O uso de IA na ciência pode tirar a pesquisa de décadas de desaceleração e abrir uma “era de ouro” de descobertas. Essa é a tese do economista Noah Smith no ensaio “A golden age of science is coming”, publicado em 29 de outubro de 2026 no blog Noahpinion. O texto chega depois de uma sequência de anúncios: em menos de dez dias, a OpenAI disse ter resolvido problemas abertos da matemática e da física, a Anthropic apresentou os primeiros resultados de parcerias para criar remédios e um grupo com participação da OpenAI analisou em 32 minutos um atlas genético do cérebro de camundongos.
Os resultados ainda são iniciais, e parte deles está sob contestação. Mesmo assim, o debate mudou de tom. Até pouco tempo atrás, a pergunta entre economistas e cientistas era por que a ciência estava ficando mais lenta, e não quanto ela poderia acelerar.
Por que se falava em estagnação da ciência
Smith abre o ensaio lembrando os estudos que sustentaram a ideia de declínio. O mais citado é “Are Ideas Getting Harder to Find?”, de Nicholas Bloom, Charles Jones, John Van Reenen e Michael Webb, publicado na American Economic Review em 2020. Segundo os autores, o número de pesquisadores necessário hoje para dobrar a densidade dos chips de computador é mais de 18 vezes maior que o do início dos anos 1970. Em outras palavras, o progresso continuou, mas cada avanço passou a exigir muito mais gente.
Outro trabalho, publicado na Nature em 2023 por Michael Park, Erin Leahey e Russell Funk, analisou mais de 45 milhões de artigos científicos e 3,9 milhões de patentes. O índice que mede o quanto um trabalho rompe com o conhecimento anterior caiu mais de 90% nos artigos e mais de 78% nas patentes, como explicou a revista Pesquisa FAPESP. A própria reportagem ressalta, porém, que o número absoluto de trabalhos transformadores ficou estável. A queda é proporcional: a produção cresceu muito, e as grandes rupturas não acompanharam.
Um terceiro estudo ajuda a explicar o fenômeno. Os economistas Lorenz Ekerdt e Kai-Jie Wu, em artigo aceito pela American Economic Review, usaram dados dos Estados Unidos de 1960 a 2021. Eles concluíram que, conforme mais pessoas entraram na pesquisa, a habilidade média dos pesquisadores caiu entre 37% e 53%, dependendo do modelo. Os mais talentosos já estavam na ciência, e cada nova leva de cientistas tende a render um pouco menos.
O argumento a favor da IA na ciência
É exatamente nesse gargalo que Smith aposta. Se agentes de inteligência artificial conseguirem trabalhar como pesquisadores, o número de “cientistas” deixa de depender de quantas pessoas se formam e passa a depender de chips e data centers. Para ele, mesmo que esses agentes não colaborem tão bem entre si, eles podem atacar milhares de perguntas diferentes ao mesmo tempo. Além disso, um modelo de IA aprende muito mais rápido do que um doutorando leva para chegar à fronteira do conhecimento.
O autor também aponta dois outros atalhos. O primeiro é a teoria: ele lembra que Max Planck levou alguns anos para propor a hipótese quântica depois das medições da radiação de corpo negro, e que Watson e Crick levaram cerca de um ano para chegar à estrutura do DNA depois de terem os dados. Como a IA vem mostrando força em matemática, Smith acredita que esse intervalo pode encolher bastante. O segundo atalho é a leitura: um cientista gasta muito tempo acompanhando artigos e congressos, enquanto um sistema de IA pode ler a literatura de várias áreas e cruzar ideias distantes.
Por fim, Smith especula sobre uma “superciência”. Segundo ele, podem existir regularidades na natureza complexas demais para a intuição humana, que ele chama de “cloud laws”, em áreas como turbulência, plasma, novos materiais e até economia. Uma IA alimentada por grandes volumes de dados de sensores poderia explorar esses padrões diretamente. Essa parte do texto é declaradamente uma hipótese, sem demonstração.
O que a IA já mostrou nas últimas semanas
O próprio Smith classifica os casos recentes como esforços “muito pequenos e preliminares”. Ainda assim, eles são o que dá concretude ao debate. Quase todos foram divulgados pelas próprias empresas e ainda dependem de confirmação independente, por isso vale olhar cada um com cuidado.
Matemática e física
Em 27 de outubro, a OpenAI afirmou que seus modelos fizeram descobertas em análise harmônica, teoria da complexidade e física teórica, segundo a Al Jazeera. A empresa diz ter provado a conjectura de suavização local em todas as dimensões e ter refutado a Hipótese do Tempo Exponencial, uma conjectura importante da teoria da complexidade. O matemático Alex Iosevich, da Universidade de Rochester, chamou o resultado de “desenvolvimento histórico”. Já Ryan Williams, do MIT, disse que sua equipe ainda trabalhava para verificar se a prova se sustenta.
Na física, a Scientific American relata que a OpenAI reivindica a parte de “existência” do problema de Yang-Mills, um dos Problemas do Milênio do Instituto Clay, que oferecem prêmio de US$ 1 milhão. A empresa, porém, não divulgou a prova e a entregou a um grupo de especialistas para encaminhá-la à literatura científica, o que gerou protestos de matemáticos. O anúncio também passou à frente de dois pesquisadores humanos, Levent Alpöge e Ethan Sussman, que trabalhavam no mesmo problema e já tinham publicado avanços.
Remédios e biotecnologia
No mesmo dia, a Anthropic publicou os primeiros resultados de parcerias com seis empresas e laboratórios do setor farmacêutico, entre eles a Bristol Myers Squibb. Com a Generate Biomedicines, cientistas usaram o Claude para redesenhar parte das instruções genéticas de uma terapia CAR-T contra tumores sólidos: uma das versões ficou cerca de 70% mais curta, e as células produziram aproximadamente dez vezes mais receptores em laboratório. Com a Divergence Labs, o modelo gerou cerca de 35 mil desenhos de anticorpos em um mês, em uma pesquisa sobre alergia alimentar.
Na BigHat Biosciences, as melhores versões de anticorpos se ligaram ao alvo mais de 10 vezes mais fortemente que as originais. Na Enveda, a revisão de documentos de fabricação caiu de mais de 25 horas para menos de três, uma redução de 89%. A empresa faz uma ressalva clara: toda a pesquisa está em estágio inicial e é, em sua maior parte, pré-clínica, ou seja, ainda não chegou aos testes em humanos. O MUNDOTOPIA já mostrou outro exemplo dessa frente, quando a inteligência artificial criou proteínas para pesquisas sobre Alzheimer.
Neurociência
O caso citado por Smith como exemplo de leitura em larga escala envolve a OpenAI, a empresa PerturbAI e o instituto Scripps Research. Segundo o The Next Web, quase 2 mil agentes baseados no modelo GPT-Rosalind analisaram um atlas de alterações genéticas no cérebro de camundongos em 32 minutos. Cada agente cuidou de um gene, e a equipe estima que pesquisadores trabalhando à mão levariam de meses a um ano para fazer a mesma análise. Em testes cegos, especialistas preferiram os relatórios desse método em 75% dos casos.
Uma das pistas envolve o gene Dctn1, ligado à síndrome de Perry, uma doença rara do cérebro. Ao desligar esse gene, os agentes notaram que aumentava a atividade de genes que produzem colesterol, e sugeriram experimentos para testar se isso contribui para danificar neurônios. Trata-se de uma hipótese, não de um tratamento. Os resultados estão em um preprint no bioRxiv que ainda não passou por revisão de outros cientistas.
Os limites e os riscos da promessa
Smith reconhece que a IA também pode esbarrar em retornos decrescentes, e por isso fala em “uma ou algumas décadas” de avanço, não em progresso infinito. Ele cita ainda observações de que os modelos avançam mais devagar em tarefas conceituais abertas, embora diga que apostaria contra essa limitação. Os casos recentes de IA na ciência reforçam as cautelas: provas que ainda aguardam verificação, resultados de laboratório sem teste em humanos e estudos sem revisão por pares.
Há também a questão da transparência. A decisão da OpenAI de não publicar a prova sobre Yang-Mills foi criticada pelo próprio grupo de matemáticos que a empresa montou para aconselhá-la, segundo a Scientific American. O pesquisador Tristan Buckmaster, da Universidade de Nova York, contestou o prazo de mais de um mês que a empresa disse ter levado para verificar a prova em software. Quando descobertas passam a sair de laboratórios privados, quem controla a divulgação ganha um peso novo.
O risco mais sério aparece numa ressalva do próprio ensaio. Smith escreve que a era de ouro pressupõe a sobrevivência da civilização, e lembra que a mesma capacidade que acelera a biologia pode facilitar o bioterrorismo. Um leitor cobrou o autor justamente por isso nos comentários do texto. A preocupação com o mau uso desses sistemas já levou autoridades americanas a investigar a OpenAI e a Anthropic após incidentes de segurança.
O que acontece agora
Os próximos meses devem dizer quanto do entusiasmo resiste à verificação. Matemáticos ainda avaliam as provas da OpenAI, e a hipótese sobre o gene Dctn1 precisa de experimentos em laboratório. No caso da Anthropic, a parceria com a Bristol Myers Squibb deve se expandir em 2027, e um projeto próprio contra uma forma de distrofia muscular, que já mostrou resultados promissores em camundongos, pode chegar a testes em humanos a partir do fim de 2028, se os candidatos se confirmarem.
Para o leitor, nada disso significa remédio novo na farmácia ou cura anunciada. O que mudou é a velocidade de etapas da pesquisa que antes levavam meses, como analisar dados, propor hipóteses e testar variações. Se a aceleração trazida pela IA na ciência se converter em descobertas confirmadas, a previsão de Smith de que a ciência voltará a crescer pode deixar de ser aposta e virar fato.
Fontes e referências
- Noahpinion (Noah Smith) — A golden age of science is coming
- Stanford Digital Economy Lab — Are Ideas Getting Harder to Find? (Bloom, Jones, Van Reenen e Webb)
- Revista Pesquisa FAPESP — Análise de milhões de artigos e patentes sugere que a ciência está ficando menos disruptiva
- American Economic Review — Self-Selection and the Diminishing Returns of Research (Ekerdt e Wu)
- Al Jazeera — AI makes discoveries in mathematics, computer science, physics, OpenAI says
- Scientific American — OpenAI just scooped mathematicians’ work on another million-dollar problem
- Anthropic — Early progress on accelerating drug development with Claude
- The Next Web — OpenAI’s AI agents analyse a mouse brain gene atlas in 32 minutes