Por que a IA não tem feito descobertas científicas originais? um estudo de um especialista da universidade de princeton destaca a necessidade de uma infraestrutura verificável

Em 10 de setembro, durante a Conferência Inclusion · Bund de 2026, Wang Mengdi, Diretora do Centro de Inovação em IA da Universidade de Princeton, questionou o quão perto a IA está de descobrir autonomamente novas ciências. Ela argumentou que, embora os modelos grandes se destaquem na identificação das respostas mais prováveis, eles lutam com a verdadeira descoberta científica, que muitas vezes reside na cauda longa das distribuições de probabilidade. A equipe de Wang Mengdi conduziu um experimento chamado 'Simulated Life' com modelos como ChatGPT e Claude, revelando que esses modelos superestimam os cenários comuns e subestimam os cenários raros. Wang Mengdi explicou que campos como matemática e programação têm validadores claros, como compiladores e sistemas de prova formais, que permitem o aprendizado e a correção iterativos. Em contraste, a pesquisa científica envolve experimentos complexos e colaboração, tornando a verificação difícil. "As ideias são baratas. Você precisa me mostrar o código ou um experimento", disse ela. Sua equipe está construindo uma infraestrutura para preencher essa lacuna, incluindo uma plataforma experimental automatizada para pesquisa de materiais quânticos e um sistema operacional inteligente chamado LabOS para laboratórios de pesquisa. Wang Mengdi enfatizou que o potencial da IA para se tornar um descobridor científico depende de uma infraestrutura que conecte hipóteses, validação, rastreabilidade e replicação. "Somente quando o processo experimental no mundo físico pode ser registrado sistematicamente, validado continuamente e repetidamente replicado, a IA pode transformar a 'probabilidade' aprendida no treinamento em exploração de 'possibilidade'