Um parceiro de laboratório de IA, "Coscientist", consegue dominar as reações químicas vencedoras do Prémio Nobel
A IA Coscientist revoluciona a química ao dominar autonomamente reações vencedoras do Nobel em minutos. Colmatando o fosso entre o vasto potencial científico e as limitações humanas, acelera a descoberta e democratiza os processos de investigação.

Num passo monumental, uma IA chamada "Coscientist" investiga autonomamente reações químicas vencedoras do Prémio Nobel. Esta descoberta, liderada por Gabe Gomes, da Universidade Carnegie Mellon, assinala o exemplo pioneiro de uma inteligência não-orgânica que planeia, concebe e executa, sem problemas, reações intrincadas inventadas pelo homem.
A química por detrás do feito de Coscientist
A proeza de Coscientist reside na orquestração de acoplamentos cruzados catalisados por paládio - um feito notável distinguido com o Prémio Nobel da Química de 2010.
Esta investigação de ponta, apresentada na Nature, destaca o potencial da IA e sublinha a sua capacidade para aumentar o ritmo, a fiabilidade e a replicabilidade das descobertas científicas.
Modelos linguísticos de grande dimensão ao leme
A equipa, que inclui Daniil Boiko e Robert MacKnight, integrou grandes modelos linguísticos como o GPT-4, dotando os "cérebros" artificiais do Coscientist da capacidade de extrair significado de conjuntos de dados extensos.
Meet "Coscientist," your new AI lab partner!
— National Science Foundation (@NSF) December 28, 2023
Led by researchers @CarnegieMellon & featured in @nature, this AI-driven system can learn Nobel Prize-winning chemical reactions & design successful lab procedures to make them in record time.
: NSFhttps://t.co/MmJ37LLNP7 pic.twitter.com/eFinJJ0kv7
A proficiência da IA é ainda reforçada por vários módulos de software que lhe permitem executar um espetro de tarefas - desde a pesquisa de informações químicas à análise de resultados experimentais.
Navegando em estruturas químicas complexas
As realizações marcantes de Coscientist incluem a demonstração de "raciocínio químico". Interpreta estruturas químicas através de notação legível por máquina, ajustando os planos experimentais com base nesta análise.
Trata-se de um feito impressionante e sem precedentes de qualquer IA até à data. É apenas a ponta do icebergue no que diz respeito às possibilidades que a Coscientist pode realizar em química e não só.
Dominar reações reconhecidas pelo Nobel e controlar equipamento de laboratório com código gerado por IA
O desafio mais importante para Coscientist foi o controlo de equipamento de laboratório robótico de alta tecnologia - uma tarefa nunca antes tentada por código gerado por IA. Manuseando com sucesso manipuladores de líquidos e espectrofotómetros, o Coscientist demonstrou a sua capacidade de traduzir planos teóricos em experiências do mundo real.
Num grande final, Coscientist executou as reações de Suzuki e Sonogashira - processos integrais em produtos farmacêuticos e tecnologia. Boiko e MacKnight navegaram na Wikipédia para familiarizar o Coscientist com as reações.
Surpreendentemente, concebeu um procedimento preciso em minutos, corrigindo mesmo o seu próprio erro de codificação durante a execução física.
Colmatar as lacunas e democratizar os recursos
Gomes admirou as capacidades do Coscientist, sublinhando o seu potencial para acelerar a descoberta científica. No entanto, sublinhou a importância de uma utilização responsável, defendendo a adoção de regras e políticas informadas para evitar a má utilização da IA.
Gomes prevê um futuro em que a IA democratiza os recursos, promovendo uma mudança radical na exploração científica. Para além das suas realizações inovadoras, o Coscientist significa uma potencial mudança de paradigma, democratizando a exploração científica.
Referência da notícia:
Boiko, D.A., MacKnight, R., Kline, B. et al. Autonomous chemical research with large language models. Nature 624, 570–578 (2023). https://doi.org/10.1038/s41586-023-06792-0