AutoSR quer automatizar a descoberta científica com hipóteses persistentes

O sistema AutoSR, sigla para Regressão Simbólica Automática, busca transformar a pesquisa fundamental ao introduzir a ideia de um estado de investigação continuada. Diferente da regressão simbólica tradicional — que ajusta equações a conjuntos de dados, mas descarta o histórico de tentativas e erros —, essa nova arquitetura vincula cada fórmula candidata a um rastro de raciocínio e a uma espécie de revisão por pares simulada por agentes sob uma árvore de busca Monte Carlo. Dessa forma, além de buscar a equação, a ferramenta sintetiza um relatório final com a fundamentação teórica que justifica o resultado.

Em documentos preliminares, a equipe de desenvolvimento alega que o AutoSR recuperou com êxito relações algebricamente equivalentes em nove desafios distribuídos em dois bancos de testes da área, destacando-se a resolução inédita de três problemas do conjunto *cp3-bench* e a superação de seis problemas do pacote *LSR-Transform*. Na análise do Professor, a capacidade de gerar justificativas teóricas ataca diretamente o problema da caixa-preta da inteligência artificial na ciência, representando um embrião da investigação automatizada. Contudo, o Professor ressalta a necessidade de manter o rigor cético, já que o resumo acadêmico inicial carrega viés de autopromoção, exige validação por pesquisadores independentes e omitiu os custos computacionais reais e os detalhes das falhas do processo.

Caso a arquitetura se prove escalável para volumes massivos de dados, o cenário projetado é o de máquinas que não apenas entregam equações, mas submetem teses estruturadas ao crivo dos cientistas humanos. Para atingir esse patamar, no entanto, surge o obstáculo imediato de sustentar memórias de contexto longo e altamente coerentes, impedindo que os agentes autônomos se percam no próprio histórico de pesquisa.