Um levantamento que exigiria vários meses — e, em algumas estimativas, até um ano — de trabalho de pesquisadores foi concluído em 32 minutos. A OpenAI, junto com a PerturbAI e o Scripps Research, mobilizou milhares de agentes de inteligência artificial para examinar dados biológicos de milhões de células de camundongos, conforme anunciado pela própria OpenAI em 22 de outubro.
Um enxame de agentes sobre o atlas CRISPR
A força-tarefa rodou sobre o GPT-Rosalind, modelo da OpenAI, e teve como alvo um atlas CRISPR de cérebro inteiro — um mapa que registra, tipo por tipo de célula, o que muda no tecido quando um gene é alterado. CRISPR é a técnica de edição genética que permite ligar ou desligar genes com precisão.
A arquitetura escolhida fragmentou o serviço: cada agente recebeu uma única perturbação gênica, mediu a resposta das células àquela mudança e depois varreu a literatura científica em busca de explicações para o padrão encontrado. Em vez de um modelo solitário tentando dar conta de tudo, o desenho distribuiu o esforço e permitiu que o processamento corresse em paralelo.
Dois indícios e uma validação às cegas
Os relatórios apontaram diferenças inesperadas entre dois genes ligados a doenças e um possível elo entre a regulação do colesterol e a neurodegeneração. Para aferir a qualidade do material, os organizadores submeteram as conclusões a especialistas humanos em comparações cegas, sem revelar a origem de cada texto. Os pareceres do conjunto distribuído de agentes foram preferidos aos de um agente único em 75% das vezes.
O acervo resultante foi batizado de Reasoning Atlas, está aberto no GitHub, e o artigo correspondente foi depositado no bioRxiv, repositório de preprints — versões públicas de estudos que ainda não passaram por revisão independente. A OpenAI sustenta que as pistas levantadas servem para orientar quais mecanismos merecem prioridade nos testes de bancada.
| Métrica | Resultado |
|---|---|
| Agentes mobilizados | milhares |
| Células de camundongo analisadas | milhões |
| Tempo total da análise | 32 minutos |
| Estimativa para o mesmo trabalho manual | de vários meses a um ano |
| Preferência humana pelos relatórios multiagente | 75% |
| Data do anúncio | 22 de outubro |
O que a demonstração sinaliza para quem investe
Nenhuma empresa com ação negociada na B3 aparece entre os envolvidos. A OpenAI é uma companhia de capital fechado, a PerturbAI é uma startup e o Scripps Research é um instituto de pesquisa sem fins lucrativos — não há, portanto, ativo brasileiro listado que capture diretamente o feito.
A leitura relevante é indireta e passa por dois vetores. O primeiro é o custo do descobrimento de fármacos: se a triagem inicial de hipóteses biológicas encolhe de meses para minutos, o gargalo da indústria se desloca para a validação em laboratório, etapa que consome capital e tempo. O segundo é a infraestrutura: cargas de trabalho desse tipo dependem de capacidade computacional e de bases de dados organizadas.
Convém separar o resultado do entusiasmo. O estudo está em preprint, a demonstração foi conduzida pelos próprios desenvolvedores e as hipóteses levantadas pelos agentes ainda precisam de confirmação experimental — o material apresentado trata as descobertas como pontos de partida, não como conclusões fechadas. Para o investidor, o dado mais informativo é a ordem de grandeza da compressão de tempo (32 minutos contra meses) e a preferência de 75% dos especialistas, que sugere um padrão mínimo de qualidade para a revisão humana.