Neste verão, o CEO da Meta, Mark Zuckerberg, convidou Rishabh Agarwal para integrar o novo laboratório de inteligência artificial da empresa, oferecendo milhões de dólares em ações e salário.
Com o novo laboratório, Zuckerberg disse que queria construir uma “superinteligência”, uma tecnologia que poderia superar as capacidades do cérebro humano. Embora ninguém soubesse exatamente como criar a superinteligência, ele incentivou Agarwal a dar um salto de fé.
Num mundo em rápida transformação, disse Zuckerberg, o maior risco que alguém pode correr é não correr nenhum risco.
Mas, embora Agarwal já fosse funcionário da Meta, recusou a proposta e decidiu ingressar em outra empresa.
Agarwal está entre mais de 20 pesquisadores que deixaram recentemente a Meta, a OpenAI, o Google DeepMind e outros grandes projetos de IA para se juntar a uma nova startup do Vale do Silício chamada Periodic Labs. Muitos deles abriram mão de dezenas de milhões de dólares —ou até centenas de milhões— para fazer a mudança.
Enquanto os grandes laboratórios de IA buscam objetivos amplos como a superinteligência e a chamada inteligência artificial geral (AGI), a Periodic concentra-se em desenvolver tecnologias de IA que acelerem descobertas científicas em áreas como física e química.
“O principal objetivo da IA não é automatizar o trabalho de colarinho branco”, disse Liam Fedus, um dos fundadores da startup. “O principal objetivo é acelerar a ciência.”
Fedus fez parte da pequena equipe da OpenAI que criou o chatbot ChatGPT em 2022. Ele deixou a empresa em março para fundar a Periodic Labs com Ekin Dogus Cubuk, que trabalhava anteriormente no Google DeepMind, o principal laboratório de IA da gigante de tecnologia.
Diversas empresas líderes em IA já desenvolvem tecnologias para acelerar descobertas científicas. Dois pesquisadores do Google DeepMind ganharam recentemente um Prêmio Nobel pelo trabalho no projeto AlphaFold, que pode impulsionar a descoberta de medicamentos de forma sutil, mas significativa.
Especialistas do setor frequentemente argumentam que os grandes modelos de linguagem —tecnologias que alimentam chatbots— em breve alcançarão avanços científicos importantes. OpenAI e Meta afirmam que suas tecnologias já avançam nesse sentido em áreas como descoberta de fármacos, matemática e física teórica.
“Acreditamos que a IA avançada pode acelerar as descobertas científicas e que a OpenAI está em posição única para liderar esse caminho”, disse a porta-voz da OpenAI, Laurance Fauconnet.
Mas, segundo Fedus, essas empresas não estão trilhando o caminho da verdadeira descoberta científica. Ele criticou: “O Vale do Silício é intelectualmente preguiçoso” quando descreve o futuro dos grandes modelos de linguagem. Ele e Cubuk dizem retomar uma visão de época em que centros de pesquisa líderes da indústria, como os Bell Labs e o IBM Research, viam as ciências físicas como parte essencial de sua missão.
Os sistemas de IA que impulsionam chatbots como o ChatGPT são chamados de redes neurais, em referência à rede de neurônios do cérebro. Ao identificar padrões em enormes volumes de texto extraídos da internet, esses sistemas aprendem a imitar a forma como as pessoas organizam palavras. Eles podem até aprender a programar e resolver problemas matemáticos.
Mas Fedus e Cubuk acreditam que, por mais livros e artigos acadêmicos que esses sistemas analisem, eles não conseguem dominar a arte da descoberta científica. Para isso, dizem, as tecnologias de IA também precisam aprender com experimentos físicos no mundo real.
Um chatbot “não pode simplesmente raciocinar por dias e chegar a uma descoberta incrível”, disse Cubuk. “Os humanos também não conseguem. Eles fazem inúmeros experimentos antes de encontrar algo extraordinário —se é que encontram.”
A Periodic Labs, que já garantiu mais de US$ 300 milhões em investimentos iniciais da empresa de capital de risco a16z e outros fundos, começou seus trabalhos em um laboratório de pesquisa em San Francisco. Mas planeja construir seu próprio centro em Menlo Park, Califórnia, onde robôs —robôs físicos— realizarão experimentos científicos em grande escala.
Os pesquisadores da empresa organizarão e orientarão esses experimentos. Enquanto isso, os sistemas de IA analisarão tanto os processos quanto os resultados. A expectativa é que esses sistemas aprendam a conduzir experimentos semelhantes de forma autônoma.
Assim como as redes neurais podem aprender habilidades ao identificar padrões em textos, elas também podem aprender com outros tipos de dados —imagens, sons e movimentos— até combinando diferentes fontes de informação.
Por exemplo, ao analisar uma coleção de fotos e suas legendas, um sistema pode compreender a relação entre as duas. Pode aprender que a palavra “maçã” descreve uma fruta vermelha e arredondada.
Na Periodic Labs, os sistemas de IA aprenderão tanto com a literatura científica quanto com a experimentação física e os esforços repetidos de modificar e melhorar esses experimentos.
Um exemplo: um dos robôs da empresa pode realizar milhares de experimentos combinando diferentes pós e materiais para tentar criar um novo tipo de supercondutor, que poderia ser usado na fabricação de diversos equipamentos elétricos.
Guiado pela equipe, o robô escolheria pós promissores com base em literatura científica existente, misturaria em um frasco, aqueceria em um forno, testaria o material e repetiria o processo com diferentes combinações.
Após analisar suficientemente esse ciclo de tentativa e erro — identificando os padrões que levam ao sucesso — um sistema de IA poderia, em teoria, aprender a automatizar e acelerar experimentos semelhantes.
“Não fará a descoberta na primeira tentativa, mas vai iterar”, disse Cubuk, referindo-se ao processo de repetição. “Depois de muitas iterações, esperamos chegar mais rápido ao resultado.”
Pesquisadores de IA exploram ideias semelhantes há anos. Mas o poder computacional e os recursos necessários para tal empreitada só se tornaram viáveis recentemente.
Ainda assim, desenvolver esse tipo de tecnologia é extremamente difícil e demorado. Criar IA no mundo digital é muito mais simples do que no mundo físico.
“Isso vai curar o câncer em dois anos? Não”, disse Oren Etzioni, ex-CEO do Allen Institute for AI. “Mas é uma boa aposta visionária? Sim.”
Em 2023, o The New York Times processou a OpenAI e a Microsoft por violação de direitos autorais de conteúdo jornalístico relacionado a sistemas de IA. As duas empresas negaram as acusações.
