A inteligência artificial já escreve textos, resume artigos científicos e até sugere hipóteses de pesquisa. Para muitos, seria apenas uma questão de tempo até que esses sistemas passassem a rivalizar com cientistas humanos na criação de descobertas. Um novo estudo, porém, mostra que essa expectativa talvez seja mais distante do que parece. Apesar dos avanços recentes, os modelos de linguagem ainda demonstram uma limitação importante quando o assunto é criatividade científica.
Pesquisadores descobriram que a IA repete um mesmo padrão ao criar novas ideias
Um estudo desenvolvido por pesquisadores da Yale University e da University of Chicago analisou como modelos de linguagem generativa produzem ideias científicas e comparou esse comportamento com o de pesquisadores humanos.
O trabalho, intitulado Measuring the Gap Between Human and LLM Research Ideas, concluiu que a inteligência artificial já consegue elaborar propostas plausíveis para novos estudos, mas ainda apresenta um repertório criativo significativamente mais restrito do que o observado na produção científica humana.
Em vez de perguntar apenas se uma ideia parecia boa ou inovadora, os autores adotaram uma abordagem diferente: investigar quais tipos de ideias surgem repetidamente quando um modelo é solicitado a propor novas linhas de pesquisa.
Essa mudança revelou um comportamento consistente. Embora as sugestões produzidas pelos sistemas sejam coerentes, elas tendem a seguir quase sempre a mesma lógica de construção, recorrendo repetidamente às mesmas estratégias para identificar problemas e propor soluções.
Para realizar a comparação, os pesquisadores reconstruíram o contexto bibliográfico de milhares de artigos científicos publicados. Em cada caso, forneceram aos modelos apenas os títulos e resumos dos estudos anteriores que serviram de base para uma pesquisa real.
Depois, pediram que a inteligência artificial elaborasse uma nova proposta científica utilizando exclusivamente esse material.
O banco de dados final reuniu 11.683 ideias humanas publicadas em conferências de aprendizado de máquina, como ICLR, ICML e NeurIPS, além de artigos da revista científica Nature Communications, abrangendo 71 áreas diferentes da ciência.
A criatividade da IA mostrou um viés que aparece em praticamente todos os modelos
Os pesquisadores classificaram cada ideia segundo dois critérios principais: o motivo que justificava a realização da pesquisa e o método utilizado para transformar essa oportunidade em uma contribuição científica.
Foi justamente nessa análise que surgiu a principal diferença.
Entre os pesquisadores humanos, apenas cerca de 12% das ideias tinham como objetivo principal conectar áreas diferentes do conhecimento ou combinar abordagens já existentes.
Nos modelos de inteligência artificial, porém, esse tipo de proposta apareceu em aproximadamente metade — e, em alguns casos, em mais de 60% — das respostas.
O mesmo padrão surgiu na forma como as soluções eram construídas. Enquanto os cientistas humanos distribuíam suas pesquisas entre diferentes estratégias, como resolver contradições, investigar falhas, desenvolver novas ferramentas, criar métodos inéditos ou ampliar evidências experimentais, os modelos preferiam quase sempre sintetizar conhecimentos já existentes.
Segundo os autores, o problema não está na integração de pesquisas, que é uma prática comum na ciência, mas no fato de que a IA transforma essa abordagem em uma espécie de fórmula repetitiva.
Mesmo quando os pesquisadores forneceram mais contexto aos modelos ou ativaram modos de raciocínio avançado, o comportamento praticamente não mudou. Em alguns testes, o viés ficou ainda mais evidente.
O estudo sugere que a IA ainda está longe de pensar como uma comunidade científica
Outro resultado chamou atenção: modelos diferentes apresentaram comportamentos muito semelhantes entre si.
Foram avaliados sistemas como Anthropic Claude Sonnet 4.6, Google Gemini 3.1 Pro, GPT-OSS, GPT-5.4 mini, Qwen3 e DeepSeek V4. Apesar das diferenças de arquitetura e treinamento, todos demonstraram tendência parecida na geração das ideias.
Ao analisar as operações utilizadas nas propostas, os pesquisadores perceberam que a IA empregava repetidamente ações como integrar, combinar, unificar, adaptar e fundir conceitos existentes.
Já os artigos produzidos por cientistas humanos apresentavam intervenções muito mais específicas, como substituir componentes, separar mecanismos, formalizar hipóteses ou investigar fenômenos altamente localizados.
Segundo os autores, isso indica que a inteligência artificial ainda não reproduz a diversidade de raciocínios encontrada dentro da comunidade científica.
A conclusão vai além do ambiente acadêmico. Sistemas de IA estão sendo cada vez mais utilizados em áreas como biotecnologia, novos materiais, medicina, inteligência artificial e desenvolvimento de produtos tecnológicos.
Se essas ferramentas tendem a identificar sempre os mesmos tipos de oportunidades, elas podem influenciar decisões de pesquisa e investimento de forma menos diversa do que os pesquisadores humanos fariam.
Os autores reconhecem que o estudo possui limitações. A análise concentrou-se principalmente em áreas de ciência, tecnologia, engenharia e matemática, e não reproduz todos os fatores presentes na pesquisa científica real, como colaboração entre equipes, experiência acumulada e revisão por pares.
Mesmo assim, os resultados apontam para uma conclusão clara: os modelos atuais de inteligência artificial já são excelentes assistentes para acelerar pesquisas, organizar informações e sugerir caminhos promissores, mas ainda estão longe de reproduzir a variedade de perspectivas, estratégias e formas de pensar que caracterizam a criatividade científica humana.
[Fonte: Diario Bitcoin]
