Os artigos científicos têm sido documentos estáticos desde que as primeiras revistas acadêmicas apareceram na década de 1660. Uma equipe da Stanford Medicine quer fazê-los falar. Num estudo publicado a 16 de setembro na revista Nature, os investigadores revelaram o Paper2Agent, um sistema que converte qualquer manuscrito científico – o seu texto, figuras e dados – num agente interativo de IA que pode responder a perguntas sobre o trabalho, aplicar os seus métodos a novos dados e colaborar com outros agentes de papel para gerar novas descobertas.
O projeto foi liderado pelo pós-doutorado Jiacheng Miao e pelo autor sênior James Zou, professor associado de ciência de dados biomédicos na Stanford Medicine.
Das páginas passivas ao conhecimento ativo
“Durante essencialmente toda a história humana, a forma como representamos o conhecimento é na forma destes artefactos muito passivos”, disse Zou no anúncio da Stanford Medicine. "Antigamente, as pessoas esculpiam o conhecimento em pedras, e agora digitamos o conhecimento em palavras nas páginas - mas em certo sentido, as páginas não são muito melhores."
“Esta é uma oportunidade para reimaginar fundamentalmente a aparência do conhecimento”, acrescentou. “Em vez de termos apenas artefatos passivos, por que não convertemos cada registro estático em uma incorporação ativa de conhecimento?” Zou descreve cada agente de papel como algo como um autor virtual que sabe como a pesquisa foi realmente feita e pode explicá-la, defendê-la e ampliá-la.
Como Paper2Agent constrói um agente
O processo de conversão depende de uma equipe de “agentes trabalhadores” de IA que dissecam um artigo publicado junto com qualquer código e dados associados. Fundamentalmente, eles não apenas leem o estudo – eles tentam reproduzi-lo do zero em um ambiente virtual, simulando os experimentos documentados. Ao refazer o trabalho, os agentes absorvem um conhecimento que nunca chega ao manuscrito final, desde reagentes e dependências de software até as especificidades da configuração experimental.
Esse conhecimento é então armazenado usando um MCP – um protocolo de contexto de modelo que organiza o documento em uma estrutura acessível. “Um MCP permite que a IA represente essencialmente um PDF em papel em um formato de fácil acesso para os agentes, quase como um sistema de arquivamento”, disse Zou, com cada seção do papel organizada em seu próprio compartimento.
As máquinas não podem capturar tudo, no entanto. Experimentos fracassados, julgamentos e o raciocínio tácito por trás das escolhas de design ainda vivem apenas na cabeça dos pesquisadores. Portanto, o sistema inclui uma etapa de conversação na qual o agente do papel entrevista os autores humanos para preencher essas lacunas.
A primeira descoberta: uma nova pista de TDAH
Para demonstrar o que a colaboração entre agentes poderia realizar, a equipe converteu dois documentos não relacionados em agentes. Um deles descreveu uma ferramenta para prever como as mutações genéticas afetam o genoma; o outro relatou um estudo de associação genômica ampla do risco de transtorno de déficit de atenção/hiperatividade.
Depois que ambos estavam correndo, os agentes encontraram um terreno comum por conta própria. O agente de previsão do genoma aplicou seu método ao conjunto de dados de TDAH e sinalizou uma variante molecular próxima a um gene chamado MPHOSPH9 como associada ao aumento do risco de TDAH – uma conexão que Zou disse não ter sido relatada antes.
“No passado, se havia dois grupos de investigação que publicavam dois artigos diferentes, esses dois grupos de investigação tinham de, de alguma forma, encontrar-se”, disse Zou. A visão de longo prazo é muito maior do que um par escolhido a dedo: milhões de agentes de papel revelando sobreposições entre si e gerando novos insights em escala – algo que Zou comparou ao speed dating manuscrito.
Promessa, Atribuição e Guardas
A equipe construiu mais de 100 agentes de papel até agora e ainda está trabalhando em como milhares ou milhões deles podem se encontrar de forma produtiva. Zou argumenta que a vantagem para a ciência é enorme – “Milhões de artigos são publicados todos os anos”, observou ele – mas é explícito sobre duas advertências.
Primeiro, atribuição. Os agentes que ampliam as descobertas de um artigo devem ampliar o trabalho dos pesquisadores originais, e não enterrá-lo. “Ainda é importante atribuir as descobertas finais e referenciá-las a artigos originais e autores humanos originais”, disse ele.
Em segundo lugar, supervisão. Os parâmetros sob os quais os agentes colaboram e fazem descobertas devem ser orientados e monitorados de perto, disse Zou, para manter essas colaborações alinhadas com práticas de investigação seguras e éticas.
O trabalho foi apoiado por financiamento do Chan-Zuckerberg Biohub.
Por que é importante
O Paper2Agent chega a um cenário de pesquisa já remodelado pela revisão de literatura assistida por IA e pela automação de laboratório, mas sua premissa é diferente: em vez de usar um modelo de uso geral para resumir artigos, ele transforma cada artigo em um especialista verificado e executável que, na verdade, reexecutou a ciência subjacente. Se a abordagem se generalizar, o próprio artigo científico poderá evoluir de um documento citável para uma peça operacional de infraestrutura - e o ritmo a que as descobertas se conectam entre disciplinas poderá acelerar em conformidade.
_Fique à frente da curva. Receba as últimas novidades em IA e o que elas significam para a ciência e a indústria em AI Buzz Wire._
