O Desencontro
Hoje cedo alimentei uma IA com toda a minha biblioteca de investigação. 6.576 artigos. Fiz-lhe uma pergunta que ando a mastigar há anos.
Os vocabulários oficiais destinados a codificar o meu campo correspondem realmente à forma como os profissionais pensam?
Estudo o transbordamento zoonótico. Como as doenças saltam dos animais para os humanos. Como a maioria dos Campos, temos ontologias formais, catálogos curados de conceitos destinados a nos manter organizados. Suspeitava que eram magros.
Então parei de discutir e testei.
O sistema leu 490 desses documentos. Apenas em transbordamento e Emergência. Retirou afirmações causais do texto, reuniu um vocabulário de baixo para cima e comparou-o com o padrão oficial.
A diferença era enorme.
Das 915 relações repetidamente utilizadas na literatura, 864 não tinham contrapartida no esquema de referência. Mil e quinhentas categorias conceptuais apareceram na minha pequena amostra, mas não nos mapas formais. Principalmente agrupados em torno de drivers ambientais e ecologia. A verdadeira língua de trabalho de uma fracção da minha área é quatro vezes mais rica do que a oficial.
O experimento custou US $ 26 e mudou.
Um arnês, não um modelo
Este foi um test drive da Claude Science. A Anthropic lançou hoje. O seu objectivo? Fazer pela bancada de laboratório o que Claude Code fez pelos programadores de software.
É uma aposta ambiciosa. Há seis meses, Zubair Jandali afirmou que a IA poderia ajudar nas tarefas digitais em Ciências da vida. Hoje, o tom mudou. Pode executar o trabalho.
Aqui está o problema. A ciência de Claude não é um modelo novo.
Antrópico é franco sobre isso. Funciona em Claude Opus 4. O mesmo motor que todos alugam. Sem pesos secretos. Sem acesso especial. A inteligência é idêntica.
O que muda é o arnês.
Em termos de IA, o arnês é o andaime. Transforma um modelo geral numa ferramenta. Conexões de Dados, execução de código, memória, verificações de segurança. Um modelo nu pode raciocinar sobre uma proteína. Um aproveitado extrai dados de estrutura, dobra uma variante em um cluster de GPU, renderiza a imagem e registra cada etapa para reprodutibilidade.
Claude ciência é um arnês substancial.
- Liga – se a mais de sessenta bases de dados científicas.
- Navios com habilidades pré-construídas para genômica, química e biologia estrutural.
- Gerencia trabalhos em seu laptop ou GPUs de nuvem alugadas.
- Cada saída carrega toda a sua proveniência, o código, o ambiente e o histórico de conversas agrupados para posterior regeneração.
Isso torna o modelo mais inteligente?
Não. Torna-o útil. O que é muito mais valioso.
Um biólogo computacional poderia ter construído metade disso usando Claude Code e GitHub ao longo de algumas semanas. Mas isso pressupõe que cada laboratório tem a largura de banda para ligar a sua própria ferramenta a partir do zero. A Anthropic aposta que a curadoria supera a duplicação. Transformar a capacidade bruta em ciência fiável.
Pharma Primeiro, Tudo Mais Depois
A demonstração centrou-se na descoberta de medicamentos.
A partir de uma única frase, Claude planeou uma campanha para estabilizar uma enzima por detrás da fenilcetinúria. Ele rastreou 2.200 moléculas em 80 GPUs. Limitou-os a quatro candidatos. Produziu um memorando go / no-go.
Em seguida, executou o mesmo processo em 100 doenças raras simultaneamente.
Por que parar por aí, perguntou o apresentador. Poderia fazer 10.000.
Impressionante? Sim.
Molecularmente limitado? Absolutamente.
Cada base de dados e modelo de parceiros aponta para a ciência farmacêutica. Genes, proteínas, pequenas estruturas. Onde está o dinheiro. OpenAI e Google estão visando o mesmo alvo.
Mas o resto da ciência está bem aberto.
Ciências da terra. Dados atmosféricos. Ecologia. Ciências Sociais. Grande parte da epidemiologia.
Nada disso está configurado no lançamento. Os dados em que estes campos se baseiam, os registos de biodiversidade do GBIF, a reanálise climática, os dados censitários, o sensoriamento remoto, estão ausentes das sessenta bases de dados iniciais. O trabalho de “laboratório seco”, a ecologia de campo e a dinâmica populacional continuam a ser uma fronteira inexplorada.
É fácil de visualizar, no entanto.
Imagine um arnês como este apontado para a zoonose. Ele extrai registros de ocorrência de espécies. Reanálise climática de sobreposições. Adapta-se a um modelo de distribuição. Bandeiras condados onde um pathgen transmitida por carrapatos é susceptível de se espalhar na próxima temporada.
Elabora o relatório de vigilância. Gera a figura.
Comprime semanas de reunião em uma tarde para um departamento de saúde pública. A Inteligência existe para fazer isso. O que falta é a cablagem. Os conectores. Meu experimento de US $ 26 é uma pequena prova de conceito.
Julgamento Sobre Geração
A tecnologia é rápida. Vai acelerar tudo.
Mas esclarece onde os cientistas humanos importam.
Uma vez que a geração se torna barata, o julgamento torna-se o gargalo. Auditoria, validação, correcção. Estas são as etapas de limitação de taxa para qualquer trabalho que se mova através de uma tela.
Isso é apenas uma boa ciência de qualquer maneira.
Claude Science envia com um agente” revisor ” para sinalizar citações ruins e números incompatíveis. Por enquanto, é o mesmo modelo verificando sua própria saída, não um oráculo independente. Mas a direção parece certa.
O risco real é a regressão à mediocridade.
Os modelos formados com base na literatura existente são excelentes para reflectir essa literatura. Eles falam sozinhos.
Mas a mesma ferramenta que mapeia o consenso também pode mapear lacunas. Relações que ninguém testou. Conceitos usados em todos os lugares, mas definidos em nenhum lugar.
Gastei 26 dólares a encontrar as margens do que já está escrito. Encontrando o que *ainda não * foi imaginado? Esse é o problema mais difícil.
Também parece ser o único que resta a resolver.
