Ai2 lança o Theorizer, que busca hipóteses em artigos

Open source illustration: hands joining branches to a shared node tree

O Allen Institute for AI (Ai2) lançou em 19 de novembro, na plataforma de pesquisa Asta, o Theorizer, um agente que reúne descobertas de vários artigos para propor explicações para fenômenos observados. O código foi aberto ao mesmo tempo no GitHub.

O uso começa com uma pergunta. Depois de buscar a literatura, o Theorizer gera primeiro um modelo de extração, que define o que deve ser retirado de cada artigo. No exemplo da Ai2, para a pergunta “como os tumores crescem”, o modelo pode incluir quais genes os estudos examinaram, como mediram a atividade deles e o que aconteceu depois de alterar os genes. Em seguida, ele compara os achados de cada trabalho e gera várias teorias; cada afirmação traz links para os artigos de origem e indica o seu escopo de aplicação. O pesquisador pode voltar ao texto original de cada ponto para avaliar se as evidências bastam e se as condições experimentais podem ser comparadas. As afirmações que o sistema considera novas recebem uma marcação própria.

Três casos, sem pontuações de benchmark

A Ai2 diz que a ferramenta foi refinada junto com cientistas por quase um ano; o que foi apresentado agora são alguns casos, sem nenhuma pontuação de avaliação em benchmarks.

O primeiro é o adenocarcinoma de pulmão. Em cerca de 20% a 30% dos casos, mesmo com sequenciamento completo, não se encontra uma mutação condutora reconhecida. O Theorizer apontou três direções: alterações genéticas ainda não descobertas ativando a sinalização RAS; outros mecanismos que permitem às células se dividirem contornando o RAS; e tumores que adquiriram características de outros tipos celulares. A reação do pesquisador Devarakonda ao ler o resultado foi:

“Wait a second, this is exactly what I think. And it took me 15 years to think like this.”

(Espere um pouco, é exatamente isso que eu penso. E levei 15 anos para pensar assim.)

Depois, a equipe usou outra ferramenta da Ai2, o AutoDiscovery, para levantar a possibilidade de ruptura do complexo DREAM e observou indícios preliminares de apoio a uma dependência de CDK2. A Ai2 deixa claro que tudo isso ainda precisa ser validado em experimentos.

O neurocientista Lecoq perguntou sobre os interneurônios VIP. Esperava receber uma ou duas teorias candidatas, mas o Theorizer devolveu 50 de uma vez.

O terceiro caso aconteceu no Peru. Palacios e Juarez trabalhavam com o conjunto de dados meteorológicos PISCO, e uma explicação dada pelo Theorizer acabou sendo considerada errada pela dupla. Mas, para testá-la, eles verificaram os picos de temperatura de novembro e rastrearam até a fonte dos dados: o registro de ponto de orvalho termina em 2016, enquanto o de temperatura mínima segue até 2020, uma diferença de 4 anos; alguns valores reconstruídos passam de 35 °C e se concentram em novembro. De onde vêm os picos de novembro nos registros de origem, os dois ainda tentam confirmar com observações de estações independentes; por enquanto não há conclusão.

A linha Asta

Ao juntar os movimentos da Ai2 no Asta neste ano, a divisão de trabalho entre as ferramentas fica cada vez mais detalhada. No início de outubro, a empresa abriu o código do AstaBrief, de 8 bilhões de parâmetros, voltado a transformar a literatura recuperada em relatórios científicos com citações; o tempo médio de geração informado na ocasião foi de 51,1 segundos. O AstaBrief segue o caminho do modelo pequeno com pesos abertos, e a Ai2 justifica que, para muitos cientistas, as melhores evidências estão em relatórios internos que não podem ser enviados a laboratórios comerciais de IA. O Theorizer dá mais um passo: sai do resumo de conclusões existentes e chega à proposta de explicações que podem ser testadas.

A barreira de uso é baixa. Pode-se usar diretamente no site do Asta, com os custos de tokens cobertos pela Ai2, porém com um limite; para rodar na própria máquina, há a biblioteca aberta, e os tokens são pagos conforme o uso real. A página de lançamento não informa a licença do código; vale o que constar no repositório do GitHub. A Ai2 também marcou, para 10 de dezembro às 10h (horário do Pacífico), um seminário on-line para cientistas.

A própria Ai2 lista duas limitações: o Theorizer pode deixar de fora pesquisas relevantes e pode errar na avaliação de originalidade, já que uma teoria que parece nova no conjunto de artigos analisado talvez já tenha sido proposta em outro lugar. Quantas das afirmações marcadas como “novas” se enquadram nesse caso, a Ai2 não apresentou estatística; os pesquisadores ainda precisam confrontá-las com uma literatura mais ampla.

Fontes: blog oficial da Ai2, CocoLoop, plataforma Asta, repositório da Ai2 no GitHub; foram conferidos o fluxo de trabalho do Theorizer, as proporções e os anos citados em cada caso, o tempo médio de geração do AstaBrief e as regras de custo de tokens da versão web.