O professor Jesse Thaler, da MIT, apresentou uma vis\u00e3o de ponte bidirecional entre a intelig\u00eancia artificial e as ci\u00eancias matem\u00e1ticas e f\u00edsicas (MPS). A ideia \u00e9 que o avan\u00e7o de AI possa acelerar a ci\u00eancia, e vice-versa. O conceito ganhou impulso com os Pr\u00eamios Nobel de 2024 em f\u00edsica e qu\u00edmica, ligados a IA em m\u00e9todos f\u00edsicos e aplica\u00e7\u00f5es em design de prote\u00ednas.<\/p>\n
Em 2025, a MIT sediou um Workshop sobre o Futuro da IA e MPS, financiado pela National Science Foundation e com apoio de departamentos da pr\u00f3pria institui\u00e7\u00e3o. O encontro reuniu pesquisadores para mapear como as \u00e1reas de MPS podem apoiar o futuro da IA e ser beneficiadas por ela.<\/p>\n
Foi divulgada uma nota t\u00e9cnica resultante do workshop, publicada na revista Machine Learning: Science and Technology. Thaler, moderador do evento, descreve temas centrais e como a MIT pretende liderar a atua\u00e7\u00e3o em IA e ci\u00eancia.<\/p>\n
A reuni\u00e3o contou com representantes de f\u00edsica, qu\u00edmica, matem\u00e1tica, astron\u00f4mica e ci\u00eancia dos materiais. Entre as ideias centrais, destacou-se a necessidade de investimento coordenado em infraestrutura computacional, pesquisa inter-direcional e treinamento robusto.<\/p>\n
Formulou-se a no\u00e7\u00e3o de uma via de m\u00e3o dupla: ci\u00eancia que impulsiona IA, IA que facilita avan\u00e7os cient\u00edficos e ferramentas que ajudam a entender melhor os algoritmos. O conceito \u00e9 chamado de \u201cci\u00eancia da IA\u201d e envolve tr\u00eas vertentes.<\/p>\n
Tal linha de pensamento j\u00e1 tem aplica\u00e7\u00f5es pr\u00e1ticas, como algoritmos de IA em tempo real para dados de experimentos de colis\u00f5es em f\u00edsica de part\u00edculas. O debate apontou que essa abordagem pode transformar a compreens\u00e3o, o desenvolvimento e o controle de sistemas de IA.<\/p>\n
O relat\u00f3rio define tr\u00eas pilares: pesquisa, talento e comunidade. Thaler, que dirige o Instituto NSF IA e Intera\u00e7\u00f5es Fundamentais (IAIFI), traz exemplos de implementa\u00e7\u00e3o na MIT. A institui\u00e7\u00e3o j\u00e1 promove programas de IA integrada a \u00e1reas cient\u00edficas.<\/p>\n
Projetos como IAIFI, A3D3 e o MIT Generative AI Impact Consortium fortalecem a colabora\u00e7\u00e3o entre \u00e1reas. Iniciativas de educa\u00e7\u00e3o, como o Common Ground for Computing Education, preparam alunos para atuar em m\u00faltiplos dom\u00ednios.<\/p>\n
A MIT vem diversificando vias para forma\u00e7\u00e3o de talentos, com doutorandos em f\u00edsica, estat\u00edstica e ci\u00eancia de dados e bolsas de pesquisa que incentivam a interdisciplinaridade. O objetivo \u00e9 criar cientistas com vis\u00e3o ampla de IA e ci\u00eancia.<\/p>\n
A reuni\u00e3o destacou que lideran\u00e7as em IA e ci\u00eancia devem pensar de forma integrada, n\u00e3o em compartimentos isolados. Recursos s\u00e3o limitados, de modo que prioridades bem definidas orientam resultados.<\/p>\n
A MIT tende a ampliar linhas conjuntas de docentes entre computa\u00e7\u00e3o e \u00e1reas cient\u00edficas, ampliar programas de doutorado interdisciplinares e manter financiamentos \u00e0 \u201cci\u00eancia da IA\u201d. A institui\u00e7\u00e3o j\u00e1 sinaliza esse caminho com contrata\u00e7\u00f5es conjuntas.<\/p>\n","protected":false},"excerpt":{"rendered":"