No entanto, Hodgkinson teme que os pesquisadores da área prestem atenção à técnica, e não à ciência, ao tentar fazer engenharia reversa por que o trio ganhou o prêmio este ano. “O que espero que isso não faça é fazer com que os pesquisadores usem chatbots de forma inadequada, pensando erroneamente que todas as ferramentas de IA são equivalentes”, diz ele.
O receio de que isto possa acontecer baseia-se na explosão de interesse em torno de outras tecnologias supostamente transformadoras. “Sempre há ciclos de hype, sendo os recentes o blockchain e o grafeno”, diz Hodgkinson. Após a descoberta do grafeno em 2004, 45 mil artigos acadêmicos mencionando o material foram publicados entre 2005 e 2009, segundo o Google Scholar. Mas depois de Andre Geim e Konstantin Novoselov ganharem o Prémio Nobel pela descoberta do material, o número de artigos publicados disparou, para 454.000 entre 2010 e 2014, e mais de um milhão entre 2015 e 2020. Este aumento na investigação tem sem dúvida tinha apenas um modesto impacto no mundo real até agora.
Hodgkinson acredita que o poder energizante de vários investigadores reconhecidos pelo painel do Prémio Nobel pelo seu trabalho em IA poderia fazer com que outros começassem a reunir-se em torno do campo – o que poderia resultar numa ciência de qualidade mutável. “Se há substância nas propostas e aplicações (da IA) é outra questão”, diz ele.
Já vimos o impacto da atenção da mídia e do público em relação à IA na comunidade acadêmica. O número de publicações sobre IA triplicou entre 2010 e 2022, de acordo com pesquisa da Universidade de Stanfordcom quase um quarto de milhão de artigos publicados somente em 2022: mais de 660 novas publicações por dia. Isso foi antes do lançamento do ChatGPT em novembro de 2022 dar início à revolução da IA generativa.
Até que ponto os académicos provavelmente seguirão a atenção dos meios de comunicação social, o dinheiro e os aplausos da comissão do Prémio Nobel é uma questão que irrita Julian Togelius, professor associado de ciência da computação na Escola de Engenharia Tandon da Universidade de Nova Iorque, que trabalha com IA. “Os cientistas em geral seguem alguma combinação de caminho de menor resistência e maior retorno financeiro”, diz ele. E dada a natureza competitiva do meio académico, onde o financiamento é cada vez mais escasso e está directamente ligado às perspectivas de emprego dos investigadores, parece provável que a combinação de um tema da moda que – a partir desta semana – tem o potencial de dar a grandes empreendedores um Prémio Nobel pode ser muito tentador para resistir.
O risco é que isso possa impedir um novo pensamento inovador. “Obter dados mais fundamentais da natureza e apresentar novas teorias que os humanos possam compreender são coisas difíceis de fazer”, diz Togelius. Mas isso requer uma reflexão profunda. É muito mais produtivo para os investigadores realizarem simulações possibilitadas pela IA que apoiem as teorias existentes e envolvam dados existentes – produzindo pequenos avanços na compreensão, em vez de saltos gigantescos. Togelius prevê que uma nova geração de cientistas acabará fazendo exatamente isso, porque é mais fácil.
Há também o risco de que cientistas da computação excessivamente confiantes, que ajudaram a avançar no campo da IA, comecem a ver o trabalho da IA sendo premiado com Prêmios Nobel em campos científicos não relacionados – neste caso, física e química – e decidam seguir seus passos, invadindo território de outras pessoas. “Os cientistas da computação têm uma merecida reputação de enfiar o nariz em áreas sobre as quais nada sabem, injetando alguns algoritmos e chamando isso de avanço, para o bem e/ou para o mal”, diz Togelius, que admite já ter sido tentado a acrescentar aprendizagem profunda para outro campo da ciência e “avançar” nele, antes de pensar melhor, porque ele não sabe muito sobre física, biologia ou geologia.