Grandes modelos de linguagem podem reduzir pela metade o tempo necessário para a triagem manual de literatura em pesquisas ambientais. A conclusão aparece em uma revisão científica que avaliou o uso de inteligência artificial para organizar informações dispersas sobre poluição e toxicologia.
O estudo foi conduzido por Yunlong Li, Jing Guo e Wei Shi e publicado no periódico Artificial Intelligence & Environment. A análise considera três aplicações principais: triagem de literatura, mineração de conhecimento relacional e extração de dados quantitativos.
Em um dos experimentos examinados, o GPT-4 alcançou 100% de recall ao avaliar quase 12 mil registros científicos de áreas ecológicas e toxicológicas. Os sistemas também conseguem identificar termos relacionados ao contexto e cruzar informações sobre poluentes, vias de exposição e resultados laboratoriais.
Organização de evidências
Esse processamento permite estruturar redes de relações complexas e criar grafos de conhecimento a partir de conteúdos que antes estavam fragmentados. A inteligência artificial também pode coletar dados numéricos, como taxas de degradação, pontos de toxicidade e eficiência de remoção química.
Modelos multimodais são capazes de interpretar gráficos científicos, mas essa aplicação ainda depende de validação manual constante. A revisão ressalta que a conferência por especialistas é necessária para evitar a inclusão de números incorretos, unidades incompatíveis ou associações sem respaldo em bancos de dados definitivos.
Jing Guo, da Universidade de Nanjing, afirmou que os grandes modelos de linguagem podem diminuir o trabalho manual exigido na organização de evidências ambientais. Para ele, a principal função dessas ferramentas é auxiliar especialistas, e não substituí-los.
O autor correspondente também destacou que aplicações confiáveis dependem de tarefas bem definidas, restrições estruturadas, evidências rastreáveis e verificação humana. A recomendação do estudo é usar a tecnologia como suporte à produtividade, mantendo o rigor científico.
