Imagine usar inteligência artificial para comparar duas criações aparentemente não relacionadas — tecido biológico e a “Sinfonia nº 9” de Beethoven. À primeira vista, um sistema vivo e uma obra-prima musical podem parecer não ter conexão. No entanto, um novo método de IA desenvolvido por Markus J. Buehler, o Professor de Engenharia McAfee e professor de engenharia civil e ambiental e engenharia mecânica no MIT, preenche essa lacuna, descobrindo padrões compartilhados de complexidade e ordem.

“Ao misturar IA generativa com ferramentas computacionais baseadas em gráficos, essa abordagem revela ideias, conceitos e designs inteiramente novos que eram antes inimagináveis. Podemos acelerar a descoberta científica ensinando IA generativa a fazer novas previsões sobre ideias, conceitos e designs nunca antes vistos”, diz Buehler.

A pesquisa de acesso aberto, publicada recentemente em Machine Learning: Science and Technology , demonstra um método avançado de IA que integra extração de conhecimento generativo, representação baseada em gráficos e raciocínio gráfico inteligente multimodal.

O trabalho usa gráficos desenvolvidos usando métodos inspirados pela teoria das categorias como um mecanismo central para ensinar o modelo a entender relacionamentos simbólicos na ciência. A teoria das categorias, um ramo da matemática que lida com estruturas abstratas e relacionamentos entre elas, fornece uma estrutura para entender e unificar sistemas diversos por meio de um foco em objetos e suas interações, em vez de seu conteúdo específico. Na teoria das categorias, os sistemas são vistos em termos de objetos (que podem ser qualquer coisa, de números a entidades mais abstratas, como estruturas ou processos) e morfismos (setas ou funções que definem os relacionamentos entre esses objetos). Ao usar essa abordagem, Buehler foi capaz de ensinar o modelo de IA a raciocinar sistematicamente sobre conceitos e comportamentos científicos complexos. Os relacionamentos simbólicos introduzidos por meio de morfismos deixam claro que a IA não está simplesmente desenhando analogias, mas está se envolvendo em um raciocínio mais profundo que mapeia estruturas abstratas em diferentes domínios.

Buehler usou esse novo método para analisar uma coleção de 1.000 artigos científicos sobre materiais biológicos e os transformou em um mapa de conhecimento na forma de um gráfico. O gráfico revelou como diferentes partes de informação estão conectadas e foi capaz de encontrar grupos de ideias relacionadas e pontos-chave que ligam muitos conceitos.

Os pesquisadores podem usar essa estrutura para responder a perguntas complexas, encontrar lacunas no conhecimento atual, sugerir novos designs para materiais, prever como os materiais podem se comportar e vincular conceitos que nunca haviam sido conectados antes.

O modelo de IA encontrou similaridades inesperadas entre materiais biológicos e a “Sinfonia nº 9”, sugerindo que ambos seguem padrões de complexidade. “Semelhante a como as células em materiais biológicos interagem de maneiras complexas, mas organizadas, para desempenhar uma função, a 9ª sinfonia de Beethoven organiza notas musicais e temas para criar uma experiência musical complexa, mas coerente”, diz Buehler.

Em outro experimento, o modelo de IA baseado em gráfico recomendou a criação de um novo material biológico inspirado nos padrões abstratos encontrados na pintura de Wassily Kandinsky, “Composição VII”. A IA sugeriu um novo material composto baseado em micélio. “O resultado deste material combina um conjunto inovador de conceitos que incluem um equilíbrio de caos e ordem, propriedade ajustável, porosidade, resistência mecânica e funcionalidade química com padrões complexos”, observa Buehler. Ao se inspirar em uma pintura abstrata, a IA criou um material que equilibra ser forte e funcional, ao mesmo tempo que é adaptável e capaz de desempenhar diferentes funções. A aplicação pode levar ao desenvolvimento de materiais de construção sustentáveis inovadores, alternativas biodegradáveis aos plásticos, tecnologia vestível e até mesmo dispositivos biomédicos.

Com esse modelo avançado de IA, os cientistas podem extrair insights da música, arte e tecnologia para analisar dados desses campos e identificar padrões ocultos que podem gerar um mundo de possibilidades inovadoras para design de materiais, pesquisa e até mesmo música ou arte visual.

“A IA generativa baseada em gráficos alcança um grau muito maior de novidade, exploração de capacidade e detalhes técnicos do que abordagens convencionais, e estabelece uma estrutura amplamente útil para inovação ao revelar conexões ocultas”, diz Buehler. “Este estudo não apenas contribui para o campo de materiais e mecânica bioinspirados, mas também prepara o cenário para um futuro em que a pesquisa interdisciplinar alimentada por IA e gráficos de conhecimento pode se tornar uma ferramenta de investigação científica e filosófica à medida que olhamos para outros trabalhos futuros.” 

“A análise de artigos de Markus Buehler sobre materiais bioinspirados transformou gigabytes de informação em gráficos de conhecimento representando a conectividade de vários tópicos e disciplinas”, diz Nicholas Kotov, o Professor Distinto Irving Langmuir de Ciências Químicas e Engenharia na Universidade de Michigan, que não estava envolvido com este trabalho. “Esses gráficos podem ser usados como mapas de informação que nos permitem identificar tópicos centrais, novos relacionamentos e potenciais direções de pesquisa explorando ligações complexas entre subseções de materiais bioinspirados e biomiméticos. Esses e outros gráficos como esse provavelmente serão uma ferramenta de pesquisa essencial para cientistas atuais e futuros.”