🚨ACABEI DE LER ALGO CHOCANTE. Pesquisadores acabaram de treinar uma IA para prever quais ideias científicas terão sucesso antes de qualquer experimento ser realizado. Agora, ela é melhor em julgar pesquisas do que o GPT-5.2, Gemini 3 Pro e todos os principais modelos de IA disponíveis no mercado. E aprendeu estudando 2,1 milhões de artigos de pesquisa sem que um único cientista humano lhe ensinasse como é a "boa ciência". Aqui está o que eles fizeram. Uma equipe de pesquisadores chineses construiu dois sistemas de IA. O primeiro, chamado Scientific Judge, foi treinado em 700.000 pares correspondentes de artigos de alta citação vs baixa citação. Cada par veio do mesmo campo e do mesmo período de tempo. O único trabalho da IA: descobrir qual artigo teria mais impacto. E funcionou. A IA agora prevê qual pesquisa terá sucesso com 83,7% de precisão. Isso é mais alto do que o GPT-5.2. Mais alto do que o Gemini 3 Pro. Mais alto do que qualquer modelo de fronteira que existe. Então, eles construíram o segundo sistema. O Scientific Thinker não apenas julga ideias. Ele as propõe. Você lhe dá um artigo de pesquisa e ele gera uma ideia de seguimento com alto potencial de impacto. Quando testado lado a lado com o GPT-5.2, as ideias do Scientific Thinker foram avaliadas como de maior impacto 61% das vezes. Ele está gerando melhores direções de pesquisa do que os modelos de IA mais inteligentes do mundo. Fica mais estranho. Eles treinaram o Judge apenas com artigos de ciência da computação. Depois, eles o testaram em biologia. Física. Matemática. Campos que ele nunca tinha visto. Mesmo assim, funcionou. 71% de precisão em artigos de biologia que nunca foram treinados. A IA não aprendeu o que faz uma boa ciência da computação. Ela aprendeu o que faz uma boa ciência, ponto final. Então, os pesquisadores testaram se ela poderia ver o futuro. Eles a treinaram com artigos até 2024 e depois pediram que julgasse artigos de 2025. Ela previu quais ganhariam tração com 74% de precisão. A IA aprendeu a identificar vencedores antes da comunidade científica. Aqui está o que ninguém está falando. Um modelo de 1,5 bilhão de parâmetros, pequeno pelos padrões de hoje, saltou de 7% para 72% de precisão após o treinamento. Isso é um salto de 65 pontos. A capacidade de julgar a qualidade científica não é uma propriedade emergente de modelos massivos. Pode ser ensinada a sistemas de IA pequenos, baratos e rápidos que qualquer um pode operar....