Pesquisa na Nature aponta que IA acelera carreira de pesquisadores individuais, mas restringe o panorama geral da ciência.
Um grande estudo revelou que, embora as ferramentas de IA acelerem o sucesso de cientistas, elas, de forma preocupante, restringem o escopo geral da descoberta de novos conhecimentos.
Uma pesquisa importante publicada na revista global Nature revelou os impactos duplos da inteligência artificial (IA) no campo da ciência, apontando que a IA se tornou uma ferramenta poderosa que ajuda pesquisadores individuais a alcançar o sucesso em suas carreiras mais rapidamente, mas, ao mesmo tempo, restringe e torna menos diversas as direções da pesquisa científica no geral.
A equipe de pesquisa, liderada por James Evans, sociólogo da Universidade de Chicago, analisou mais de 310.957 artigos em 6 campos das ciências naturais (biologia, medicina, química, física, ciência dos materiais e geologia), usando modelos de linguagem do Google para identificar pesquisas que empregavam IA. Os resultados mostraram que pesquisadores que usam IA publicam 3,02 vezes mais artigos do que aqueles que não a utilizam, e seus trabalhos recebem 4,85 vezes mais citações. Além disso, descobriu-se que eles se tornam líderes de equipe de pesquisa, em média, 1,37 ano mais rápido do que seus colegas.
No entanto, ao analisar o cenário geral da ciência, foram observados impactos negativos: o uso da IA resultou em uma redução de 4,63% no número de tópicos de pesquisa estudados e uma diminuição de 22% na interação entre pesquisadores. Os autores do estudo concluíram que "as ferramentas de IA parecem automatizar campos existentes em vez de explorar novos", o que cria um aparente paradoxo: "expandir o impacto de cientistas individuais, mas, ao mesmo tempo, restringir o alcance geral da ciência".
James Evans resumiu este fenômeno como "um conflito entre os incentivos individuais e a ciência como um todo" (You have this conflict between individual incentives and science as a whole). É interessante notar que este padrão tem sido consistente desde as primeiras eras do machine learning e deep learning até a atual era da IA generativa, refletindo os desafios estruturais que a comunidade científica enfrenta na era da IA.
Embora a IA seja uma ferramenta que acelera a eficiência, este impacto aponta para o risco de que as descobertas científicas possam se concentrar em tópicos existentes, o que pode atrasar grandes descobertas a longo prazo que dependem da exploração de novos conhecimentos.