A Tabela Periódica dos Elementos, em sua forma atual, é indiscutivelmente uma das maiores realizações científicas em química.
Os humanos levaram quase um século de tentativa e erro para organizar essa belíssima tabela, mas um novo programa de inteligência artificial (IA) desenvolvido por físicos da Universidade de Stanford (EUA) acabou de realizar o mesmo feito em apenas algumas horas.
Chamado Atom2Vec, o programa aprendeu com sucesso a distinguir entre diferentes átomos após analisar uma lista de nomes de compostos químicos a partir de um banco de dados online.
A IA então usou conceitos emprestados do campo do processamento de linguagem natural para agrupar os elementos de acordo com suas propriedades químicas, sem qualquer ajuda humana.
Inteligência artificial x inteligência humana
“Queríamos saber se uma IA podia ser inteligente o suficiente para descobrir a tabela periódica por conta própria, e nossa equipe mostrou que pode”, disse o principal autor do estudo, Shou-Cheng Zhang.
Segundo Zhang, esse é um importante primeiro passo em direção a uma meta mais ambiciosa: projetar um substituto para o teste de Turing, um dos mais importantes para definir a inteligência de uma máquina.
Para que uma IA passe no teste de Turing, ela deve ser capaz de responder a perguntas de maneira indistinguível à de um ser humano. Zhang acha que esse teste é falho porque é subjetivo.
“Os seres humanos são produto da evolução e nossas mentes estão cheias de todo tipo de irracionalidade. Para uma IA passar no teste de Turing, seria necessário reproduzir todas essas irracionalidades humanas. Isso é muito difícil de fazer, e não é um uso particularmente bom do tempo dos programadores”, opina.
Recriando grandes feitos humanos
O que Zhang propõe é um novo marco para a inteligência de máquina. “Queremos ver se podemos projetar uma inteligência artificial capaz de derrotar humanos ao descobrir uma nova lei da natureza. Para fazer isso, primeiro temos que testar se nossa IA pode fazer algumas das maiores descobertas já feitas por humanos”, disse.
Recriar a tabela periódica alcança este objetivo. Zhang e seu grupo modelaram o Atom2Vec a partir de um programa de IA que os engenheiros do Google criaram para analisar a linguagem natural, chamado de Word2Vec.
A IA do Google funciona convertendo palavras em códigos numéricos ou vetores. Ao analisar os vetores, o programa pode estimar a probabilidade de uma palavra aparecer em um texto. Por exemplo, a palavra “rei” é frequentemente acompanhada por “rainha”, e “homem” por “mulher”. Assim, o vetor matemático de “rei” pode ser traduzido aproximadamente como “rei = uma rainha menos uma mulher mais um homem”.
“Podemos aplicar a mesma ideia aos átomos”, explicou Zhang. “Em vez de alimentar todas as palavras e frases de uma coleção de textos, nós fornecemos à Atom2Vec todos os compostos químicos conhecidos, como NaCl, KCl, H20 e assim por diante”.
A partir desses dados, o Atom2Vec descobriu, por exemplo, que o potássio (K) e o sódio (Na) devem ter propriedades semelhantes, porque ambos os elementos podem se ligar ao cloro (Cl). “Assim como o rei e a rainha são semelhantes, o potássio e o sódio são semelhantes”, afirmou Zhang.
Aplicações práticas
Os pesquisadores esperam que, no futuro, o conhecimento de Atom2Vec possa ser aproveitado para descobrir e projetar novos materiais.
“Para este projeto, o programa de IA não foi supervisionado, mas você pode imaginar um objetivo e direcioná-lo para encontrar, por exemplo, um material altamente eficiente na conversão de luz solar em energia”, sugeriu Zhang.
Sua equipe já está trabalhando em uma versão 2.0 do programa, que se concentrará em resolver um problema intratável na pesquisa médica: projetar o anticorpo certo para atacar antígenos específicos de células cancerígenas.
Atualmente, uma das abordagens mais promissoras para curar o câncer é a imunoterapia, que envolve o aproveitamento de anticorpos. Como o corpo humano pode produzir mais de 10 milhões de anticorpos únicos, cada um dos quais composto de uma combinação diferente de cerca de 50 genes, mapear esses genes em um vetor matemático poderia levar a uma “tabela periódica dos anticorpos”. “Então, se você descobrir que um anticorpo é eficaz contra um antígeno, mas é tóxico, você pode olhar dentro da mesma família em busca de outro anticorpo que é tão eficaz quanto, mas menos tóxico”, resumiu o cientista.
O estudo foi publicado na revista Proceedings of the National Academy of Sciences. [Phys]