A inteligência artificial está começando a assumir uma tarefa que durante séculos dependeu quase exclusivamente da experiência dos cientistas: projetar experimentos de física. Novas ferramentas computacionais já conseguem analisar enormes quantidades de configurações possíveis e encontrar soluções que pesquisadores humanos simplesmente não haviam considerado.
O método já foi aplicado em áreas como fusão nuclear, detectores de partículas, microscopia e sistemas destinados à detecção de ondas gravitacionais. A ideia não é substituir os cientistas, mas deixar que as máquinas explorem possibilidades demais para serem analisadas manualmente.
Um computador encontrou a solução que os físicos não conseguiram
O trabalho, publicado na revista Nature, tem origem em um problema enfrentado pelo físico Mario Krenn, atualmente professor de aprendizado de máquina aplicado à ciência na Universidade de Tübingen, na Alemanha.
Quando ainda era estudante em Viena, Krenn participava da montagem de um experimento de física quântica. O grupo tinha à disposição componentes como lentes, espelhos, lasers e detectores, mas não conseguia encontrar uma configuração capaz de produzir o efeito desejado.
A solução foi transformar matematicamente cada componente em algo que pudesse ser manipulado por um algoritmo.
Krenn programou o sistema durante algumas horas e deixou o computador trabalhando durante a noite.
Quando voltou no dia seguinte, encontrou uma configuração experimental que atendia aos critérios estabelecidos — algo que nenhum integrante da equipe havia conseguido fazer.
Não funciona como um chatbot
Apesar de ser classificado como inteligência artificial, o sistema trabalha de maneira bastante diferente dos chatbots generativos.
Ele não precisa prever palavras ou produzir uma resposta com base em enormes quantidades de textos utilizados durante um treinamento.
O problema é essencialmente matemático.
Um laboratório pode combinar lasers, espelhos, lentes, detectores e outros equipamentos de inúmeras maneiras. O objetivo da máquina é navegar por esse gigantesco espaço de possibilidades e descobrir qual configuração apresenta o melhor resultado.
Trata-se, segundo Krenn, de um enorme problema de otimização.
E justamente aí está a vantagem dos computadores: eles conseguem testar virtualmente milhares ou milhões de possibilidades que uma equipe humana jamais teria tempo para avaliar individualmente.
IA pode criar microscópios que ninguém imaginou
Os resultados começam a aparecer em diferentes áreas da física.
Philipp Haslinger, diretor do Centro de Microscopia Eletrônica da TU Wien, destaca particularmente o potencial da tecnologia para microscópios eletrônicos.
Pesquisadores estão começando a explorar sistematicamente conceitos como o entrelaçamento quântico nesses equipamentos. Como ainda existe pouca experiência humana nesse campo, a IA pode descobrir configurações que dificilmente seriam imaginadas intuitivamente.
Esses novos designs podem melhorar significativamente a qualidade das imagens ou até permitir medições que atualmente não são possíveis.
A mesma estratégia também está sendo explorada para otimizar reatores de fusão, desenvolver detectores de partículas e aumentar a sensibilidade de instrumentos capazes de identificar ondas gravitacionais.
O objetivo é criar uma espécie de simulador universal
Um dos fatores que tornam essa abordagem possível é o avanço das simulações computacionais.
Computadores modernos conseguem reproduzir virtualmente uma grande variedade de fenômenos físicos em tempos cada vez menores.
A ambição dos pesquisadores é avançar em direção a uma espécie de simulador universal de física.
O sistema receberia uma determinada configuração experimental, utilizaria as equações conhecidas para prever o que aconteceria e depois compararia o resultado com inúmeras alternativas.
Se outra combinação oferecer melhor desempenho, a máquina poderá encontrá-la automaticamente.
Existe, porém, um detalhe curioso: nem sempre os cientistas conseguem entender intuitivamente por que a solução encontrada é melhor.
Em alguns casos, basta observar o projeto para compreender sua vantagem. Em outros, os cálculos demonstram claramente que a configuração funciona, mas explicar o motivo em palavras pode ser surpreendentemente difícil.
Os humanos ainda precisam decidir quais perguntas fazer
Apesar do avanço, existe uma parte essencial do trabalho científico que continua nas mãos dos pesquisadores: definir o problema.
A máquina precisa receber objetivos e limitações muito claros.
Um cientista pode determinar, por exemplo, que deseja maximizar a sensibilidade de um detector, mas também estabelecer um orçamento máximo ou definir quanta energia determinado componente consegue suportar.
A IA explora as possibilidades dentro dessas regras.
Isso significa que ela pode encontrar respostas extraordinárias, mas ainda não decide sozinha quais perguntas científicas realmente valem a pena investigar.
Para Krenn, isso não diminui o papel dos pesquisadores. Pelo contrário: o trabalho humano está sendo deslocado para um nível diferente.
Em vez de testar manualmente cada configuração possível, os cientistas podem se concentrar em algo mais fundamental: decidir quais mistérios da natureza queremos resolver.
[ Fonte: Infobae ]
