Pode a IA criar novas teorias sobre os fundamentos do universo com base nos vastos dados que a humanidade coleciona ?

Com a humanidade a acumular volumes sem precedentes de dados astrofísicos e de física de partículas, poderão as ferramentas de inteligência artificial inspirar quadros totalmente novos para a estrutura do universo — para além do alcance dos modelos padrão atuais? Embora a IA se destaque na peneiração de sinais e na deteção de correlações, ainda não produziu, por si só, uma teoria cosmológica paradigmática que rivalize com a profundidade da mecânica quântica ou da relatividade geral.

Background

Trabalho recente em cosmologia computacional mostrou que a aprendizagem profunda pode reconstruir mapas de matéria escura a partir de levantamentos de lentes gravitacionais fracas e algoritmos de regressão simbólica podem rederivar as leis de Kepler ou a lei de Ohm diretamente a partir de dados de séries temporais, demonstrando que a IA pode recuperar ou interpolar física conhecida quando recebe entradas limpas e de alta qualidade (Nature 594, 2021; PRX 12, 2022). Na física de partículas, autoencoders de redes neuronais comprimem eventos ao nível do detetor em espaços latentes de baixa dimensão e sinalizam anomalias que não se ajustam ao Modelo Padrão (Nature 600, 2021). Técnicas semelhantes foram aplicadas a simulações de formação de galáxias, identificando características subtis na função de massa halo-estelar que se correlacionam com processos de feedback bariónico (MNRAS 511, 2022). Projetos como o Dark Energy Survey, o Large Synoptic Survey Telescope e o Square Kilometre Array devem fornecer catálogos de multi-petabytes dentro da próxima década, expandindo o espaço de busca por leis físicas emergentes (arXiv:2303.08151). Apesar destes sucessos, as tentativas de usar IA para postular teorias fundamentalmente novas — como modificar a gravidade em escalas cosmológicas sem invocar energia escura ou reconciliar a teoria quântica de campos com a relatividade geral através de fluxos de grupo de renormalização orientados por dados — permanecem especulativas e ainda não produziram uma única teoria que resista a escrutínio experimental independente (Living Reviews in Relativity, 26:3, 2023).