Pesquisadores Buscam Melhorar o Papel da IA na Química

Pesquisadores estão trabalhando para entender como a IA toma decisões para melhorar seu uso na química, especialmente no desenvolvimento de medicamentos. Novas pesquisas sobre este tópico serão apresentadas na reunião de outono da American Chemical Society, de 18 a 22 de agosto. A reunião contará com mais de 10.000 apresentações sobre vários tópicos científicos.

Hoje, a American Chemical Society anunciou em um comunicado à imprensa que pesquisadores irão apresentar descobertas sobre o uso da IA Explicável (XAI) para entender como a IA toma decisões na química. Ao desmistificar esses sistemas complexos, os especialistas pretendem aumentar a confiança e melhorar a eficácia da IA.

Rebecca Davis, professora de química, explica que os atuais modelos de IA muitas vezes são vistos como “caixas-pretas”, com seus processos de tomada de decisão ocultos. Ela afirma: “Se pudermos criar modelos que ajudem a fornecer algum insight sobre como a IA toma suas decisões, isso poderia potencialmente tornar os cientistas mais confortáveis com essas metodologias.”

Além disso, o XAI pode fornecer informações valiosas para refinar a programação de IA e melhorar seu desempenho no campo. “Quero usar o XAI para entender que informações precisamos ensinar aos computadores sobre química”, diz Hunter Sturm, um estudante de pós-graduação no laboratório de Davis apresentando o trabalho na reunião.

As pesquisadoras começaram alimentando bancos de dados de moléculas de medicamentos conhecidos em um modelo de IA projetado para prever a atividade biológica de um composto. Para entender o processo de tomada de decisão do modelo, elas utilizaram um modelo XAI desenvolvido pelo colaborador Pascal Friederich do Instituto de Tecnologia de Karlsruhe, na Alemanha.

Isso permitiu que identificassem as características moleculares específicas que influenciam as previsões da IA. Ao analisar esses fatores, Davis e Sturm obtiveram insights sobre os critérios da IA para categorizar moléculas e determinar seu potencial como candidatas a medicamentos.

Descobertas preliminares sugerem que o XAI pode detectar coisas que os humanos podem ignorar, uma vez que pode analisar muito mais variáveis de uma só vez.

Por exemplo, ao analisar moléculas de penicilina, a IA descobriu algo inesperado. Os cientistas geralmente acreditam que a estrutura central da penicilina é crucial para suas propriedades antibióticas. No entanto, Davis explicou que o XAI identificou as partes anexadas a este núcleo como o fator chave para determinar a atividade antibiótica da molécula. Ela afirma que isso poderia explicar por que algumas versões modificadas de penicilina com a mesma estrutura central são menos eficazes.

Como próximo passo, os pesquisadores planejam colaborar com um laboratório de microbiologia para criar e testar compostos antibióticos potenciais identificados pelos modelos de IA aprimorados. Seu objetivo final é usar a IA para desenvolver novos e mais eficazes antibióticos que possam combater a crescente ameaça da resistência a antibióticos.

Em uma apresentação, Davis afirma: “O aprendizado de máquina agora nos oferece a oportunidade de fazer isso em uma escala muito maior, onde provavelmente veremos tendências que nunca vimos no comportamento químico e nos permitirá criar moléculas e materiais em uma velocidade muito maior do que jamais tivemos na história.”

À medida que a IA continua a evoluir, a transparência e a compreensão são essenciais para fomentar a confiança pública e científica. Ao desvendar as complexidades da IA, os cientistas estão progredindo na direção de aproveitar todo o seu potencial para o benefício da sociedade.