Uma IA concebida para trabalhar com hipóteses, experiências e correções criou dois métodos capazes de superar ferramentas já utilizadas em bioinformática.
O dispositivo chama-se The Little Scientist, «o pequeno cientista». O seu princípio é simples: em vez de modificar o código e guardar apenas o que funciona, o agente deve anunciar uma hipótese. Em seguida, prevê o resultado esperado, escreve o seu programa, testa-o e compara o que realmente aconteceu com a sua previsão.
Fonte: Wikimedia Commons — Arek Socha, CC0
Esta diferença é importante quando a experiência falha. O sistema recebe informações detalhadas sobre os casos em que o seu programa melhora ou regride. Assim, pode relacionar uma modificação específica com os seus efeitos. Na iteração seguinte, esses resultados servem para construir uma nova hipótese, em vez de recomeçar ao acaso.
Os investigadores testaram este método em duas tarefas relacionadas com a biologia. A primeira consiste em prever o efeito de uma mutação no funcionamento de uma proteína. O sistema elaborou uma estratégia chamada Delta V, que combina vários modelos existentes e ajusta os seus resultados. Na classificação ProteinGym utilizada no estudo, alcança o primeiro lugar segundo as cinco medidas oficiais avaliadas.
O segundo teste dizia respeito ao ADN. Algumas proteínas ligam-se preferencialmente a determinadas sequências curtas. Identificar esses motivos ajuda a compreender como a atividade dos genes é controlada. A IA escreveu do zero um algoritmo chamado DALE para procurar esses motivos nos dados.
Em 132 proteínas que regulam a atividade dos genes, DALE obteve uma pontuação média de 0,842, contra 0,803 do STREME, a ferramenta de referência. Neste teste, o DALE também funcionou 11 vezes mais depressa.
O sistema também prevê uma forma de sair de um impasse. Depois de várias tentativas sem progresso, um segundo agente propõe uma nova forma de abordar o problema, por vezes inspirada noutro domínio. Nas duas experiências, esta mudança de perspetiva contribuiu para melhorias posteriormente desenvolvidas pelo agente principal.
O código e o histórico das experiências são publicados para permitir a reprodução dos testes.