IA prevê as descobertas científicas que terão maior impacto

O conhecimento científico é construído devagar. Dificilmente uma descoberta revolucionária ganha seu devido reconhecimento imediatamente, ainda mais se ela entrar em conflito com o que é considerado conhecimento estabelecido no momento. As evidências se acumulam aos poucos até que ganhem status suficiente para mudar um paradigma. Por isso, é muito difícil reconhecer quais trabalhos científicos publicados em determinado momento terão o maior impacto prático.

Ou pelo menos era assim, até a publicação de justamente mais um trabalho liderado por James Weis, um cientista da computação do Instituto de Tecnologia de Massachusetts (MIT), nos Estados Unidos. Sua equipe desenvolveu uma inteligência artificial capaz de prever o impacto científico das publicações na área da biotecnologia. O algoritmo é uma rede neural chamada de Delphi – Dynamic Early-warning by Learning to Predict High Impact, ou aviso antecipado dinâmico através do aprendizado de predizer alto impacto, em tradução livre -, e foi treinado com 29 métricas utilizadas para avaliar publicações científicas, de mais de 1,6 milhões de trabalhos publicados em 42 jornais relacionados à área, no período de 1982 a 2019. As métricas incluem índices comuns entre cientistas, como aqueles associados à produtividade do autor ou o número de citações que o trabalho recebeu nos seus primeiros 5 anos, além de atributos criados pelos desenvolvedores, como a evolução da produção do autor ao longo do tempo, o número e o ranking dos co-autores, e medidas de qualidade relacionadas às revistas onde os trabalhos foram publicados. Após o treinamento, o sistema identificou corretamente 19 dos 20 trabalhos mais impactantes entre 1980 e 2014, perdendo apenas um que, apesar de ter sido muito citado em outras publicações, estas eram de outras áreas, e por isso não faziam parte da base de dados. Mas o mais interessante foi que ele também selecionou 50 trabalhos publicados em 2018 que devem estar no top 5% de relevância nos próximos anos.

O autor observa que o método é muito mais robusto do que a utilização de poucas métricas simples, que é a prática comum para mensurar o impacto de trabalhos científicos, já que encontra correlações entre estes atributos e também leva em consideração seu desenvolvimento ao longo do tempo. Ele acredita que seu sistema é capaz de fazer predições de igual valor para outras áreas do conhecimento, e espera que ele seja considerado como uma ferramenta adicional no arsenal dos pesquisadores, ajudando a refinar sua experiência e intuição sobre o progresso da empreitada científica.

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.