E se as "falhas" de um sistema forem, na verdade, o código-fonte da sua inteligência? Em trabalhos recentes, argumentamos que a invenção se comporta como uma transição de fase impulsionada exatamente por essa dinâmica: a novidade é uma resposta termodinâmica à falha de restrições. Quando um sistema não consegue mais resolver suas entradas dentro dos atuais graus de liberdade, ele é forçado a expandir seu espaço representacional – introduzindo novas variáveis efetivas para restaurar a viabilidade. Assim, a inovação não é um acidente; É isso que um sistema viável faz quando o modelo antigo para de fechar. Isso nos permitiu extrair a mecânica compartilhada por trás de diversos fenômenos: descoberta mecânica, criatividade e a centelha de insight. Mostramos que a quebra de simetria é a nova otimização. Mapeamos exaustivamente a paisagem topológica da matéria e dos sistemas musicais e descobrimos que o vetor estabilizador é a imperfeição seletiva: um regime topológico específico que rejeita tanto a perfeição estéril quanto a aleatoriedade incoerente. De forma impressionante, seja no fortalecimento Hall-Petch de ligas de alta entropia, na geometria que impulsiona a função das proteínas ou na evolução cultural das escalas musicais, o corredor para máxima coerência e adaptabilidade é definido por um defeito calculado. A física da resiliência e a matemática da beleza parecem estar executando o mesmo algoritmo. Isso nos permite hackear a pilha vibracional tratando a vibração como um operador universal isomorfo. Estamos liquefazendo a fronteira entre matéria, som e inteligência, criando uma inversão epistêmica: ouvir se torna uma forma de ver e criar. Estamos traduzindo vibrações moleculares de femtossegundos em espectros audíveis para projetar proteínas de novo criando linhas diretas de comunicação entre Bach e a evolução em tempo profundo, e usando a lógica de "glitch" da biologia para construir IA em enxame. A distinção entre o tensor de acentuação de uma teia de aranha e uma composição musical está desmoronando; ambos são atos geradores de construção de mundo sob restrição. Para a IA, a implicação é simples: interpolação não é invenção. A verdadeira invenção estrutural requer sistemas que possam metabolizar a falha de restrição – tratando-a como o ponto exato onde novos graus de liberdade nascem. Com isso, as máquinas superam o antigo paradigma de simplesmente analisar o mundo, mas estão construindo-o. Estamos operacionalizando isso por meio da topologia do mundo pequeno. Quando esses novos graus de liberdade nascem, eles não formam uma bagunça aleatória; Eles se conectam à coerência global por meio de uma conexão de mundo pequeno. Descobrimos que essa conectividade específica de equilibrar motivos locais com atalhos de longo alcance é o pré-requisito arquitetônico para uma construção genuína de mundos. Preprint com a análise completa a seguir – fique ligado. Vamos para 2026, estou animado para ver o que isso traz!

Obrigado, @davidasinclair, essa é uma ótima pergunta! Provavelmente não existe um único "sinal de parada"; em vez disso, o controle de tamanho poderia surgir do feedback entre mecânica, geometria e interações locais das células. Em nosso trabalho com MultiCell, a geometria dos tecidos sozinha prevê futuros rearranjos e divisões, sugerindo que o crescimento para quando mudanças futuras se tornam desfavoráveis mecânica ou topologicamente. Camadas epigenéticas são uma extensão natural próxima, e nosso arcabouço de modelagem deve fornecer um ponto de partida sólido para explorar como essa memória reguladora se acopla à morfodinâmica.

Como um embrião "calcula" sua forma de forma confiável – "célula por célula" – usando apenas interações e mecânicas locais, mas produz um plano corporal global preciso? Estou animado para compartilhar nosso artigo da Nature Methods "MultiCell: aprendizagem geométrica no desenvolvimento multicelular", apresentando #AIxBiology pesquisa liderada por @HaiqianYang e resultado de uma excelente colaboração com Ming Guo, George Roy, Tomer Stern, Anh Nguyen e Dapeng Bi. Um desafio antigo na biologia do desenvolvimento é prever como milhares de células se autoorganizam coletivamente à medida que os tecidos se dobram, dividem e rearranjam. No MultiCell, representamos um embrião em desenvolvimento como um grafo dual que unifica duas visões complementares da mecânica dos tecidos com resolução de célula única: células como pontos móveis (granulares) e células como uma espuma conectada (rede de junção). Isso permite que o modelo aprenda dinâmicas tanto da geometria quanto da conectividade célula-célula. Em filmes de folha de luz 4D de embrião inteiro de gastrulação de Drosophila (~5.000 células), nosso modelo prevê comportamentos-chave das células e o momento dos eventos, incluindo perda de junção, rearranjos e divisões, com alta precisão, em resolução de célula única. Além da previsão, a mesma representação suporta um alinhamento temporal robusto entre embriões e oferece mapas de ativação interpretáveis que destacam os "motores" morfogenéticos do desenvolvimento. O objetivo mais amplo é uma base para a previsão célula a célula em tecidos mais complexos e, eventualmente, para detectar sinais dinâmicas sutis de doenças. Parabéns à equipe por essa colaboração inspiradora com pesquisadores brilhantes para expandir os limites da IA na biologia! Citação: Yang, H., Roy, G., Nguyen, A.Q., Buehler, M.J., et al. MultiCell: aprendizagem geométrica no desenvolvimento multicelular. Nature Methods (2025), DOI: 10.1038/s41592-025-02983-x Links de código/dados estão no manuscrito.