Ex-pesquisadores da DeepMind captam US$ 50 milhões para criar IA que prioriza perguntas científicas

A Inherent não está construindo mais um assistente científico que responde perguntas, está tentando ensinar a IA a formular as perguntas certas. O Faraday é uma aposta radical em 'ciência nativa de IA', um conceito que vai além da automação de tarefas: ele busca identificar lacunas reais no conhecimento, aquelas 'incógnitas-incógnitas' que nem os pesquisadores sabem que existem, como foi com a penicilina ou o transistor. Isso exige modelos capazes de navegar em espaços hipotéticos, avaliar viabilidade experimental, priorizar risco e impacto, e manter coerência lógica entre teoria, dados e infraestrutura laboratorial. A equipe traz experiência direta em sistemas de auto-aprimoramento (Collins trabalhou em agentes autônomos na DeepMind) e política de IA (ele ajudou a desenhar linhas-guia para a Casa Branca), o que explica por que a empresa se estruturou como corporação de benefício público desde o dia zero.

O financiamento de US$ 50 milhões é grande para uma rodada semente, mas pequeno frente ao padrão atual: Ineffable Intelligence (US$ 1,1 bi), Recursive Superintelligence (US$ 500 mi) e Isomorphic Labs (US$ 2,1 bi em Série B) mostram que investidores estão apostando alto em equipes que saem da DeepMind com visão clara de domínio, não só em algoritmos, mas em como integrar IA à cadeia real de descoberta. A presença da NVentures na rodada da Inherent também não é casual: ela sinaliza que a NVIDIA vê nessa abordagem um caminho para treinar modelos científicos em hardware especializado, não apenas em GPUs genéricas.

Em maio, o CEVIU noticiou dois assistentes científicos baseados em IA que obtiveram sucesso em redirecionamento de medicamentos, mas ambos operavam dentro de problemas bem definidos: 'dado esse composto, quais outras doenças ele pode tratar?'. O Faraday da Inherent, anunciado em 1º de junho, representa uma mudança de paradigma: ele não parte de um dado ou molécula, mas de um espaço de possibilidades ainda não mapeadas. Não é um agente de execução, mas um agente de curiosidade estruturada, e isso é novo até mesmo em comparação com ferramentas como Elicit ou Consensus, que aceleram revisões, mas não geram novas direções de pesquisa.

Se funcionar, o Faraday pode mudar como universidades, fundações e laboratórios públicos alocam recursos escassos. Hoje, 84% dos pesquisadores usam IA, mas quase todos para otimizar etapas já existentes, escrever artigos, analisar dados, buscar literatura. O Faraday ataca o gargalo anterior a tudo isso: a escolha do problema. Um erro nessa etapa custa anos de trabalho e milhões em financiamento. Em áreas como física de materiais ou neurociência, onde experimentos são caros e lentos, priorizar as perguntas certas antes de ligar o equipamento pode encurtar ciclos de descoberta em décadas, não por fazer mais rápido, mas por evitar caminhos sem saída desde o início.