Não humanos ou robôs, mas humanos e robôs
Uma perspetiva para os laboratórios autónomos e controlados por IA do futuro
A urgência da transição para um aprovisionamento energético sustentável exige uma aceleração drástica dos ciclos tradicionais de investigação e desenvolvimento. Os laboratórios autónomos (SDL) impulsionados pela inteligência artificial (IA) poderão desempenhar um papel fundamental neste contexto. Num artigo publicado na revista Nature Catalysis, investigadores do Departamento de Teoria discutem o papel dos seres humanos nos futuros laboratórios autónomos de investigação em catálise.

Ciclo de aprendizagem ativa
© Steffen Kangowski/FHI
Um laboratório autónomo combina a IA com a automação laboratorial e a robótica. A IA planeia as medições, que são depois efectuadas em módulos cada vez mais automatizados (robotizados). Na prática, isto é feito em ciclos de aprendizagem ativa, em que os dados das medições efectuadas no último ciclo aperfeiçoam um modelo de aprendizagem automática, que a IA utiliza para planear as experiências do ciclo seguinte. Desta forma, apenas são efectuadas as sínteses, caracterizações e testes que são mais convenientes com base na informação já obtida em todas as medições anteriores. Ao mesmo tempo, a automatização aumenta o rendimento, a reprodutibilidade e a fiabilidade das medições individuais. Globalmente, isto promete uma aceleração drástica em comparação com as etapas de desenvolvimento tradicionais planeadas e realizadas por humanos.
As implementações iniciais deste novo conceito para a descoberta de materiais catalisadores melhorados centram-se frequentemente na substituição completa das etapas de trabalho humano por robots de síntese. No entanto, na sua análise, o Dr. Scheurer e o Prof. Reuter salientam que a etapa mais morosa da investigação em catálise é geralmente o teste explícito dos materiais a investigar. Precisamente porque a sustentabilidade está a desempenhar um papel cada vez mais importante, o comportamento de degradação tem frequentemente de ser observado no reator durante um longo período de tempo. Por conseguinte, é possível aumentar o rendimento através do desenvolvimento de novos métodos de ensaio especificamente adaptados aos SDL, em vez de os métodos de ensaio existentes serem executados por robots.
O planeamento da experiência pela IA é particularmente importante, especialmente quando o rendimento é frequentemente limitado. Quanto menos ciclos precisarem de ser executados, melhor. Também aqui, o ser humano continuará a ser um fator importante num futuro próximo. As IA actuais podem determinar as melhores experiências possíveis para determinadas condições de enquadramento. No entanto, ainda não podem questionar o quadro em si, alterá-lo fundamentalmente ou mesmo redefinir a questão científica. Estas tarefas criativas são, por enquanto, deixadas aos seres humanos e, consequentemente, deve ser integrada nos circuitos uma função de controlo humano.
No seu artigo, os autores defendem o princípio do "human-in-the-loop" e analisam as consequências para o desenvolvimento futuro das IA para os SDL. Por último, mas não menos importante, as IA têm de ser capazes de reagir de forma flexível, robusta e avaliável às alterações humanas na estrutura dos circuitos. Este desafio metodológico já está a ser abordado nos trabalhos em curso no departamento de teoria.
Observação: Este artigo foi traduzido usando um sistema de computador sem intervenção humana. A LUMITOS oferece essas traduções automáticas para apresentar uma gama mais ampla de notícias atuais. Como este artigo foi traduzido com tradução automática, é possível que contenha erros de vocabulário, sintaxe ou gramática. O artigo original em Alemão pode ser encontrado aqui.