A IA pode prever o vencedor de um Prémio Nobel de Física ou Química com 85% de precisão uma década antes ?

As previsões do Prémio Nobel dependem da identificação de contribuições científicas inovadoras, mas muitas vezes imprevisíveis. A IA pode analisar redes de citações, tendências de investigação e padrões históricos para prever laureados prováveis. Esta capacidade reflete o papel crescente da IA na avaliação do impacto científico a longo prazo, embora continue a ser controversa nos círculos académicos.

Background

Predictive efforts rely on mining citation networks, research trends, and past award patterns to identify scientists whose work is accumulating unusually strong and fast-growing influence. Early studies reported modest early-warning signals—accuracies of only 40–60 % when projecting major prizes five or more years ahead—raising questions about scalability to a full decade. Work that claims 85 % accuracy often depends on small, hand-curated datasets or post-hoc labeling rather than rigorous out-of-sample validation over multiple decades of Nobel history. Independent assessments emphasize the role of unquantifiable committee judgments and idiosyncratic factors in the Royal Swedish Academy of Sciences’ selection process, arguing that deterministic prediction at such strict thresholds remains infeasible.