A inteligência artificial já escreve, cria imagens, programa e ajuda pesquisadores a analisar enormes volumes de dados. Mas existe uma fronteira muito mais delicada: permitir que algoritmos explorem o próprio código da vida. Um novo experimento realizado nos Estados Unidos mostrou que modelos de IA podem ir muito além da análise de informações biológicas. Eles também conseguem propor novas sequências genéticas para serem testadas no mundo real.
Quando a inteligência artificial começou a explorar o código da vida
A pesquisa foi conduzida por cientistas do Arc Institute, em Palo Alto, e da Universidade Stanford. Os pesquisadores utilizaram modelos chamados Evo 1 e Evo 2, desenvolvidos para trabalhar especificamente com informações genéticas.
A lógica lembra, em parte, o funcionamento dos grandes modelos de inteligência artificial usados atualmente. A diferença está no tipo de informação utilizada durante o treinamento.
Em vez de aprender padrões em textos, imagens ou páginas da internet, esses sistemas foram treinados com grandes quantidades de dados biológicos. Eles analisaram milhões de nucleotídeos, as unidades que formam o DNA, procurando relações e padrões dentro dessas sequências.
A partir desse conhecimento, os modelos conseguiram propor combinações genéticas que não existiam anteriormente.
Foi nesse ponto que o experimento ganhou uma dimensão inesperada. A IA produziu cerca de 700 mil possíveis sequências relacionadas a vírus. O número é enorme, mas os pesquisadores não testaram todas elas.
Depois de analisar os resultados, foram escolhidos 285 candidatos considerados suficientemente promissores para avançar para a etapa experimental.
E foi justamente aí que surgiu a descoberta mais interessante.
Uma pequena fração conseguiu passar pelo teste
Os cientistas produziram o DNA correspondente a parte das sequências selecionadas e realizaram experimentos em bactérias para verificar se os projetos gerados pela IA realmente poderiam funcionar.
O resultado foi bastante diferente do enorme volume inicial produzido pelos modelos.
Dos 285 candidatos escolhidos, apenas 16 demonstraram ser funcionais, conseguindo se reproduzir dentro das bactérias utilizadas nos testes.
À primeira vista, pode parecer que a maioria das sequências geradas pela IA simplesmente não funcionou. Porém, para os pesquisadores, o significado do experimento está justamente no fato de que algumas delas funcionaram.
Isso demonstra que os modelos não estão apenas reorganizando informações biológicas já conhecidas. Eles conseguem explorar possibilidades dentro do código genético e apresentar propostas que posteriormente podem ser avaliadas experimentalmente.
Essa capacidade pode acelerar áreas da ciência nas quais encontrar uma sequência útil normalmente exige grandes quantidades de tempo, dinheiro e tentativas.
A questão agora é descobrir até onde essa nova ferramenta pode levar a biologia.
O potencial que pode transformar a biotecnologia
O interesse científico nesse tipo de tecnologia não está necessariamente na criação de vírus em si, mas na possibilidade de utilizar modelos computacionais para explorar sistemas biológicos de maneira muito mais rápida.
No futuro, ferramentas semelhantes poderiam ajudar pesquisadores a compreender processos celulares, investigar doenças e desenvolver novas estratégias para terapias genéticas.
Também existe potencial para estudar bactérias e procurar formas de combater microrganismos responsáveis por doenças. Em vez de testar manualmente uma quantidade limitada de possibilidades, cientistas poderiam utilizar a IA para explorar grandes espaços de sequências e selecionar as alternativas mais interessantes para investigação.
Para a biotecnologia, isso representa uma mudança importante.
Um computador pode analisar possibilidades em uma escala que seria praticamente inviável para uma equipe humana trabalhando de maneira convencional. A IA passa, então, de uma ferramenta utilizada para interpretar resultados para uma tecnologia capaz de sugerir aquilo que os cientistas deveriam investigar em seguida.
Mas essa mesma característica cria um problema difícil.
Quanto maior for a capacidade de uma IA de propor novas soluções biológicas, maior também será a necessidade de garantir que essas ferramentas sejam utilizadas dentro de ambientes seguros e por pessoas devidamente preparadas.
O mesmo poder que acelera a ciência também preocupa
A pesquisa mostra o potencial positivo da IA, mas também expõe um dos grandes dilemas da nova geração de ferramentas científicas.
Se um sistema consegue gerar e selecionar novas sequências biológicas, surge uma pergunta inevitável: quem deveria ter acesso a essa capacidade e quais limites deveriam existir?
Nas mãos de pesquisadores especializados, com instalações adequadas e protocolos rigorosos de biossegurança, a tecnologia pode abrir caminhos importantes para a medicina e para a biologia.
Fora desses ambientes, entretanto, a mesma capacidade poderia ser utilizada de maneiras potencialmente perigosas.
O desafio se torna ainda maior porque os sistemas de inteligência artificial estão evoluindo rapidamente e ficando cada vez mais acessíveis. As regras de segurança precisam acompanhar esse avanço, e não aparecer apenas depois que uma tecnologia já se tornou amplamente disponível.
Por isso, o experimento não é apenas uma demonstração do que a IA consegue fazer. Ele também funciona como um aviso sobre a velocidade com que a fronteira entre computação e biologia está desaparecendo.
A próxima fronteira pode ser muito maior
O trabalho realizado nos Estados Unidos mostra que a inteligência artificial já pode participar de etapas que antes dependiam quase exclusivamente da experiência e da criatividade de pesquisadores especializados.
A produção de centenas de milhares de possibilidades e a identificação de algumas sequências capazes de funcionar experimentalmente mostram uma nova forma de explorar a biologia.
O resultado não significa que a IA possa simplesmente criar qualquer vírus funcional sob demanda. A maioria das sequências geradas não funcionou, e o processo ainda depende de conhecimento científico, infraestrutura laboratorial e validação experimental.
Mesmo assim, o avanço é significativo.
A grande questão daqui para frente será encontrar o equilíbrio entre inovação e segurança. Protocolos de biossegurança, supervisão científica, controles de acesso e critérios éticos precisarão evoluir junto com esses modelos.
A porta já foi aberta. O próximo desafio será decidir até onde a ciência deve permitir que a inteligência artificial avance por esse território.
