 |
AIShot |
Shot Matinal · 06h
24 JUN · Nº 016
|
|
|
Bom dia, cafeinado.
Por trás de cada manchete sobre IA existe um dado que sustenta (ou derruba) a história. Hoje a curadoria é sobre os números que a ciência já mediu: proteínas dobradas, erros despencando, poder de cálculo dobrando. Tudo verificado, nada de promessa. Vira o shot. ☕
|
|
No shot de hoje | 🧬 | 200 milhões de proteínas |
| 📊 | Máquina x humano nos benchmarks |
|
|
|
|
I · A Manchete
Uma IA previu a estrutura de 200 milhões de proteínas e rendeu um Nobel de Química
O AlphaFold, da DeepMind, resolveu em 2020 um problema que a biologia perseguia há 50 anos: prever a forma tridimensional de uma proteína a partir da sequência. O banco de dados aberto do projeto cobre cerca de 200 milhões de estruturas, praticamente todas as proteínas catalogadas pela ciência. Em 2024, Demis Hassabis e John Jumper receberam o Nobel de Química pelo trabalho. Antes do AlphaFold, determinar uma única estrutura podia custar anos de laboratório.
|
Por que importa
É o exemplo mais sólido de IA acelerando ciência de verdade: remédios, enzimas e vacinas dependem de saber a forma das proteínas. |
Wikipedia →
|
|
O número do dia
200 milhões
Estruturas de proteína previstas e publicadas em banco aberto pelo AlphaFold. O acervo experimental humano, acumulado em décadas, tinha na casa das centenas de milhares.
|
|
|
|
II · O Essencial
 Marco
Uma rede neural treinada em duas placas de vídeo caseiras detonou a competição de visão computacional em 2012 A AlexNet, criada por Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton, venceu o desafio ImageNet de 2012 com taxa de erro de 15,3%, contra 26,2% do segundo colocado. Uma distância inédita na competição. O detalhe: o treino rodou em duas GPUs de consumo, do tipo usado para jogos. Foi a prova de que dados em massa mais placas de vídeo batiam décadas de engenharia manual.
|
O que significa: Esse resultado disparou a corrida do deep learning que culminou nos modelos atuais. A indústria de chips nunca mais foi a mesma. |
Wikipedia →
|
 Dado
O poder de cálculo usado para treinar IAs de ponta dobra em ritmo mais rápido que a lei de Moore Os dados compilados pelo Our World in Data mostram que, desde 2010, a computação usada no treino dos sistemas de ponta cresce em ritmo de dobra a cada poucos meses, bem acima do ciclo clássico de dois anos dos chips. GPT-4 e similares usaram bilhões de vezes mais cálculo que os sistemas pioneiros dos anos 50.
|
O que significa: O motor do progresso recente em IA é menos genialidade nova e mais força bruta crescendo em curva exponencial. |
Our World in Data →
|
 Clássico
O teste mais famoso da computação nasceu de um jogo de salão em 1950 Alan Turing propôs no paper Computing Machinery and Intelligence um jogo de imitação: se um juiz conversando por texto não distingue máquina de humano, a pergunta se máquinas pensam perde o sentido prático. Turing escreveu isso quando computadores ocupavam salas inteiras e não existia sequer a palavra software no uso corrente.
|
O que significa: Setenta anos depois, chatbots passam em versões informais do teste, e a discussão só mudou de lugar: a régua agora é utilidade, não imitação. |
Wikipedia →
|
 Dado
Sistemas de IA já superam a referência humana em vários testes padronizados de imagem e linguagem As séries históricas do Our World in Data mostram IAs cruzando a linha do desempenho humano em reconhecimento de imagem, compreensão de texto e fala ao longo da última década, uma categoria por vez. O padrão se repete: anos abaixo da linha, cruzamento rápido, e o teste deixa de ser interessante. Os pesquisadores precisam criar benchmarks novos cada vez mais difíceis.
|
O que significa: Quando alguém disser que IA nunca vai fazer X, vale conferir se X já não caiu em alguma dessas curvas. |
Our World in Data →
|
|
|
|
Rápidas Biologia O problema do dobramento de proteínas era tão difícil que tinha competição própria desde 1994, a CASP, vencida pelo AlphaFold em 2020. Hardware As GPUs que treinam IA hoje nasceram para renderizar videogame: a mesma matemática de pixels serve para redes neurais. Nobel Geoffrey Hinton, um dos autores da AlexNet, ganhou o Nobel de Física de 2024 por redes neurais.
|
|
|
|
III · No Radar · a agenda de hoje Sempre · Anúncios de avanço científico via IA: checar se há banco de dados aberto ou paper revisado por trás, como no caso AlphaFold. Sempre · Curvas de custo e computação de treino, que antecipam quem consegue (e quem não consegue) competir na fronteira.
|
|
|
Recomendação da rede
CryptoShot
É a dose diária de cinco notícias de cripto explicadas, no mesmo formato de 3 minutos. Cripto sem hype, todo dia. Chega no seu email, todo dia às 6h.
|
|
|
|
|
Quiz do shot
Verdadeiro ou falso: o banco de dados do AlphaFold cobre cerca de 200 milhões de estruturas de proteína. (Verdadeiro.)
Clique pra descobrir se acertou.
|
|
|
O que importa em IA, todo dia
Até amanhã, 6h.
AIShot
parte da rede The Shot
|
|