Uma inteligência artificial explodiu recentemente na consciência pública, com chatbots como ChatGPT se tornando palavras familiares e Big Tech despejando centenas de bilhões de dólares na promessa da IA. Em escolas universitárias de artes e ciências, incluindo a Krieger School, o impacto da IA também está sendo intensamente sentido em pesquisas, bolsas de estudo e ensino.

Enquanto muitos avanços importantes em IA como tecnologia estão acontecendo no nível da indústria, aplicações inovadoras também estão surgindo em universidades. Alan Yuille , cuja pesquisa na Johns Hopkins se concentra em sistemas de visão computacional artificial, acha que esse florescimento segue organicamente do espírito aberto e empreendedor da academia.

"Há certas coisas que as empresas podem fazer que nós não podemos porque elas têm muito mais poder computacional e muito mais dados", diz Yuille, um Bloomberg Distinguished Professor de ciência da computação e ciência cognitiva na Krieger School e na Whiting School of Engineering. "Por outro lado, nas universidades, somos livres para fazer nossas próprias coisas e explorar diferentes conjuntos de ideias."

Particularmente na área de artes e ciências, onde há menos um motivo de curto prazo, voltado para o lucro, e mais uma visão humanística de longo prazo, Yuille vê os benefícios de explorar amplamente a IA em um ambiente universitário. Uma abordagem tão expansiva pode ajudar a moldar a evolução contínua da tecnologia.

"Nas artes e ciências", observa Yuille, "pode ser que você queira considerar uma boa pesquisa de longo prazo, em vez de uma pesquisa que você poderá colocar em um smartphone em alguns meses".

Aqui estão vários exemplos de como a IA está abrindo novos caminhos de descoberta e percepção na Escola Krieger.

Econhecida hoje em dia como uma propriedade no jogo de tabuleiro Monopoly, a Baltimore and Ohio (B&O) Railroad foi a primeira ferrovia comercial do país que operou por mais de 150 anos, de 1830 a 1987. Felizmente para os historiadores, o B&O Railroad Museum em Baltimore preservou um tesouro de registros de seguros que a empresa manteve para seus milhares de funcionários, datando do início dos anos 1900. No entanto, esses registros — uma miscelânea de cerca de 16 milhões de páginas manuscritas e digitadas no total — ficaram em caixas por décadas porque arquivistas humanos nunca conseguiram catalogá-los plausivelmente em qualquer período de tempo razoável.

Reconhecendo a escala do desafio, o B&O Railroad Museum consultou professores e pesquisadores da Johns Hopkins. Notícias do enorme repositório de dados chegaram a Louis Hyman, o Dorothy Ross Professor of History. Historiador do trabalho, Hyman leciona um curso, AI and Data Methods in History, que explora o uso de tecnologias de IA como ferramentas para pesquisa.

Com base nessa expertise, Hyman e outros pesquisadores da Johns Hopkins estão agora trabalhando com curadores do B&O Railroad Museum em um projeto para escanear e digitalizar o vasto banco de dados. O projeto está empregando reconhecimento óptico de caracteres, um tipo de visão computacional, para ler letras nos documentos. Os pesquisadores então executam esses textos por meio de grandes modelos de linguagem, que corrigem erros inevitáveis de computador, mas, mais importante, extraem e organizam as informações de uma forma que permite aos pesquisadores pesquisar e agregar os dados.

"É um banco de dados único", diz Anna Kresmer, arquivista do Museu Ferroviário B&O, "e até agora, antes da IA, não havia uma maneira prática de lidar com esses dados".

Uma vez acessível, o banco de dados B&O deve abrir uma infinidade de oportunidades de pesquisa em história trabalhista, empresarial e médica. Jonathan Goldman, curador chefe do B&O Railroad Museum, espera que, com abordagens baseadas em estatísticas, "tendências gerais surgirão de análises empreendedoras dos dados, por exemplo, sobre certos tipos de ferimentos ou como certos grupos foram tratados".

"Esses registros contam a vida de milhares de pessoas", acrescenta Hyman. "Você pode começar a encontrar padrões e escavar verdades sobre o passado que talvez não pudéssemos ver antes."

Nos próximos anos, Goldman diz que há uma visão para tornar os documentos digitalizados acessíveis em estações de trabalho públicas no museu, permitindo que os visitantes conduzam pesquisas genealógicas de parentes que trabalharam para a ferrovia. "Ajudaremos algumas famílias a aprender mais sobre seus ancestrais, um pouco sobre quem eles eram e o que vivenciaram", diz Goldman.

Os historiadores do projeto veem os métodos de IA se tornando padrão para lidar com outras coleções de material escrito igualmente grandes. "A IA tem uma tolerância incrível ao tédio que nenhum humano tem", diz Hyman. "Usar a IA esclarece o que é valioso sobre ser humano [ao conduzir pesquisas], e isso não é sentar e transcrever milhares de pedaços de papel — é pensar com cuidado e criticamente."

O laboratório de Tyrel M. McQueen é dedicado a sintetizar novos materiais para beneficiar a sociedade e fornecer insights sobre ciência fundamental. Nesse esforço, a inteligência artificial está surgindo como uma ferramenta útil para impulsionar a descoberta.

Por exemplo, Queen foi coinvestigador principal em um projeto chamado MITHRIL — uma sigla inteligente para Material Invention Through Hypothesis-unbiased, Real-time, Interdisciplinary Learning, nomeada em homenagem a um metal fictício em O Senhor dos Anéis . O projeto, juntamente com a pesquisa subsequente derivada dele, alavancou a IA para explorar rapidamente vastas possibilidades de combinações de materiais. Para pesquisadores humanos, examinar milhões de configurações moleculares é impraticavelmente demorado, bem como limitado em escopo, porque os pesquisadores trabalham sensatamente com o que já é conhecido em vez de mergulhar em um espaço aleatório e não descrito.

Em colaboração com o Johns Hopkins Applied Physics Laboratory, McQueen e colegas da Krieger School recentemente envolveram o MITHRIL em uma busca de longo alcance por novos supercondutores. Quando resfriados a temperaturas extremamente baixas, esses materiais especiais conduzem eletricidade sem nenhuma perda de energia. Embora os supercondutores tenham inúmeras aplicações hoje, por exemplo, em trens maglev e máquinas de ressonância magnética, o Santo Graal por décadas tem sido encontrar supercondutores de alta temperatura que possam revolucionar a transmissão de energia elétrica, armazenamento de energia e outras áreas. "Gostaríamos muito de encontrar supercondutores que não precisem ser frios para funcionar", diz McQueen, professor dos departamentos de Química, Física e Astronomia.

Os pesquisadores forneceram ao MITHRIL dados sobre algumas centenas de substâncias supercondutoras conhecidas, treinando seus algoritmos de aprendizado de máquina para fazer previsões sobre se outros materiais exibiriam a propriedade desejável. O modelo teve um desempenho admirável, "redescobrindo" quatro supercondutores descritos e revelando um quinto novo. "Muito rapidamente, encontramos coisas que são supercondutores conhecidos, mas não estavam incluídas no conjunto de dados de treinamento", diz McQueen. "Então também encontramos um novo supercondutor que nunca havia sido feito antes."

Os cientistas prosseguiram para fabricar e testar este novo supercondutor proposto pela IA, uma liga de zircônio, índio e níquel que começa a se comportar como um supercondutor a cerca de 9 Kelvin, ou -443° Fahrenheit. Embora não seja um divisor de águas naquele nível de frigidez, a descoberta demonstrou, no entanto, a capacidade da IA ??de trazer avanços na pesquisa da ciência dos materiais.

De forma semelhante, McQueen também está usando IA para identificar melhor ideias de materiais verdadeiramente novos para melhorar as chances de identificar uma substância previamente inimaginável que se mostre inovadora. Os modelos de IA geralmente fornecem duas saídas — o que o modelo acha que é a resposta certa e quão confiante o modelo está de que essa resposta está certa. McQueen diz que os melhores tipos de respostas são aqueles em que o modelo é mais incerto sobre as propriedades particulares de um material.

"Esse é o material que você vai e faz, porque essa é a região do espaço químico que não foi explorada para essa propriedade antes", diz McQueen. "Você usa esses métodos para basicamente fornecer uma percepção muito melhor do que qualquer humano pode."

Om dos maiores impactos da IA está no ensino superior, onde o uso de chatbots pelos alunos continua sendo muito debatido. Muitos temem que os chatbots alimentem trapaças desenfreadas junto com bolsas de estudo ruins, cortesia da propensão dos chatbots de chegar a respostas falsas. Outros ainda esperam que essas ferramentas de IA sirvam como o exemplo mais recente de uma tecnologia da informação que, quando usada corretamente, aprimora o aprendizado.

Para avaliar as melhores práticas de IA na aprendizagem dos alunos, os sociólogos da Krieger School estão estudando avidamente os padrões de como os alunos universitários interagem com chatbots. "A IA requer um novo tipo de alfabetização informacional", diz Mike Reese , diretor do Centro de Excelência e Inovação em Ensino da Krieger School e professor associado de ensino no Departamento de Sociologia. "É importante que entendamos como os alunos estão adotando essas ferramentas."

Para esse fim, Lingxin Hao , professor de política pública no Departamento de Sociologia, juntamente com Reese e colegas do departamento de ciência da computação na Escola de Engenharia, está conduzindo uma pesquisa de campo líder no campus com alunos de graduação. Um estudo-chave ocorreu ao longo de três semanas no outono passado. Os pesquisadores conduziram um experimento com alunos no PILOT, um programa de tutoria liderado por pares, onde grupos de aproximadamente seis a 10 alunos se reúnem semanalmente para trabalhar em conjuntos de problemas juntos.

Primeiro, os pesquisadores criaram perguntas relacionadas ao curso por meio de uma ferramenta de teste baseada no software Johns Hopkins para os alunos responderem. Alguns alunos participantes foram aleatoriamente designados para ter acesso ao ChatGPT, o popular chatbot online, e foram divididos em grupos que podiam fazer uma pergunta ao ChatGPT ou fazer várias perguntas em rodadas de interação. Os prompts dos alunos dados à IA e as respostas recebidas foram todos registrados em detalhes, para que a interação total pudesse ser analisada. "Conseguimos ver como os humanos e o ChatGPT realmente interagem", diz Hao.

No geral, quase 700 estudantes participaram, dando aos pesquisadores um rico conjunto de dados para analisar o comportamento e o desempenho dos estudantes com o ChatGPT. De forma encorajadora, os pesquisadores viram alguns estudantes — especialmente aqueles que relataram familiaridade com chatbots — demonstrarem habilidade em usar as ferramentas como assistentes; não simplesmente como recursos para pular para respostas potencialmente erradas, "mas como guias sobre como resolver um problema e aprender", diz Hao. "O objetivo é entender a base da ciência social da interação humano-IA usando as conversas coletadas entre alunos e ChatGPT."

Os pesquisadores estão construindo sobre essas e outras descobertas no desenvolvimento de diretrizes para o ensino com IA. O estudo pode ajudar os instrutores a integrar a tecnologia crescente de forma eficaz e equitativa em suas salas de aula. Fazer isso pode não apenas promover objetivos de aprendizagem, mas também equipar os alunos com uma base de conhecimento para suas futuras carreiras.

"É essencial para nós, como professores, descobrir como as ferramentas de IA serão usadas em nossa disciplina, seja na academia ou na indústria, e então trazê-las para nossa sala de aula para que os alunos possam estar melhor preparados para usar IA em suas futuras carreiras", diz Reese.

Fou mais de 20 anos, por meio de seus estudos em bairros urbanos de baixa renda no Chile, Clara Han viu em primeira mão os desafios de fornecer serviços de assistência social a pessoas vulneráveis, especialmente crianças. Assistentes sociais geralmente têm recursos e tempo insuficientes para se dedicar a cada caso — um problema amplificado pela falta de compartilhamento de dados entre entidades institucionais, como sistemas de saúde e agências de assistência social.

"Os profissionais da linha de frente precisam constantemente tomar decisões em termos de alocação de recursos e priorizar um caso em detrimento de outro, mas não há o suficiente para todos", diz Han, professor do Departamento de Antropologia.

Como resultado, a coordenação de cuidados é frequentemente abaixo do ideal, e as pessoas necessitadas podem passar despercebidas, com consequências trágicas. Han oferece um exemplo de uma criança com uma condição médica que entra em um orfanato sem que a agência informe seu médico. Como sua assistente social recém-designada não consegue acessar seus registros de saúde existentes, a criança acaba perdendo doses de um medicamento crítico.

Han está interessado em ambos os ambientes regulatórios que condicionam o acesso a dados, bem como no impacto do uso existente de algoritmos preditivos em serviços sociais. Para esse fim, junto com pediatras da Johns Hopkins University School of Medicine e colegas em toda a universidade, Han está desenvolvendo uma estrutura de pesquisa para analisar as apostas éticas e legais em sistemas de suporte a decisões alimentados por IA para coordenação de cuidados médicos na cidade de Baltimore.

Tais sistemas de suporte à decisão têm se tornado cada vez mais comuns em cenários de imigração e justiça criminal. Agora está claro que algoritmos preditivos podem prejudicar processos de tomada de decisão ao "aumentar" exponencialmente o viés em serviços sociais. "Você tem o que é chamado de 'dano analógico', onde as pessoas definham no limbo", descreve Han.

Entender o ambiente regulatório é crucial para melhorar a integração de dados de diversas fontes, diz Han. Ao mesmo tempo, há um reconhecimento crescente dos limites das métricas ao lidar com contextos sociais complexos. "A IA pode gerar danos, assim como qualquer decisão pode gerar danos", diz Han. Assim, Han está interessado em explorar como os componentes da IA, como parte dos processos de tomada de decisão, lidam com a legitimidade das reivindicações de várias partes interessadas. Mesmo que essas reivindicações sejam contraditórias. Dadas essas múltiplas reivindicações, qualquer modelo de tomada de decisão para alocação de recursos deve incluir uma provisão para apelo humano.

No geral, Han vê uma tremenda promessa para a pesquisa interdisciplinar sobre IA, de modo que a expertise dos provedores de linha de frente, bem como seus pacientes, sejam ativamente trazidos para as possibilidades oferecidas pela tomada de decisão algorítmica. "Queremos avançar com nossa estrutura de pesquisa", diz Han, "porque ela pode oferecer benefícios claros para as pessoas em Baltimore e outros lugares com diferentes ambientes digitais tecnológicos, onde as leis de compartilhamento de dados podem ser bem

diferentes."

OEnry Farrell está tentando entender os potenciais impactos da IA na ordem mundial internacional, principalmente à medida que os grandes modelos de linguagem (LLMs) se tornam arraigados na sociedade.

Farrell, o Professor de Relações Internacionais do SNF Agora Institute na School of Advanced International Studies (SAIS), relembra seu primeiro encontro surpreendente com uma versão inicial e rudimentar de um LLM há vários anos. Como o modelo rodava um RPG online no estilo Dungeons & Dragons, às vezes ele perdia o controle do personagem do usuário e fazia respostas e alegações estranhas, até mesmo inapropriadas. No entanto, o poder inato e a novidade da tecnologia ainda impressionavam Farrell. "Era claramente muito, muito falho", diz Farrell, "mas também era claramente algo genuinamente novo no mundo".

Farrell estudou LLMs desde então dentro de sua área de atuação em tecnologia e ciência política. Com o desempenho do LLM tendo melhorado dramaticamente nos últimos dois anos, lado a lado com a adoção generalizada, Farrell e seus colegas estão agora examinando como os LLMs e o aprendizado de máquina funcionam mais amplamente como um meio de processamento de informações sociais.

Esta análise contínua é informada pela comparação com duas tecnologias sociais históricas e massivamente transformadoras: o sistema de mercado e as burocracias. Ambos os sistemas, vastos em escopo e complexidade, absorvem quantidades gigantescas de informações — semelhantes aos conjuntos de treinamento de LLMs, muitas vezes em toda a Internet.

Para o sistema de mercado, todas as suas informações devoradas são resumidas em preços de bens e serviços baseados em oferta e demanda, enquanto uma burocracia condensa o agregado de atividade social em categorias para supervisão governamental. Os LLMs realizam um truque semelhante ao se debruçarem sobre corpus de conhecimento humano para oferecer respostas sumariamente breves às consultas dos usuários.

Em sua enormidade, todas as três tecnologias estão muito além da compreensão e controle de qualquer um, o que gera terror e admiração, diz Farrell. "Muitos dos medos e esperanças associados à IA são realmente muito semelhantes aos medos e esperanças que tivemos sobre mercados e burocracias", diz Farrell. Alguns desses medos se manifestaram, por exemplo, em perdas massivas de empregos à medida que indústrias inteiras se realocavam ou se tornavam obsoletas devido às forças de mercado, ou quando agências governamentais mal serviam os eleitores. Mas muitas esperanças também foram confirmadas, desde alimentos e bens de consumo amplamente acessíveis até programas governamentais bem-sucedidos.

Assim, para insights sobre as ramificações da IA agora e no futuro, Farrell e seus colegas estão tirando lições do passado. "Podemos aprender até certo ponto ao olhar para essas tecnologias sociais anteriores que tipos de choques elas infligiram", diz Farrell. "Isso pelo menos nos permite começar a fazer as perguntas certas, e isso pode nos dar uma noção melhor do que está por vir."