutureHouse.
Os fundadores começaram com o desejo de criar ferramentas de IA distintas para tarefas como busca bibliográfica, análise de dados e geração de hipóteses. Começaram com a coleta de dados e, em setembro de 2024, lançaram o PaperQA, que Rodriques considera o melhor agente de IA do mundo para recuperar e resumir informações na literatura científica. Na mesma época, lançaram o Has Anyone, uma ferramenta que permite aos cientistas determinar se alguém realizou experimentos específicos ou explorou hipóteses específicas.
“Estávamos sentados perguntando: ‘Que tipo de perguntas nós, cientistas, fazemos o tempo todo?’”, lembra Rodriques. Quando a FutureHouse lançou oficialmente sua plataforma em 1º de maio deste ano, algumas de suas ferramentas foram renomeadas. O Paper QA agora se chama Crow, e o Has Anyone agora se chama Owl. O Falcon é um agente capaz de compilar e revisar mais fontes que o Crow. Outro novo agente, o Phoenix, pode usar ferramentas especializadas para ajudar pesquisadores a planejar experimentos químicos. E o Finch é um agente projetado para automatizar a descoberta orientada por dados em biologia.
Em 20 de maio, a empresa demonstrou um fluxo de trabalho de descoberta científica multiagente para automatizar etapas-chave do processo científico e identificar um novo candidato terapêutico para a degeneração macular relacionada à idade (DMRI), uma das principais causas de cegueira irreversível em todo o mundo. Em junho, a FutureHouse lançou o ether0, um modelo de raciocínio de pesos abertos 24B para química. “É realmente preciso pensar nesses agentes como parte de um sistema maior”, diz Rodriques. “Em breve, os agentes de busca bibliográfica serão integrados ao agente de análise de dados, ao agente de geração de hipóteses e a um agente de planejamento de experimentos, e todos serão projetados para funcionar em conjunto de forma integrada.”
Agentes para todos
Hoje, qualquer pessoa pode acessar os agentes da FutureHouse em platform.futurehouse.org. O lançamento da plataforma da empresa gerou entusiasmo no setor, e começaram a surgir notícias de cientistas usando os agentes para acelerar pesquisas. Um dos cientistas da FutureHouse usou os agentes para identificar um gene que poderia estar associado à síndrome dos ovários policísticos e elaborar uma nova hipótese de tratamento para a doença. Outro pesquisador do Laboratório Nacional Lawrence Berkeley usou o Crow para criar um assistente de IA capaz de pesquisar informações relacionadas à doença de Alzheimer no banco de dados de pesquisa PubMed.
Cientistas de outra instituição de pesquisa usaram os agentes para conduzir revisões sistemáticas de genes relevantes para a doença de Parkinson, descobrindo que os agentes da FutureHouse tiveram melhor desempenho do que os agentes gerais. Rodriques diz que os cientistas que pensam nos agentes menos como o Google Acadêmico e mais como um cientista assistente inteligente aproveitam ao máximo a plataforma. “Pessoas que buscam especulação tendem a obter mais resultados com a pesquisa aprofundada do Chat-GPT o3, enquanto pessoas que buscam revisões de literatura realmente fiéis tendem a obter mais resultados com nossos agentes”, explica Rodriques.
Rodriques também acredita que a FutureHouse em breve chegará a um ponto em que seus agentes poderão usar dados brutos de artigos de pesquisa para testar a reprodutibilidade de seus resultados e verificar conclusões. A longo prazo, para manter o progresso científico avançando, Rodriques diz que a FutureHouse está trabalhando para incorporar seus agentes com conhecimento tácito para poder executar análises mais sofisticadas, ao mesmo tempo em que dá aos agentes a capacidade de usar ferramentas computacionais para explorar hipóteses. “Houve tantos avanços em torno de modelos básicos para a ciência e em modelos de linguagem para proteínas e DNA, que agora precisamos dar aos nossos agentes acesso a esses modelos e a todas as outras ferramentas que as pessoas comumente usam para fazer ciência”, diz Rodriques. “Construir a infraestrutura que permita aos agentes usar ferramentas mais especializadas para a ciência será crucial.”
