Humanidades
Três perguntas: Sobre o futuro da IA e das ciências matemáticas e físicas
O professor Jesse Thaler descreve uma visão para uma ponte bidirecional entre a inteligência artificial e as ciências matemáticas e físicas — uma ponte que promete impulsionar ambas.
Por
Laboratório de Ciência Nuclear - 18/03/2026
Cientistas das áreas de matemática e ciências físicas têm elaborado estratégias sobre como a IA pode ajudar a moldar seus campos de atuação — e vice-versa. Créditos: Imagem: Marisa LeFleur
A pesquisa movida pela curiosidade há muito tempo desencadeia transformações tecnológicas. Há um século, a curiosidade sobre os átomos levou à mecânica quântica e, eventualmente, ao transistor, peça central da computação moderna. Por outro lado, a máquina a vapor representou um avanço prático, mas foi necessária pesquisa fundamental em termodinâmica para que seu potencial fosse plenamente aproveitado.
Hoje, a inteligência artificial e a ciência encontram-se num ponto de inflexão semelhante. A atual revolução da IA foi impulsionada por décadas de pesquisa nas ciências matemáticas e físicas (CMF), que forneceram os problemas desafiadores, os conjuntos de dados e os insights que tornaram possível a IA moderna. Os Prêmios Nobel de Física e Química de 2024, que reconheceram métodos fundamentais de IA enraizados na física e aplicações de IA para o design de proteínas, tornaram essa conexão impossível de ignorar.
Em 2025, o MIT sediou um Workshop sobre o Futuro da IA+MPS , financiado pela Fundação Nacional de Ciência (NSF) com o apoio da Escola de Ciências do MIT e dos departamentos de Física, Química e Matemática do MIT. O workshop reuniu pesquisadores líderes em IA e ciência para traçar como os domínios de MPS podem melhor capitalizar — e contribuir para — o futuro da IA. Agora, um relatório técnico, com recomendações para agências de financiamento, instituições e pesquisadores, foi publicado na revista Machine Learning: Science and Technology . Nesta entrevista, Jesse Thaler, professor de física do MIT e coordenador do workshop, descreve os principais temas e como o MIT está se posicionando para liderar a área de IA e ciência.
Quais são os principais temas do relatório referentes ao encontro do ano passado de líderes das ciências matemáticas e físicas?
Reunir tantos pesquisadores na vanguarda da IA e da ciência em um só lugar foi esclarecedor. Embora os participantes do workshop viessem de cinco comunidades científicas distintas — astronomia, química, ciência dos materiais, matemática e física — encontramos muitas semelhanças em como cada um de nós está interagindo com a IA. Um consenso real emergiu de nossas discussões animadas: o investimento coordenado em infraestruturas de computação e dados, técnicas de pesquisa interdisciplinares e treinamento rigoroso podem impulsionar significativamente tanto a IA quanto a ciência.
Uma das principais conclusões foi que essa relação precisa ser de mão dupla. Não se trata apenas de usar IA para fazer ciência melhor; a ciência também pode aprimorar a IA. Os cientistas são especialistas em extrair insights de sistemas complexos, incluindo redes neurais, ao descobrir princípios subjacentes e comportamentos emergentes. Chamamos isso de “ciência da IA”, e ela se apresenta em três vertentes: a ciência que impulsiona a IA, onde o raciocínio científico fundamenta as abordagens básicas da IA; a ciência que inspira a IA, onde os desafios científicos impulsionam o desenvolvimento de novos algoritmos; e a ciência que explica a IA, onde as ferramentas científicas ajudam a elucidar como a inteligência artificial realmente funciona.
Na minha área de física de partículas, por exemplo, pesquisadores estão desenvolvendo algoritmos de IA em tempo real para lidar com o dilúvio de dados provenientes de experimentos em aceleradores de partículas. Esse trabalho tem implicações diretas para a descoberta de novos fenômenos físicos, mas os próprios algoritmos se mostram valiosos muito além da nossa área. O workshop deixou claro que a ciência da IA deve ser uma prioridade para a comunidade científica — ela tem o potencial de transformar a maneira como entendemos, desenvolvemos e controlamos sistemas de IA.
É claro que a integração entre ciência e IA exige pessoas capazes de trabalhar em ambos os mundos. Os participantes enfatizaram consistentemente a necessidade de "cientistas centauros" — pesquisadores com verdadeira expertise interdisciplinar. O apoio a esses polímatas em todas as etapas da carreira, desde cursos de graduação integrados até programas de doutorado interdisciplinares e contratações conjuntas de professores, emergiu como essencial.
De que forma os esforços do MIT em IA e ciência se alinham com as recomendações do workshop?
O workshop estruturou suas recomendações em torno de três pilares: pesquisa, talento e comunidade. Como diretor do Instituto de Inteligência Artificial e Interações Fundamentais (IAIFI) da NSF — um esforço colaborativo em IA e física entre o MIT e as universidades de Harvard, Northeastern e Tufts — vi em primeira mão o quão eficaz essa estrutura pode ser. Ao expandi-la para o MIT, podemos ver onde o progresso está sendo feito e onde estão as oportunidades.
Na área de pesquisa, o MIT já está viabilizando trabalhos que combinam IA e ciência em ambas as direções. Uma rápida olhada no MIT News mostra como pesquisadores individuais em toda a Escola de Ciências estão desenvolvendo projetos orientados por IA, construindo um fluxo de conhecimento e revelando novas oportunidades. Ao mesmo tempo, iniciativas colaborativas como o IAIFI e o Instituto de Algoritmos de IA Acelerados para Descoberta Orientada por Dados (A3D3) concentram energia interdisciplinar para um impacto ainda maior. O Consórcio de Impacto de IA Generativa do MIT também está apoiando trabalhos de IA aplicados em escala universitária.
Para fomentar talentos em IA e ciência em início de carreira, diversas iniciativas estão treinando a próxima geração de cientistas centauros. O programa Common Ground for Computing Education do MIT Schwarzman College of Computing ajuda os alunos a se tornarem “bilíngues” em computação e em sua área de formação. Programas de doutorado interdisciplinares também estão ganhando força; o IAIFI trabalhou com o Instituto de Dados, Sistemas e Sociedade do MIT para criar um programa em física, estatística e ciência de dados, e cerca de 10% dos estudantes de doutorado em física agora optam por ele — um número que provavelmente crescerá. Programas de pós-doutorado dedicados, como a Bolsa IAIFI e a Bolsa Tayebati, oferecem aos pesquisadores em início de carreira a liberdade de se dedicarem a trabalhos interdisciplinares. Financiar cientistas centauros e dar-lhes espaço para construir conexões entre domínios, universidades e estágios de carreira tem sido transformador.
Por fim, a construção de comunidade une tudo. De workshops focados a grandes simpósios, a organização de eventos interdisciplinares sinaliza que a IA e a ciência não são trabalhos isolados — são um campo emergente. O MIT tem o talento e os recursos para causar um impacto significativo, e sediar esses encontros em múltiplas escalas ajuda a consolidar essa liderança.
Que lições o MIT pode extrair para avançar ainda mais em seus esforços na área de IA e ciência?
O workshop cristalizou algo importante: as instituições que liderarão em IA e ciência serão aquelas que pensarem de forma sistêmica, e não fragmentada. Os recursos são finitos, portanto, as prioridades importam. Os participantes do workshop foram claros sobre o que se torna possível quando uma instituição coordena contratações, pesquisa e treinamento em torno de uma estratégia coesa.
O MIT está bem posicionado para dar continuidade ao que já está em andamento com iniciativas mais estruturais — faculdades conjuntas nas áreas de computação e ciências, ampliação dos programas de graduação interdisciplinares e financiamento específico para a “ciência da IA”. Já estamos vendo movimentos nessa direção; este ano, o MIT Schwarzman College of Computing e o Departamento de Física estão realizando sua primeira seleção conjunta de professores, o que é muito animador.
O ciclo virtuoso da IA e da ciência tem o potencial de ser verdadeiramente transformador — oferecendo uma compreensão mais profunda da IA, acelerando as descobertas científicas e produzindo ferramentas robustas para ambas. Ao desenvolver uma estratégia intencional, o MIT estará bem posicionado para liderar e se beneficiar das próximas ondas da IA.
.jpg)
