Dario Amodei, CEO da Anthropic, acredita que a inteligência artificial pode ajudar a curar a maioria das grandes doenças nos próximos cinco a dez anos.
É uma previsão ambiciosa. O próprio Amodei reconhece que a biologia impõe limites que não desaparecem com mais capacidade computacional. Experimentos levam tempo, resultados precisam ser reproduzidos e tratamentos ainda passam por testes clínicos.
Mesmo assim, a pesquisa mais recente da Anthropic oferece um primeiro exemplo de como essa aceleração poderia começar.
Segundo a empresa, agentes baseados em Claude identificaram um sistema biológico que ainda não havia sido caracterizado. O trabalho aconteceu durante a análise de vírus que infectam bactérias, conhecidos como bacteriófagos.
O resultado ainda é inicial. Sua função permanece desconhecida e sua possível utilidade para edição genética não foi demonstrada. Mas o processo usado para chegar até ele merece atenção.
O que Claude encontrou
A equipe pediu que Claude analisasse uma grande base de sequências de DNA em busca de exemplos interessantes de transcriptases reversas, ou RTs.
Essas enzimas transformam RNA em DNA. Elas são encontradas em diferentes organismos e podem participar de sistemas de defesa contra vírus.
A enzima observada durante a pesquisa já havia aparecido em trabalhos anteriores. A novidade foi o contexto ao redor dela.
Claude percebeu uma sequência repetitiva de DNA próxima ao gene da enzima. Também identificou uma proteína adicional cuja função ainda é desconhecida.
O arranjo chamou a atenção porque lembra, em parte, a organização encontrada no CRISPR. Isso não significa que o novo sistema funcione como o CRISPR, mas foi um sinal forte o bastante para justificar uma investigação.
A Anthropic chamou esse sistema de ART, sigla em inglês para array-associated reverse transcriptases.
O tamanho da busca
De acordo com a Anthropic, aproximadamente 950 agentes trabalharam durante 21 horas e consumiram 210 milhões de tokens.
Os agentes reuniram mais de 200 mil transcriptases reversas, selecionaram 3.500 possíveis sistemas novos e reduziram esse conjunto aos 20 candidatos considerados mais interessantes.
Um deles apresentou o padrão que levaria ao ART.
A descrição da empresa resume o momento, em tradução livre:
Após 21 horas analisando esses dados, com cerca de 950 agentes e 210 milhões de tokens, um dos agentes percebeu algo notável: um padrão repetitivo de sequências de DNA próximo ao gene de uma transcriptase reversa de aparência incomum.
A partir daí, Claude contou as repetições, analisou o espaçamento entre elas, comparou a estrutura com sistemas conhecidos e procurou trabalhos anteriores que pudessem explicar o padrão.
Não encontrou uma descrição equivalente e produziu um relatório para revisão humana.
A descoberta não terminou na tela
Esse ponto é importante.
Claude não provou sozinho que havia descoberto um novo sistema biológico. Ele encontrou uma anomalia, construiu uma hipótese e sugeriu uma direção para investigação.
Os experimentos físicos foram realizados por cientistas.
Os primeiros testes mostraram que as sequências repetidas produzem pequenas moléculas de RNA. Esse resultado sugere que o sistema pode usar essas repetições de alguma maneira funcional, mas ainda não revela qual é essa função.
Novos experimentos serão necessários para entender se o ART corta, copia, modifica ou transporta material genético. Também não sabemos se ele poderá ser transformado em uma ferramenta útil.
A Anthropic publicou os resultados como um preprint. Ainda não há validação independente apresentada no anúncio.
Por que esse trabalho importa
O ponto mais interessante não é afirmar que Claude fez sozinho uma grande descoberta.
É observar o tipo de trabalho que a IA conseguiu realizar.
A biologia moderna produz uma quantidade enorme de dados. Há sequências genéticas, estruturas de proteínas, resultados de experimentos e milhares de artigos científicos sendo publicados continuamente.
Nenhum pesquisador consegue acompanhar tudo.
Agentes de IA podem vasculhar essas bases em paralelo, encontrar padrões incomuns, eliminar hipóteses fracas e apresentar aos cientistas uma lista menor de experimentos que realmente valem a pena.
O ganho não acontece apenas porque a IA lê mais rápido. Ele aparece quando o sistema consegue participar de várias etapas do processo:
- pesquisar o que já foi publicado;
- reproduzir análises conhecidas;
- examinar grandes conjuntos de dados;
- identificar anomalias;
- levantar hipóteses;
- sugerir experimentos;
- ajudar a interpretar os resultados.
Isso não elimina o trabalho científico. Pode torná-lo mais direcionado.
O laboratório continua sendo o limite
Existe uma diferença enorme entre encontrar um padrão e transformar esse padrão em um tratamento.
Hipóteses podem ser produzidas em paralelo. Experimentos biológicos nem sempre.
Cultivar células, observar efeitos, testar segurança, estudar toxicidade e conduzir ensaios clínicos continuam sendo atividades caras e demoradas. Alguns desses processos dependem do tempo da própria biologia.
Esse é o principal contraponto à previsão de curar a maioria das doenças em cinco ou dez anos.
A IA pode acelerar a busca. Ela não garante que todas as hipóteses encontradas funcionarão no mundo real.
No caso do ART, ainda não sabemos nem mesmo a função primária do sistema. Qualquer conversa sobre edição genética ou aplicação médica, neste momento, é possibilidade, não capacidade demonstrada.
Minha leitura
A próxima grande revolução da inteligência artificial pode realmente acontecer na biologia.
Não porque um modelo vai acordar com a cura do câncer pronta, mas porque milhares de agentes poderão trabalhar sobre o conhecimento científico acumulado, encontrar relações que ninguém percebeu e ajudar pesquisadores a decidir o que testar.
O caso apresentado pela Anthropic é pequeno diante da promessa de Dario Amodei. Ainda assim, mostra um caminho plausível.
Primeiro, a IA ajuda a pesquisar.
Depois, começa a sugerir hipóteses melhores.
Em seguida, participa da escolha dos experimentos e da interpretação dos resultados.
Se esse processo funcionar repetidamente, em diferentes áreas e com validação independente, o impacto poderá ser muito maior do que o provocado pelos chatbots.
Acho que Anthropic e OpenAI acertaram ao tratar a biologia como uma frente estratégica desde cedo. Os modelos mais importantes talvez não sejam apenas aqueles que escrevem melhor ou vencem benchmarks.
Podem ser aqueles que ajudam a humanidade a enxergar o que estava escondido nos próprios dados.
E, nesse campo, ninguém sabe exatamente o que ainda está por vir.
