A aposta da Meta e Mark Zuckerberg na IA para a ciência e o “cérebro do planeta”

Investigadores a acompanhar tudo a partir de laboratórios apertados, salas de espera de aeroportos e mesas de cozinha ficaram colados aos ecrãs, num mesmo silêncio atónito. Não era mais um visor reluzente nem uma promessa vaga de “metaverso”. Soava a uma linha na areia sobre o futuro do conhecimento humano. Em poucos minutos, a X e os canais de Slack em universidades e laboratórios de IA por todo o mundo incendiaram-se. Era abertura verdadeira ou uma apropriação de poder mascarada de generosidade? Ninguém concordava. Toda a gente falava. E uma pergunta incómoda começou a espalhar-se, como uma fissura no vidro.

O que acontece à ciência quando um homem, com três mil milhões de utilizadores, diz que quer construir o cérebro do planeta?

O anúncio que fez tremer as bancadas do laboratório

Tudo começou quase sem cerimónia: uma hoodie preta, um palco limpo, meia dúzia de diapositivos e, de repente, Zuckerberg largou a frase que pôs diretores de investigação a pegar no telemóvel. A Meta iria avançar para uma IA de uso geral capaz de “fazer avançar a própria ciência”, treinada em dados abertos massivos e partilhada “com o mundo”. Disse-o sem pestanejar.

Para muitos que assistiam, essa única frase mudou a energia no ar. A oportunidade e o receio sentaram-se lado a lado.

Houve quem visse, ali, os seus sonhos a ganhar corpo em palco. Uma doutoranda em biologia em Cambridge escreveu ao grupo: “Se isto funcionar, as minhas simulações passam de semanas para horas.” Um cientista planetário em Tóquio publicou na X que copilotos de IA para investigação poderiam “encurtar uma década de tentativa e erro para um fim de semana prolongado.”

Ao mesmo tempo, uma especialista em ética em Berlim partilhou uma captura do anúncio com uma única linha: “Voltámos a mudar as regras do jogo, e ninguém votou.” A conversa por baixo desse post parecia uma discussão mundial às 3 da manhã.

O que abanou as pessoas não foi apenas a ostentação tecnológica. Foi a forma como Zuckerberg enquadrou a ciência como mais um problema de “plataforma”: algo para escalar, optimizar e lançar. Para físicos que esperam meses por tempo de telescópio, ou biólogos que lutam por financiamento, ouvir um bilionário da tecnologia falar em “desbloquear descobertas” pareceu empolgante e, ao mesmo tempo, ligeiramente irreal.

A lógica era tentadora: modelos maiores, mais dados, avanços maiores. Ainda assim, em chamadas nocturnas entre laboratórios, a pergunta repetia-se: se a IA passar a ser o motor padrão da descoberta, quem controla o acelerador? E o que acontece à parte lenta, caótica e revista por pares da ciência - aquela que não fica bem num diapositivo de uma apresentação de palco?

Como os cientistas estão a tentar adaptar-se - depressa

Dentro dos laboratórios, a primeira reação não foi escrever manifestos. Foi abrir terminais. Equipas começaram a testar as novas ferramentas de IA da Meta com o que tinham mais à mão: dobragem de proteínas, modelos climáticos, trajectórias de partículas, conjuntos de dados antigos a apanhar pó em discos rígidos há anos.

Um químico descreveu a sensação como “de repente ter cem estudantes de pós-graduação incansáveis que nunca pedem café nem crédito”. É assim que o método se está a espalhar discretamente: usar o modelo como um primeiro rascunho bruto e, depois, deixar os humanos fazerem o pensamento cuidadoso.

As histórias concretas correm mais depressa do que os diapositivos. Num hospital em Paris, uma pequena equipa ligou um modelo de código aberto da Meta a anos de dados anonimizados de UCI. Em poucos dias, o sistema destacou padrões de risco de sépsis que estatísticos procuravam há meses.

Do outro lado do mundo, um laboratório ambiental no Brasil alimentou a mesma família de modelos com imagens de satélite e relatórios de desflorestação. A IA começou a prever focos de abate ilegal com uma precisão inquietante, semanas antes de aparecer a primeira motosserra. Não são demos polidas. São pessoas cansadas a encontrar uma ferramenta mais afiada.

Nos bastidores, porém, esta adaptação é tudo menos limpa. Candidaturas a bolsas estão a ser reescritas de um dia para o outro para incluir “componentes de IA”. Investigadores no início de carreira sentem-se empurrados para se tornarem, em part-time, engenheiros de prompts. Professores séniores que construíram carreiras com métodos minuciosos enfrentam, de repente, uma cultura que celebra velocidade acima de profundidade.

Sejamos honestos: ninguém faz isto realmente todos os dias. A maioria dos laboratórios está a improvisar. Há quem copie repositórios do GitHub que mal entende. Os que avançam com cautela insistem em perguntas difíceis: para onde vão os nossos dados, que enviesamentos entram nas conclusões, e como manter viva a arte humana da ciência quando as ferramentas ficam mais ruidosas e mais rápidas?

As regras discretas que os cientistas estão a impor a si próprios

Entre áreas diferentes, está a formar-se uma espécie de manual informal. Os investigadores estão a separar três zonas: onde a IA pode ajudar, onde a IA nunca deve mexer e onde é preciso criar guardas rígidas. Muitos estão a deixar os modelos fazerem o trabalho pesado: resumos de literatura, esboços de código, hipóteses em primeira versão, simulações rápidas.

Depois, impõem uma pausa. Um humano revê a cadeia de raciocínio, compara com resultados conhecidos e decide se a “ideia” da IA é real ou apenas disparate estatístico dito com muita confiança.

Também se fala mais abertamente sobre falhas - e isso é novo. Em canais de Slack de laboratórios, partilham-se exemplos de provas geradas por IA que parecem elegantes e desabam na revisão por pares. Uma investigadora de genómica em Boston admitiu que o seu modelo “alucinou” um estudo inexistente que influenciou a sua direção inicial.

Ninguém quer ser a pessoa que publica um resultado vistoso, impulsionado por IA, e que um ano depois se desfaz. Por isso, está a crescer uma cultura de verificação dupla e de documentação: registar, com precisão, onde e como um sistema de IA tocou nos dados ou na análise.

Em reuniões internas, alguém acaba muitas vezes por dizer o que todos sentem, mas evitam escrever em artigos:

“Se deixarmos o modelo pensar por nós, vamos deixar de notar quando ele está errado.”

Para evitar isso, alguns grupos estão a criar mini-cartas de princípios, primeiro rabiscadas em quadros brancos e depois formalizadas em wikis do laboratório:

• Correr sempre uma “linha de base básica” (estatística simples ou teoria) ao lado de qualquer resultado de IA.
• Nunca confiar numa citação gerada por IA sem ler o artigo com os próprios olhos.
• Manter pelo menos um projecto no laboratório com quase nenhuma IA, só para não perder prática.
• Registar todas as decisões importantes em que o modelo influenciou a direção.
• Partilhar falhas dentro do laboratório, não apenas histórias de sucesso brilhantes.

Todos já passámos pelo momento em que uma ferramenta poderosa cai na secretária e fingimos que sabemos exactamente o que estamos a fazer. Desta vez, as consequências parecem maiores. Os cientistas que sussurram sobre exaustão e ansiedade silenciosa são, muitas vezes, os mesmos que sobem ao palco para falar de “descoberta acelerada”. As duas coisas podem ser verdade. O atraso emocional é que não cabe numa apresentação.

Onde isto nos deixa a todos

Visto de fora, é fácil achar que o anúncio de IA de Zuckerberg é um assunto exclusivo de pessoas com crachá e bata. Não é. Se a IA para ciência se tornar uma corrida entre laboratórios corporativos, essa corrida vai influenciar quais os medicamentos desenvolvidos primeiro, que culturas agrícolas recebem sementes mais resistentes ao clima, que línguas são preservadas em conjuntos de dados e quais são discretamente ignoradas.

A comunidade científica global sente-se abalada, em parte, porque sabe isto: o que é apresentado como uma corrida técnica é também uma escolha política sobre de quem são os problemas que passam à frente.

O futuro que está a ser desenhado não é neutro. Um modelo de IA “aberto” lançado por uma plataforma gigante continua a ser moldado por quem o treinou, pelos dados que viu e pelas perguntas que nunca lhe foram feitas. Quando um CEO fala em “acelerar a descoberta”, soa a presente. Pode ser. Também pode ser uma forma de tornar a ciência dependente de um punhado de fornecedores de infra-estruturas na Califórnia.

Os investigadores tentam manter espaço para que pequenas equipas, laboratórios públicos e universidades com pouco financiamento continuem a definir a própria agenda, em vez de se limitarem a ligar-se ao roteiro de outra entidade.

As próximas grandes descobertas em física, medicina ou clima podem nascer de uma conversa entre um humano e um modelo a correr em servidores da Meta. Ou podem vir de um investigador teimoso que mantém um caderno, fecha o separador da IA e segue uma intuição que não faz sentido para algoritmo nenhum.

A onda de choque do anúncio de Zuckerberg vive desta tensão: quanto do nosso futuro partilhado estamos dispostos a subcontratar a sistemas que não compreendemos por inteiro, detidos por pessoas que não elegemos? E como seria se o “cérebro do planeta” fosse de todos nós - e não apenas de quem consegue pagar por clusters de GPU?

Ponto-chave	Detalhe	Interesse para o leitor
Viragem da Meta: IA ao serviço da ciência	Zuckerberg apresentou uma aposta em modelos de IA de uso geral para “fazer avançar a própria ciência”, com grande ênfase em dados abertos em larga escala, modelos partilhados e infra-estrutura comum.	Ajuda a perceber por que razão os investigadores reagiram com tanta intensidade e por que as manchetes explodiram de um dia para o outro.
Adaptações ao nível do laboratório	As equipas estão a usar modelos ao estilo da Meta para encontrar padrões, acelerar simulações e rascunhar hipóteses, acrescentando ao mesmo tempo novas verificações e regras internas.	Mostra como o trabalho de investigação já está a mudar - não só em teoria, mas nas rotinas do dia-a-dia.
A questão do poder e do controlo	A tensão central é quem possui as ferramentas da descoberta e quem decide em que problemas a ciência acelerada por IA se vai concentrar.	Convida a pensar como isto pode afectar medicamentos, soluções climáticas e o conhecimento que vai moldar a sua vida.

Perguntas frequentes (FAQ):

• O que anunciou exactamente Mark Zuckerberg sobre IA e ciência? Definiu uma aposta em modelos poderosos de IA de uso geral orientados para “fazer avançar a ciência”, com forte foco em modelos abertos à escala, infra-estrutura partilhada e copilotos de IA para investigadores de várias disciplinas.
• Porque estão os cientistas tão divididos em relação a este anúncio? Muitos entusiasmam-se com simulações mais rápidas, melhor detecção de padrões e acesso mais simples a ferramentas avançadas, enquanto outros receiam controlo corporativo, ética dos dados e o risco de transformar a ciência num produto de plataforma.
• Isto vai substituir investigadores humanos no laboratório? Não. Os sistemas actuais são assistentes fortes, mas continuam a cometer erros básicos, a “alucinar” fontes e a falhar contexto. A maioria dos laboratórios trata a IA como uma calculadora poderosa e um parceiro para gerar ideias, não como substituto do julgamento humano.
• Como é que isto pode mudar a vida quotidiana de quem não é cientista? Estão em cima da mesa uma descoberta de fármacos mais rápida, modelos climáticos mais exactos e planeamento de infra-estruturas mais inteligente - mas também riscos: acesso desigual, prioridades de investigação enviesadas e decisões opacas com impacto na saúde e no ambiente.
• O que podem fazer as pessoas comuns perante uma mudança desta dimensão? Pode acompanhar para onde vai o financiamento público, apoiar iniciativas de ciência transparente e aberta, fazer perguntas quando são anunciados “avanços” guiados por IA e exigir que as instituições de que faz parte - universidades, hospitais, autarquias - expliquem como usam IA na investigação e nas políticas públicas.

---