Investigadores de IA universitários estão a ser afastados do seu próprio campo

Pontos-chave

• Os investigadores académicos não conseguem aceder ao funcionamento interno de modelos de IA de ponta como ChatGPT ou Claude, que são mantidos em privado pelos seus proprietários corporativos.
• As universidades não conseguem pagar os chips de computador especializados necessários para treinar ou executar IA de ponta, de acordo com investigadores numa reunião de 2025 do programa AI2050 da Schmidt Sciences em Mountain View, Califórnia.
• Um estudo da Johns Hopkins descobriu que modelos de linguagem de IA dão respostas menos detalhadas a perguntas formuladas de forma mais associada a mulheres do que a homens.
• A equipa AlphaFold do Google DeepMind, que ganhou um Prémio Nobel por prever como as proteínas se dobram, foi desmantelada no mês passado.
• Alguns investigadores estão preocupados que ferramentas de IA que resolvem matemática avançada possam ameaçar o futuro dos matemáticos humanos.

Imagine ser um biólogo marinho num mundo onde todo o oceano fica atrás de um muro de pagamento corporativo. É mais ou menos assim que Nika Haghtalab, professora de ciência informática da UC Berkeley, descreve a investigação de IA académica neste momento. Disse à MIT Technology Review que estudar a IA atual é como ser um biólogo trancado fora de CRISPR, a tecnologia de edição de genes que transformou a medicina, porque empresas privadas a possuíam completamente.

A comparação foi impactante numa recente reunião em Mountain View, Califórnia, onde o programa AI2050 da Schmidt Sciences reuniu alguns dos investigadores de IA mais respeitados a trabalhar fora dos grandes laboratórios tecnológicos. O programa, financiado por Eric e Wendy Schmidt, apoia académicos cujo trabalho toca inteligência artificial.

Por que é que as universidades não podem simplesmente fazer a investigação elas próprias?

O dinheiro é a resposta curta. Treinar ou executar um modelo de IA de ponta requer quantidades enormes de GPUs, os chips de computador especializados que fazem o cálculo pesado que a IA necessita, e as universidades simplesmente não conseguem pagar o suficiente. O programa AI2050 dá aos bolseiros algum financiamento para comprar chips, que os investigadores chamaram um verdadeiro salva-vidas, mas os cortes ao financiamento federal da ciência estão a apertar ainda mais os orçamentos.

Mesmo investigadores que não treinam os seus próprios modelos enfrentam custos. Fazer perguntas repetidas aos sistemas da OpenAI ou da Anthropic para os estudar adequadamente torna-se caro rapidamente, e as empresas não abrem os seus designs internos ao escrutínio externo.

Assim, académicos estão a encontrar um terreno diferente. Anjalie Field, professora de ciência informática na Johns Hopkins, colocou-o de forma clara: "Tento não trabalhar em problemas que acho que vão ser resolvidos por uma empresa tecnológica." O seu estudo recente descobriu que modelos de linguagem de IA dão respostas menos detalhadas e menos sofisticadas a perguntas escritas em estilos mais comummente usados por mulheres. Este tipo de investigação, que pode refletir-se negativamente no produto de uma empresa, é improvável que surja de dentro de uma.

E quanto à investigação de IA que não tem nada a ver com chatbots?

Uma grande fatia da IA académica nunca tocou em modelos de linguagem de larga escala. Estes investigadores constroem ferramentas focadas e especializadas: modelos que predizem clima extremo, simulam como medicamentos interagem com o corpo, ou analisam dados climáticos. Não estão a perseguir os mesmos objetivos que a OpenAI.

Mas têm o seu próprio problema. Quando a maioria das pessoas ouve "IA" imagina chatbots que consomem muita energia, e essa imagem torna mais difícil para investigadores de clima ou saúde argumentar o valor do seu próprio trabalho.

O pipeline de talento do campo também está a mudar. Vários académicos bem conhecidos deixaram as universidades para se juntar a laboratórios de ponta, e muitos bolseiros AI2050 agora têm tanto um cargo académico como um papel na indústria em simultâneo.

Há uma nota mais positiva. A falta de recursos empurra laboratórios académicos a encontrar formas de tornar modelos de IA mais pequenos, mais baratos e mais rápidos de executar. Tim Dettmers, cientista informático da Carnegie Mellon, argumenta que ferramentas de IA poderiam tornar cientistas humanos dramaticamente mais produtivos em vez de os substituir. As limitações, sugere ele, geram criatividade.

Se o próximo avanço real em IA vier de um laboratório universitário com poucos recursos em vez de uma empresa de biliões de dólares, as pessoas naquela sala de hotel em Mountain View não ficarão surpreendidas.