Inscreva-se no boletim Wonder Theory da CNN.Explore o universo com notícias sobre descobertas fascinantes, avanços científicos e muito mais.
CNN
—
Em um feito surpreendente que combina história e tecnologia, centenas de antigos rolos carbonizados, conhecidos como os rolos de Herculano, estão finalmente se revelando com a ajuda de ferramentas de inteligência artificial (IA). Embora essas relíquias, que remanescem da erupção do Vesúvio em 79 d.C., tenham sobrevivido em condições que tornariam sua leitura quase impossível, a tecnologia do século XXI se mostrou capaz de decifrar seus conteúdos.
No ano passado, um grupo de pesquisadores utilizou IA e raios-X de alta resolução para decifrar mais de 2.000 caracteres dos rolos, revelando as primeiras passagens completas dos papiros sobreviventes. Esse avançado processo de decifração é um vislumbre sem precedentes nas vidas e pensamentos da antiga Roma e Grécia, e nos traz um pouco mais de conhecimento sobre a cultura dessa era.
Os rolos foram encontrados em uma estrutura que se acredita ter pertencido ao sogro de Júlio César, oferecendo não apenas uma visão, mas um acesso sem precedentes ao conhecimento crítico do passado. O desafio continuo para os cientistas, que lançaram o **Desafio Vesuvius** — uma competição destinada a acelerar o processo de decifração — é reverter virtualmente os documentos carbonizados e distinguir a tinta negra do papiro carbonizado, de forma a tornar essa escrita em grego e latim legível.
“A IA está nos ajudando a aumentar a legibilidade das evidências da tinta”, afirmou Brent Seales, professor de ciência da computação da Universidade de Kentucky, que tem trabalhado na decifração desses rolos por mais de uma década. “A evidência da tinta está lá. Ela está enterrada e camuflada em toda essa complexidade que a IA destila e condensa”.
Este projeto é um fascinante exemplo da crescente utilidade da inteligência artificial, que alcançou um novo patamar em 2024, quando o comitê do Nobel reconheceu o desenvolvimento e a aplicação da IA em ciência pela primeira vez. O prêmio de física desse ano foi atribuído a John Hopfield e Geoffrey Hinton por suas descobertas fundamentais em aprendizado de máquina, que pavimentaram o caminho para o uso contemporâneo da inteligência artificial.
O campo da inteligência artificial — que tenta emular as funções cognitivas humanas para resolver problemas e realizar tarefas — está em constante expansão. Enquanto algumas ferramentas de IA podem oferecer riscos, como sistemas usados em processos de contratação e policiamento que replicam preconceitos, a transformação da IA no campo da pesquisa científica é inegável. Desde 2015, o número de publicações revisadas por pares que utilizam ferramentas de IA aumentou de forma acentuada, e muitas dessas foram frequentemente citadas em outros trabalhos, mostrando-se uma princípia força na pesquisa moderna.
Entretanto, a Real Sociedade do Reino Unido, a mais antiga academia de ciências do mundo, alertou que a natureza obscura de muitas ferramentas de IA está limitando a reproduzibilidade da pesquisa baseada em IA. Apesar desses desafios, a ferramenta se destaca como um poderoso instrumento que, se implementada com sabedoria, produz resultados impressionantes.
“A IA é um campo da ciência da computação projetado para tentar resolver problemas da maneira que pensamos que apenas os humanos poderiam resolver”, disse Seales. “Eu vejo o tipo de IA que estamos utilizando como uma espécie de superpoder que possibilita enxergar coisas em dados que com olhos humanos você não conseguiria ver”.
O Desafio Vesuvius é apenas uma das maneiras pelas quais esse campo em rápida evolução está sacudindo a ciência e revelando o inesperado em 2024. A IA também está avançando o entendimento dos cientistas sobre como os animais se comunicam nas profundezas do oceano, ajudando arqueólogos a encontrar novos locais em terrenos remotos e inóspitos, além de resolver alguns dos maiores problemas da biologia.
Decodificando o “falar de baleias” e outras linguagens animais
Os pesquisadores sabem que os enigmáticos cliques feitos por baleias cachalote variam em tempo, ritmo e comprimento, mas o que os animais estão comunicando com esses sons — produzidos através de órgãos de espermaceti em suas cabeças bulbosas — permanece um mistério para os ouvidos humanos.
O aprendizado de máquina, entretanto, ajudou os cientistas a analisar quase 9.000 sequências de cliques, chamadas codas, que representam as vozes de aproximadamente 60 baleias cachalote no Mar do Caribe. Esse trabalho pode um dia tornar possível a comunicação entre humanos e essas criaturas marinhas.
Os cientistas examinaram o tempo e a frequência das codas em vocalizações solitárias, em coro, e em trocas de chamadas entre esses gigantes do mar. Quando visualizadas com inteligência artificial, padrões de coda antes invisíveis surgiram, sendo que os pesquisadores descreveram isso como semelhante à fonética na comunicação humana.
Até o momento, o programa detectou 18 tipos de ritmo (a sequência de intervalos entre os cliques), cinco tipos de tempo (a duração total da coda), três tipos de rubato (variações de duração) e dois tipos de ornamentação — como um “clique adicional” adicionado ao final de uma coda em um grupo de codas mais curtas.
Tais características podem ser combinadas para formar um “repertório enorme” de frases, conforme os cientistas relataram em maio. Contudo, a abordagem possui suas limitações. Embora o aprendizado de máquina seja hábil em identificar padrões, ele não revela o significado por trás deles.
Um próximo passo, segundo o estudo, é realizar experimentos interativos com as baleias, juntamente com observações do comportamento das baleias, que poderiam ser uma parte importante para desvendar a sintaxe das sequências de cliques das cachalotes.
A abordagem também poderia ser aplicada às vocalizações de outros animais, conforme Dr. Brenda McCowan, professora da Universidade da Califórnia, em Davis, que não participou do estudo, reforçou anteriormente.
Localizando sítios arqueológicos
Enquanto isso, em terra firme, a inteligência artificial está agora potencializando a busca por misteriosas linhas e símbolos esculpidos no solo em um dos mais enigmáticos locais da Terra: o deserto de Nazca, no Peru. Durante quase um século, arqueólogos têm se dedicado a descobrir e documentar essas relíquias.
Muitas vezes, esses pictogramas, que retratam desenhos geométricos, figuras humanas e até mesmo uma orca empunhando uma faca, são visíveis apenas a partir do céu.
Um grupo de pesquisadores liderado por Masato Sakai, professor de arqueologia na Universidade de Yamagata, no Japão, treinou um modelo de IA de detecção de objetos com imagens de alta resolução de 430 símbolos de Nazca mapeados até 2020. A equipe incluiu pesquisadores do Thomas J. Watson Research Center da IBM, localizado em Yorktown Heights, Nova Iorque.
Entre setembro de 2022 e fevereiro de 2023, a equipe testou a precisão do seu modelo no deserto de Nazca, explorando localizações promissoras a pé e utilizando drones. Os pesquisadores, em um avanço incrível, “validaram” 303 geóglifos figurativos, quase dobrando o número conhecido de geóglifos em questão de meses.Notícia completa aqui.
O modelo estava longe de ser perfeito. Ele sugeriu impressionantes 47.000 locais potenciais na região desértica, que cobre 1.630 quilômetros quadrados. Uma equipe de arqueólogos avaliou e classificou essas sugestões, identificando 1.309 locais candidatos com “alto potencial”. De cada 36 sugestões feitas pelo modelo de IA, os pesquisadores identificaram “um candidato promissor”, conforme o estudo.
No entanto, a inteligência artificial tem o potencial de fazer contribuições significativas à arqueologia, especialmente em terrenos remotos e terrenos áridos, como desertos, mesmo que os modelos não sejam ainda totalmente precisos, disse Amina Jambajantsan, pesquisadora e cientista de dados do departamento de arqueologia do Instituto Max Planck de Geoantropologia, na Alemanha.
Jambajantsan não participou da pesquisa de Nazca, mas utiliza um modelo de IA para identificar montes funerários na Mongólia, com base em imagens de satélites.
“O problema é que os arqueólogos não sabem como construir um modelo de aprendizado de máquina, e os cientistas de dados, normalmente, não estão realmente interessados em arqueologia porque podem conseguir muito mais dinheiro em outros lugares”, acrescentou Jambajantsan.
Compreendendo os blocos da vida
Modelos de IA também estão ajudando pesquisadores a entender a vida em sua escala mais minúscula: cadeias de moléculas que formam proteínas, os blocos fundamentais da vida.
Embora as proteínas sejam feitas de apenas cerca de 20 aminoácidos, essas podem ser combinadas de quase infinitas maneiras, dobrando-se em padrões altamente complexos no espaço tridimensional. Essas substâncias ajudam a formar cabelo, pele e células do tecido; elas leem, copiam e repararam o DNA; e ajudam a transportar oxigênio no sangue.
Durante décadas, decifrar essas estruturas 3D foi um empreendimento desafiador e que demanda muito tempo, exigindo experimentos clássicos em laboratórios e uma técnica conhecida como cristalografia de raios-X.
Porém, em 2018, uma ferramenta baseada em IA revolucionou o cenário. A última iteração do Banco de Dados de Estruturas de Proteínas AlphaFold, desenvolvido por Demis Hassabis e John Jumper da Google DeepMind em Londres, prevê a estrutura de quase todas as 200 milhões de proteínas conhecidas a partir de sequências de aminoácidos.
Treinada em todas as sequências de aminoácidos conhecidas e estruturas de proteínas determinadas experimentalmente, a base de dados funciona como uma “busca do Google”. Ela fornece acesso com apenas um toque a modelos previstos de proteínas, acelerando o progresso na biologia fundamental e em outras áreas relacionadas, incluindo a medicina. A ferramenta já foi utilizada por pelo menos 2 milhões de pesquisadores ao redor do mundo.
“É realmente uma inovação de destaque que soluciona um antigo dilema na química física”, disse Anna Wedell, professora de genética médica no Karolinska Institutet, na Suécia, e membro da Academia Real Sueca de Ciências, em entrevista à CNN após que Hassabis e Jumper foram premiados com o Prêmio Nobel de Química de 2024.
A ferramenta, no entanto, tem algumas limitações. Tentativas de aplicar o AlphaFold a proteínas com sequências mutadas, incluindo uma ligada ao câncer de mama precoce, confirmaram que o software não está preparado para prever as consequências de novas mutações nas proteínas.
O AlphaFold é apenas a mais proeminente de uma série de ferramentas de IA sendo utilizadas em campos biomédicos. O aprendizado de máquina está acelerando esforços para compilar um atlas de cada tipo de célula no corpo humano e descobrir moléculas que se tornam novos medicamentos, incluindo um tipo de antibiótico que pode funcionar contra uma bactéria resistente a medicamentos particularmente perigosa.
Mindy Weisberger e Taylor Nicioli contribuíram para este relatório.
