Agentes de IA extraem 4 000 registos de artigos em 30 minutos

Numa bancada da Penn State, Xu Zhou mede a forma como os materiais alimentares reagem à energia eletromagnética. Os números de que precisa costumam já existir, mas estão em milhares de artigos publicados ao longo de décadas. Uma equipa que lidera mostrou agora que agentes de IA, orientados por especialistas humanos, conseguem ler esses artigos e reunir os valores numa base de dados pesquisável, em muito menos tempo do que antes.

Os engenheiros alimentares recorrem aos chamados dados de propriedades físicas, como as propriedades dielétricas que regem o aquecimento por micro-ondas, para construir modelos matemáticos e simulações computacionais. Esses valores estão muitas vezes escondidos em tabelas, figuras e equações, e não no texto corrido que as ferramentas convencionais de mineração de dados leem. O sistema, chamado AgentXtract, atribui agentes de IA diferentes a formatos diferentes. Extraem os dados numéricos e depois validam, normalizam e organizam-nos, enquanto os engenheiros alimentares escolhem as fontes e garantem que os dados são fiáveis. Para escolher os modelos subjacentes, os investigadores compararam 10 grandes modelos de linguagem da OpenAI, da Google e da Anthropic quanto à precisão, velocidade e custo, usando como referência dados verificados à mão.

A diferença de velocidade é o número que os investigadores mais destacam. Zhou recorda que o mesmo trabalho exigia outrora «um estudante de pós-graduação ou investigador pós-doutoral experiente durante seis meses ou mais». Com os agentes, a equipa recolheu e organizou mais de 4 000 registos de dados experimentais em apenas 30 minutos. Essa rapidez tornou possível a descoberta seguinte. Depois de reunidos, os dados revelaram à equipa uma relação nova e consistente entre a constante dielétrica e o fator de perda em mais de 100 alimentos diferentes. Zhou afirma que essa relação não tinha sido reportada porque reunir tantos dados manualmente era demasiado difícil. A descoberta resulta da compilação da própria equipa e ainda terá de ser verificada por outros investigadores.

A base de dados serve também de repositório de conhecimento para uma IA de uso geral. Numa configuração conhecida como geração aumentada por recuperação (retrieval-augmented generation), a IA pesquisa as entradas verificadas antes de responder, podendo assim indicar uma referência e explicar o resultado. O exemplo de Zhou é uma pergunta sobre as propriedades dielétricas da batata a uma frequência específica, respondida com os dados subjacentes e uma explicação de como essas propriedades afetam o aquecimento por micro-ondas. Para os engenheiros alimentares, o ganho é um acesso mais rápido a dados verificados, o que é importante para o desenvolvimento de produtos e a conceção de processos. Zhou defende que o método não se limita à ciência alimentar. Os resultados serão publicados no número de março de 2027 do Journal of Food Engineering, e o artigo não indica quando a base de dados ficará aberta a outros utilizadores.