Modelos de linguagem de grande porte (LLMs) estão transformando a pesquisa nas ciências da vida, indo além do aumento da produtividade, e se tornando uma nova normalidade antes que os cientistas concordem sobre os limites de seu uso. Um estudo publicado na revista Frontiers in Ecology and the Environment por uma equipe internacional de cientistas descreve esse fenômeno como a "normalidade crescente" da inteligência artificial generativa, um processo em que mudanças profundas se tornam aceitas por ocorrerem de forma incremental e sutil.

“Embora a IA generativa tenha rapidamente se tornado parte dos fluxos de trabalho diários de muitos pesquisadores, seus efeitos a longo prazo em quase todos os aspectos da ciência têm recebido atenção comparativamente limitada”, afirma Ivan Jarić, pesquisador no Centro de Biologia da Academia Checa de Ciências e autor principal do estudo. “A dependência rotineira dessas ferramentas pode remodelar fundamentalmente as bases da prática e da cultura científica”, acrescenta.

Colaboração científica em transformação

O artigo identifica várias áreas onde essas mudanças já estão emergindo, incluindo a colaboração científica. Pesquisadores têm utilizado LLMs para atividades que tradicionalmente eram realizadas por colegas e redes profissionais informais, como brainstorming de ideias, resolução de análises e busca por feedback especializado.

O aumento da dependência de LLMs em detrimento da colaboração humana pode reduzir a motivação para buscar expertise externa de outros campos de pesquisa ou regiões, bem como conhecimentos em grupos taxonômicos ou metodologias específicas. Isso pode, por sua vez, enfraquecer interações interdisciplinares, limitar a exposição a diversas perspectivas e fomentar uma ciência mais isolada e menos inovadora.

Impactos na formação e na carreira científica

A utilização de IA pode também alterar fundamentalmente a forma como os cientistas buscam informações e geram ideias. “À medida que os LLMs substituem cada vez mais motores de busca, enciclopédias e até pesquisas literárias, os pesquisadores se tornarão mais dependentes do feedback gerado pela IA, limitado apenas às perguntas que pensam em fazer”, explica Susan Canavan, da Universidade de Galway, outra autora do estudo.

Além disso, o artigo explora as consequências da utilização de LLMs na formação e nas trajetórias de carreira científica. Embora possam reduzir barreiras para pesquisadores no início de suas carreiras ou aqueles sem acesso a habilidades de programação ou estatísticas, essa dependência pode gerar novas desigualdades e reforçar as existentes.

Os autores sugerem que isso pode até influenciar decisões de contratação e oportunidades de carreira ao diminuir a necessidade de abrir novas posições de doutorado e pós-doutorado, uma vez que várias tarefas serão cada vez mais delegadas aos LLMs.

Estabelecendo limites para o uso da IA

“Em vez de defender a favor ou contra a IA, chamamos a comunidade das ciências da vida a estabelecer limites claros para seu uso apropriado”, sugere Michael Bertram, da Universidade Sueca de Ciências Agrícolas e da Universidade de Estocolmo, outro autor do estudo. “Os LLMs devem, por exemplo, ser amplamente utilizados para tarefas rotineiras como revisão de textos, edição de linguagem e anotação de fluxos de trabalho, e, se apoiados por controle humano adequado, também para tarefas avançadas como síntese de literatura e extração de dados. No entanto, o uso de IA deve ser indesejável em atividades que exigem julgamento científico independente, incluindo priorização de pesquisas, revisão por pares, decisões de financiamento e considerações éticas.”

Os autores concluem que a transformação da ciência pela IA generativa já está em andamento. A questão urgente não é se a IA se tornará parte da pesquisa científica, mas onde a comunidade científica opta por traçar essa linha. Definir esses limites agora, argumentam, será essencial para preservar a criatividade, diversidade, responsabilidade e julgamento humano como valores centrais nas ciências da vida.