Rumo à automação de ponta a ponta da pesquisa em IA

Por que um Cientista Robô Importa

Imagine um pesquisador digital incansável que pode conceber ideias, escrever código, executar experimentos, traçar gráficos e até redigir e revisar artigos científicos com quase nenhuma ajuda humana. Este artigo descreve um sistema assim, chamado “O Cientista de IA”. Ele mostra que a inteligência artificial moderna já pode lidar com quase todas as etapas de um projeto de pesquisa em aprendizado de máquina, sugerindo um futuro em que descobertas aparecem mais rapidamente — mas também levantando questões sérias sobre confiança, empregos e a saúde da própria ciência.

Da Ideia ao Artigo Concluído

O Cientista de IA foi projetado para percorrer todo o ciclo de vida de um estudo, de forma semelhante ao que um estudante de pós-graduação faria. Primeiro, ele propõe direções de pesquisa dentro de uma área escolhida do aprendizado de máquina, explicando por que cada ideia pode ser interessante e delineando um plano para testá‑la. Em seguida, verifica essas ideias em bases de dados de pesquisa online para evitar simplesmente reproduzir trabalhos existentes. Apenas ideias que parecem genuinamente novas avançam. Depois, o sistema escreve e edita o código necessário para executar experimentos, corrige muitos dos próprios bugs e mantém um “caderno de laboratório” contínuo do que tentou e do que aconteceu.

Duas Maneiras de Deixar o Sistema Explorar

Os pesquisadores construíram duas versões desse cientista digital. No modo “baseado em modelo” (template-based), humanos fornecem um programa inicial simples, e o sistema o modifica gradualmente para explorar questões relacionadas. No modo “sem modelo” (template-free), a IA parte quase do zero: inventa ideias, projeta experimentos e escreve código por conta própria, guiada apenas por instruções amplas, como o tema de um workshop de conferência. Essa versão de abertura usa uma busca ramificada por muitos “caminhos” experimentais paralelos, promovendo os mais promissores e eliminando aqueles que travam ou produzem resultados ruins. Mais poder computacional permite explorar mais ramos e tende a gerar estudos finais mais robustos.

Ensinando uma IA a Agir como um Revisor

Avaliar a qualidade de um fluxo interminável de artigos escritos por IA é um desafio, então a equipe também construiu um Revisor Automatizado. Essa ferramenta lê artigos, pontua‑os quanto à solidez e contribuição, lista pontos fortes e fracos e faz uma recomendação de aceitação ou rejeição usando as mesmas diretrizes de uma grande conferência de aprendizado de máquina. Testado em milhares de artigos reais com decisões conhecidas, os julgamentos do Revisor Automatizado corresponderam aos de revisores humanos na mesma medida em que humanos costumam concordar entre si. O desempenho foi semelhante mesmo em artigos recentes que não estavam em seus dados de treinamento, sugerindo que ele realmente aprendeu a tarefa de revisar em vez de memorizar resultados.

Colocando o Cientista de IA à Prova

Para ver quão bem o sistema atua no mundo real, os autores pediram que ele gerasse artigos completos para um workshop em uma conferência líder em aprendizado de máquina. Com aprovação ética e cooperação dos organizadores, três manuscritos gerados por IA foram submetidos ao lado de trabalhos escritos por humanos. Os revisores foram informados de que algumas submissões poderiam ser escritas por IA, mas não quais. Um dos três artigos criados pela IA obteve notas de revisão que lhe permitiriam ser aceito no workshop; os autores o retiraram depois, conforme um protocolo pré‑acordado. Os outros dois artigos ficaram aquém do padrão. No geral, o sistema produziu trabalhos que ainda não igualam os melhores estudos humanos, mas já são bons o suficiente para, ocasionalmente, passar pela revisão por pares real.

Promessas, Riscos e o Caminho à Frente

Embora O Cientista de IA ainda cometa erros — como ideias superficiais, falhas de codificação e citações enganosas —, o estudo sugere que, à medida que os modelos de IA subjacentes e os recursos computacionais melhorarem, esses sistemas provavelmente evoluirão bastante. Isso poderia acelerar dramaticamente a descoberta em campos onde experimentos podem ser executados em computadores ou em laboratórios automatizados. Ao mesmo tempo, a geração fácil de artigos pode inundar periódicos com trabalhos de baixa qualidade, borrar as fronteiras sobre autoria e crédito e possibilitar experimentos arriscados ou antiéticos. Os autores defendem que a comunidade científica precisa de regras e salvaguardas claras agora, enquanto a tecnologia ainda está emergindo, para que pesquisadores automatizados fortaleçam a ciência em vez de enfraquecê‑la.

Citação: Lu, C., Lu, C., Lange, R.T. et al. Towards end-to-end automation of AI research. Nature 651, 914–919 (2026). https://doi.org/10.1038/s41586-026-10265-5

Palavras-chave: pesquisa científica automatizada, cientista de IA, experimentos de aprendizado de máquina, automação da revisão por pares, integridade científica