IA prevê vencedores do Nobel 2026, com GLP-1 e Can Xue como favoritas

A Deutsche Welle fez uma pergunta simples a nove sistemas de inteligência artificial: quem deveria ganhar o Prêmio Nobel em 2026? Os chatbots consultados foram Africa GPT, ChatGPT, Claude, Copilot, DeepSeek, Gemini, Grok, Meta AI e Mistral. O que emergiu foi um retrato tanto das capacidades quanto dos limites fundamentais de como essas máquinas entendem o mundo.

Os Prêmios Nobel, que distribuem aproximadamente um milhão de euros e uma medalha de ouro com a imagem de Alfred Nobel, são concedidos em cinco categorias principais: Medicina, Física, Química, Literatura e Paz, além do Prêmio em Ciências Econômicas em Memória de Alfred Nobel, que tecnicamente não faz parte dos prêmios originais. Quando as IAs foram questionadas sobre seus palpites, algumas áreas produziram consenso notável, enquanto outras revelaram confusão e erros básicos.

Na categoria de Medicina, seis dos nove sistemas apontaram na mesma direção: as descobertas relacionadas ao GLP-1, um hormônio intestinal que sinaliza saciedade ao cérebro. Cinco desses chatbots concordaram especificamente em nomear três pesquisadores: Daniel J. Drucker da Universidade de Toronto, Jens Juul Holst da Universidade de Copenhague e Svetlana Mojsov da Universidade Rockefeller em Nova York. Esses trabalhos levaram ao desenvolvimento de medicamentos contra diabetes e obesidade, incluindo a semaglutida, comercializada sob nomes como Ozempic. Um sistema de IA descreveu isso como "o prêmio mais óbvio desde a vacina de mRNA", enquanto outro chamou os três cientistas de "a aposta mais segura dos últimos anos". A convergência aqui era impressionante, sugerindo que os algoritmos estavam identificando um padrão claro nos dados disponíveis.

Em Literatura, cinco das nove IAs escolheram a escritora chinesa Deng Xiaohua, que publica sob o pseudônimo Can Xue. Nascida em 1953, ela já era considerada favorita em anos anteriores. O Nobel de Literatura, diferentemente de outras categorias que podem ser compartilhados por até três pessoas, é tradicionalmente concedido a um único indivíduo. Em Química, cinco sistemas apostaram no pesquisador David R. Liu de Harvard, um cientista de 53 anos que desenvolveu técnicas de edição de bases e edição prime, métodos que permitem reescrever seletivamente letras específicas do DNA. Essas técnicas poderiam, em teoria, permitir modificações genéticas em plantas e seres humanos no futuro.

A Física produziu resultados menos conclusivos. A menção mais frequente foi à pesquisadora britânica Nicola A. Spaldin da ETH Zurique, especialista em ciência dos materiais que trabalha com multiferroicos, materiais que podem exibir simultaneamente propriedades magnéticas e elétricas. Mas o Nobel da Paz revelou o verdadeiro limite da tecnologia. Os sistemas não chegaram a nenhum consenso, sugerindo desde a Campanha Internacional para a Abolição das Armas Nucleares até a organização russa de direitos humanos Memorial, passando pela ativista climática Greta Thunberg. O problema era óbvio: tanto a Ican quanto a Memorial já haviam recebido o Nobel. Thunberg recebeu o chamado Nobel Alternativo, não o prêmio em si.

Esses erros apontam para como os sistemas de IA realmente funcionam. Eles identificam padrões em dados públicos disponíveis — citações científicas, prêmios acadêmicos anteriores, cobertura da mídia, listas de previsões. Nas ciências naturais, onde há ampla visibilidade e dados estruturados, como a lista anual da Clarivate de pesquisadores altamente citados, as previsões tendem a ser mais confiáveis. Mas a tecnologia também cometeu erros reveladores. O ChatGPT sugeriu um vencedor para um Nobel de Matemática que não existe. O Copilot tentou conceder um prêmio a um candidato já falecido, violando as regras da Fundação Nobel que só permitem isso se a morte ocorrer após o anúncio oficial. Essas falhas não são bugs menores — são janelas para como essas máquinas processam informação, frequentemente confundindo padrões com compreensão, dados com sabedoria.

O exercício revelou algo importante sobre o estado atual da inteligência artificial. Onde os dados são abundantes e estruturados, os sistemas podem fazer previsões razoáveis. Onde o julgamento humano é central — como na seleção de um prêmio de paz em um mundo complexo — eles tropeçam. As IAs não entendem contexto profundo ou nuance moral. Elas veem padrões e os extrapolam. Quando funcionam, é porque o padrão é real. Quando falham, é porque confundiram correlação com causalidade, ou simplesmente reciclaram informações obsoletas como se fossem atuais.