(Helinando Oliveira)
Enquanto, para o público em geral, a IA surgiu em vídeos falsos com personalidades reais e virtuais, figuras “quase” perfeitas e memes sem graça, para a ciência a inteligência artificial (IA) e as estruturas de aprendizagem de máquina (machine learning) vão muito além. Elas já estão revolucionando a pesquisa em diversas áreas.
Você percebeu que o Nossa Ciência não tem fontes de recursos? Considere contribuir com esse projeto, mandando pix para contato@nossaciencia.com
Existem experimentos muito caros e longos, como a busca por moléculas e sistemas experimentais que otimizam processos, os quais já são simplificados pelo auxílio da IA com suas simulações e rápido processamento de dados.
Por outro lado, uma área extremamente afetada é a de novos sensores para detecção de traços de contaminantes. Conseguir um limite de detecção (LOD) mais baixo é um sonho de consumo de todo pesquisador. Para entender como essa busca é realizada, faremos uma analogia simples.
Imagine que o problema seja identificar um animal tão grande que não caiba em nenhum dos enquadramentos de fotos feitas por especialistas. Então, os pesquisadores decidem compor fotos de partes do animal para identificá-lo com maior exatidão. São feitas fotos da pata, da tromba, da orelha, dos olhos, da boca, da cabeça, do rabo e da barriga. Para um leigo, a montagem dessas fotos revela a natureza do animal, enquanto um especialista em trombas pode concluir que se trata de um elefante apenas com uma única foto.
No entanto, com o uso da IA e do machine learning, muito mais informação pode ser obtida pela combinação de poucas fotos. Detalhes não revelados por nenhuma delas, por exemplo, podem surgir dessas análises.
Especificamente em sensores, há técnicas como a eletroquímica, a colorimétrica e a fluorimétrica, que trazem vantagens, mas também restrições quanto ao quão baixo pode ser o LOD alcançado. É a analogia dos fotógrafos tentando montar uma imagem a partir de recortes.
A IA contribui pela combinação dos resultados de técnicas distintas, que a princípio competem pelo melhor valor de LOD. Nessa busca por sinergia entre parâmetros (por exemplo, entre dados de condutividade e fluorescência), surge a possibilidade real de atingir limites fora do alcance de ambas as técnicas — como se fosse possível somar 1 + 1 e obter algo maior que 2.
Como resultado, grandes avanços são esperados na identificação de contaminantes em baixíssimas concentrações em nossa comida, na água, no solo e no ar. A humanidade agradece.
Se você chegou até aqui, considere contribuir para a manutenção desse projeto. Faça um pix de qualquer valor para contato@nossaciencia.com
Leia outros textos da coluna Ciência Nordestina
Helinando Oliveira é físico, professor titular da Universidade Federal do Vale do São Francisco (Univasf) e atualmente é vice presidente da Academia Pernambucana de Ciência