São Paulo — InkDesign News — Pesquisadores do Laboratório Nacional Argonne e da Universidade de Chicago investigaram o uso de modelos de linguagem grandes (LLMs) baseados em inteligência artificial (AI) por funcionários de um laboratório nacional, analisando como a machine learning está sendo aplicada para acelerar tarefas científicas e operacionais.
Contexto da pesquisa
O estudo, conduzido no Argonne National Laboratory, um centro vinculado ao Departamento de Energia dos EUA, avaliou o uso do Argo, um chatbot interno baseado em LLM lançado em 2024 para acesso seguro a modelos da OpenAI. Os funcionários do laboratório lidam com dados sensíveis, incluindo resultados científicos inéditos, o que torna a segurança e privacidade essenciais para a adoção dessas tecnologias. A pesquisa avaliou o uso do Argo por trabalhadores das áreas de ciências e operações, buscando compreender como cada grupo integra a AI a suas rotinas.
Método proposto
A metodologia envolveu entrevistas, análise de respostas em pesquisas e monitoramento do uso do Argo via telemetria. O modelo em foco são os LLMs, que funcionam tanto como copilotos, auxiliando em escrita de código e texto, quanto como agentes de automação, executando tarefas complexas de forma autônoma. A equipe estudou o impacto do Argo na automação de fluxos de trabalho específicos, como análise de dados científicos e gerenciamento de processos administrativos.
Resultados e impacto
Os resultados indicam que o uso mensal do Argo envolve menos de 10% dos funcionários, mas demonstra adoção crescente. Usuários relataram o uso primário para atividades que permitem verificação fácil dos resultados gerados pela AI. Funcionários da ciência automatizam análise e visualização de dados, enquanto colaboradores de operações automatizam buscas em bases e acompanhamento de projetos. Entre as preocupações, destacam-se a confiabilidade dos modelos, risco de alucinações, privacidade e impacto na publicação científica. Para mitigar riscos, o Argonne promove treinamentos e define políticas claras.
“Ciência é uma área onde a colaboração humano-máquina pode levar a avanços significativos para a sociedade.”
(“Science is an area where human-machine collaboration can lead to significant breakthroughs for society.”)— Kelly Wagman, Ph.D. estudante em Ciência da Computação, Universidade de Chicago
“Sem diretrizes claras, haverá muita variabilidade no que as pessoas consideram aceitável.”
(“Without clear guidelines, there will be a lot of variability in what people think is acceptable.”)— Marshini Chetty, Professora de Ciência da Computação, Universidade de Chicago
O estudo destaca o potencial da machine learning e AI para automatizar tarefas científicas complexas, facilitando o processamento de grandes volumes de dados. Pesquisadores recomendam continuar desenvolvendo interfaces seguras e treinamentos que permitam uso responsável destas tecnologias em ambientes que demandam alta integridade e proteção de informações.
Fonte: (TechXplore – Machine Learning & AI)
