Na era da inteligência artificial (IA) um cientista, seja experiente ou iniciante, vive sob o terrível peso da tentação. Numa cultura onde vale a máxima “publique ou pereça”, se uma ferramenta pode aumentar a produtividade, então é evidente que será utilizada, por mais que muitos neguem. E o número de levantamentos recentes demonstra que, sim, cientistas usam IA com frequência e para diversos propósitos.
A editora acadêmica internacional Wiley fez um levantamento com aproximadamente 5 mil pesquisadores espalhados por 70 países. Apurou que a maioria dos respondentes vê a IA como algo que se tornará importante para se fazer e publicar pesquisas. Surpreendentemente, não menos que metade dos respondentes é da opinião de que os modelos generativos disponíveis já superaram seres humanos em tarefas essenciais à pesquisa, como resumir resultados de pesquisas, detecção de erros de escrita e plágio, além de organizar listas de referências.
Pesquisadores antecipam que a maioria dos usos de inteligência artificial deverá alcançar ampla aceitação dentro de poucos anos. Quando questionados sobre quanto tempo levaria para que diferentes aplicações de IA generativa fossem comumente aceitas e aprovadas pela maioria dos pesquisadores em suas áreas, a maior parte das respostas concentrou-se em um horizonte relativamente curto, especialmente para tarefas mais rotineiras. Isso demonstra otimismo, é claro, e não devemos esperar que seja uma previsão forte. Afinal, muitos de nós superestimamos o que a IA generativa pode fazer, e a velocidade com que se aperfeiçoa.
Atividades como a redação de documentação científica e a identificação de potenciais colaboradores aparecem como as mais rapidamente aceitas: 57% dos entrevistados acreditam que isso ocorrerá em menos de dois anos, enquanto cerca de 29%–32% estimam entre dois e três anos, e apenas 11%–13% consideram que levará quatro anos ou mais. Confesso que me surpreendi com o uso de IA para encontrar colaboradores. O que está acontecendo: os cientistas estão cada vez mais enclausurados em seus escritórios? Não participam mais de conferências?
De forma semelhante, adaptar comentários de revisores para formatos padronizados também é visto como algo que deve se tornar comum, com 54% apontando menos de dois anos, 34% entre dois e três anos e 12% mais de quatro anos.
Ferramentas voltadas à otimização da alocação de recursos compartilhados e recomendações automatizadas para revisão por pares também são vistas como de adoção relativamente rápida. Em ambos os casos, cerca de 51% dos pesquisadores indicam menos de dois anos, enquanto aproximadamente 35%–36% apontam dois a três anos e cerca de 13% acreditam que levará mais tempo. Da mesma forma, o uso de IA para acelerar e facilitar o processo de revisão por pares é visto como iminente por metade dos entrevistados (50%), com 36% estimando dois a três anos e 14% quatro anos ou mais.
O uso de IA para fornecer feedback automatizado a revisores, com o objetivo de melhorar a clareza das avaliações, é previsto para menos de dois anos para 47%, dois a três anos para 38% e quatro anos ou mais para 16%. Já a otimização de desenhos experimentais tem uma distribuição um pouco mais cautelosa: 44% acreditam na adoção em menos de dois anos, 36% em dois a três anos e 20% em um prazo mais longo.
Aplicações mais complexas, como simulações avançadas capazes de reduzir a necessidade de experimentação em bancada devem demorar mais para atingir aceitação ampla. Apenas 35% dos pesquisadores acreditam que isso ocorrerá em menos de dois anos, enquanto 38% estimam dois a três anos e 26% consideram que levará quatro anos ou mais. Esses resultados sugerem que, quanto maior o impacto potencial da IA sobre práticas científicas fundamentais, maior a cautela em relação à sua adoção. É um alento.
Um resultado que chama atenção é que, apesar de toda a discussão em torno da IA, seu uso cotidiano ainda é relativamente limitado. Entre os primeiros respondentes (1.043 pesquisadores), apenas 45% afirmaram já ter utilizado ferramentas de IA para auxiliar em suas pesquisas. Geralmente, o uso tende a ser bastante pragmático, concentrando-se sobretudo em tarefas como tradução, revisão linguística e edição de manuscritos. Isto é, partes menos relevantes em termos de inovação na pesquisa. Pessoalmente, vejo esse uso como benéfico. Seria hipocrisia dizer o contrário.
O uso IA na pesquisa, contudo, deve aumentar nos próximos anos. É uma previsão relativamente óbvia, é claro, mas 72% dos respondentes disseram que pretendem usar IA em tarefas menores (como as citadas no parágrafo anterior) nos próximos anos.
Não vejo a inteligência artificial como algo a ser demonizado. Pelo contrário, entendo que pode desempenhar um papel bastante útil no cotidiano da pesquisa científica, sobretudo ao lidar com tarefas mais mecânicas e repetitivas. Atividades como revisar erros de escrita em manuscritos (gramaticais ou de sintaxe), ajustar aspectos de clareza na comunicação e até auxiliar na elaboração de scripts (um conjunto de comandos escritos em uma linguagem de programação para automatizar tarefas e executar análises de forma organizada e reproduzível) para análises são exemplos claros de como essas ferramentas podem poupar tempo e esforço.
No entanto, esse uso precisa ser acompanhado de senso crítico. No caso da produção de scripts, por exemplo, é fundamental que o pesquisador compreenda a lógica por trás do que está sendo gerado. A IA pode sugerir soluções, mas não substitui o entendimento do método. Da mesma forma, os resultados obtidos não devem ser aceitos automaticamente: é indispensável validá-los, examinando-os com cuidado e interpretando-os à luz do conhecimento teórico e empírico disponível, algo que ainda depende do julgamento humano.
Os dois parágrafos anteriores são uma opinião minha e ficaria feliz em receber feedback dos meus colegas cientistas e leitores da RQC.
Diante deste cenário, li a confissão de um cientista que me surpreendeu pela coragem, mas não pela sensatez. Em “Por que eu posso ‘contratar’ IA em vez de um estudante de pós-graduação”, publicado em Science: Careers, uma seção do site da revista Science, Ariel Rosenfeld refletiu:
“Agora, a IA introduziu uma nova possibilidade. Certamente não se trata de um parceiro intelectual extraordinário, mas ela consegue executar de forma competente muitas das tarefas de que preciso, de maneira imediata; não exige período de adaptação, reuniões nem qualquer tipo de suporte emocional. Isso está provocando uma mudança silenciosa e desconfortável na minha forma de pensar”.
Rosenfeld reconhece, contudo, que esse pensamento desconcertante não implica que os pesquisadores em nível de pós-graduação não têm valor; no longo prazo, são inestimáveis. Rosenfeld afirma que no mundo de hoje, espera-se muito de quem ingressa na pós-graduação. O nível está muito alto. Considerando o cenário atual, para atender a essas expectativas mais elevadas, um estudante provavelmente dependeria, na avaliação dele, de ferramentas de IA. Rosenfeld confessa: “Minha preocupação é que os estudantes passem a atuar apenas como intermediários entre a ideia bruta e o resultado gerado pela IA”.
Embora seja verdade que nós, pesquisadores da pós-graduação, também estejamos sujeitos ao uso de IA, considero leviana a ideia de que a maioria de nós seja apenas intermediária entre ideia e resultados. Afinal, uma ideia, para ser testada, precisa ser validada ou refutada por análises de determinados conjuntos de dados. E sabe quem geralmente coleta, prepara e trata dados: sim, nós. Essa é uma das partes mais importantes da pesquisa. Fazer isso é algo que os orientadores esperam de nós. E está longe da IA conseguir nos substituir nesse sentido, em muitas áreas.
Além disso, para formar novos pesquisadores, é preciso oferecer novas oportunidades. Posições de mestrado e doutorado devem estar disponíveis para que a nova geração de pesquisadores possa demonstrar o seu valor e aprender (com humanos) a fazer pesquisa. Fazer pesquisa, aliás, não é só escrever e publicar artigos. Também envolve estudar muito e avaliar a pesquisa de outras pessoas. Tudo isso contribui para a formação de pessoas que, quando tentadas pelo uso da IA, podem usá-la para algo mais trivial, não como o “cérebro” do empreendimento.
Se adotado por muitos, o pensamento tentador de Rosenfeld pode significar uma tragédia para a ciência. Afinal, novas mentes trazem novas ideias, e a experiência de formação de um orientando é diferente da do orientador. Com perspectivas e conhecimentos técnicos que se sobrepõem, mas não são idênticos, resultados inesperados e inovadores podem emergir com mais facilidade. Certamente, com maior probabilidade do que uma mente sozinha, cuja sobreposição consigo mesma é, necessariamente, total.
Seja a curto ou longo prazo, não somos dispensáveis. Aliás, pelo menos nesse país, somos responsáveis pelo grosso da publicação científica. Já não temos direitos trabalhistas, nem salários decentes. E ainda pode piorar? Todo santo dia, surge um novo motivo para questionar minhas escolhas.
João Lucas da Silva é mestre em Ciências Biológicas pela Universidade Federal do Pampa, e atualmente doutorando em Ciências Biológicas na mesma universidade