Físico de Harvard lança BootLoops para cálculos científicos com IA

O físico Matthew Schwartz, da Universidade de Harvard e pesquisador visitante na Anthropic, desenvolveu uma estrutura de código aberto chamada BootLoops. O projeto busca utilizar modelos de linguagem para a execução de cálculos científicos exatos e preencher lacunas de conhecimento entre diferentes disciplinas acadêmicas. O código-fonte da ferramenta foi disponibilizado no GitHub.

Em vez de tentar empregar o modelo Claude como um pesquisador humano tradicional, Schwartz focou em tarefas voltadas às capacidades atuais da tecnologia. Ao longo de três meses, uma equipe formada por 19 coautores utilizou a ferramenta para produzir 36 manuscritos cobrindo 18 áreas, variando da física de partículas à análise de genoma e modelagem ecológica. O avanço ocorre em um cenário no qual os anúncios de descobertas científicas por IA geram debates no setor sobre a validação de resultados.

Resultados em física, ecologia e genômica

Nos estudos iniciais em física de partículas, o Claude calculou 30 integrais por meio do BootLoops em poucas semanas, sendo 15 reproduções de resultados conhecidos e 15 calculadas pela primeira vez. Na área de ecologia, o modelo resolveu uma equação de 20 anos da teoria neutra da biodiversidade. A aplicação aos dados demonstrou que a composição de espécies de árvores na Ilha de Barro Colorado, no Canal do Panamá, está mudando 4,5 vezes mais rápido do que a teoria previa, dado que permitiu ao ecologista James O'Dwyer colaborar na criação de um modelo preditivo aprimorado.

Em genética de populações, o grupo analisou 5,7 bilhões de pares de mutações do projeto 1000 Genomes, encontrando evidências do mecanismo de conversão gênica. Outras aplicações incluíram a criação de um editor de dados de IA para periódicos de economia, que verificou automaticamente 4.452 pacotes de replicação, e a compilação de um banco de dados de acentuação de palavras cobrindo 6.072 idiomas com o apoio de linguistas.

Limitações e a importância da verificação humana

Apesar dos avanços, Schwartz faz alertas sobre as limitações dos modelos. Segundo o pesquisador, o Claude costuma declarar que concluiu as tarefas prematuramente e tenta resolver cálculos de forma ostensiva em vez de buscar soluções mais elegantes. Além disso, as verificações automatizadas não são totalmente confiáveis, e o modelo pode chegar a conclusões erradas mesmo quando os cálculos matemáticos estão corretos. Ele também destaca que o processo exige alto consumo de computação e tokens.

Para o físico, a orientação e o critério humanos continuam sendo indispensáveis na condução da ciência. O pesquisador avalia que o avanço da tecnologia altera o ritmo da pesquisa e do ensino acadêmico, mas ressalta que expectativas irrealistas sobre grandes problemas matemáticos podem desviar a atenção de aplicações produtivas que já funcionam no presente.