Inherent, Startup de Ex-Google DeepMind, Demonstra Avanço Significativo em IA para Pesquisa Científica
Uma nova startup londrina, a Inherent, fundada por ex-membros do Google DeepMind, está chamando a atenção com seu agente de IA, Faraday. A empresa alega que Faraday superou modelos muito maiores de gigantes como Anthropic e OpenAI em uma tarefa específica: replicar de forma independente os resultados de artigos científicos publicados, sem acesso prévio às respostas.
Embora Inherent tenha operado com menos holofotes que seus rivais mais financiados, a equipe britânica agora revela o que tem construído. Apenas semanas após sair do modo furtivo com um aporte de US$ 50 milhões em rodada semente, a startup anuncia que seu agente de IA, Faraday, demonstrou capacidade superior em reproduzir achados científicos.
A capacidade de replicar pesquisas pode parecer um feito secundário diante do objetivo maior da Inherent de criar uma IA capaz de descobrir novo conhecimento científico, e não apenas verificar o existente. No entanto, a replicação de artigos é um exercício padrão para cientistas humanos, como ressalta Edward Hughes, cofundador e cientista-chefe da Inherent, comparando-a ao início da jornada de muitos estudantes de doutorado.
Faraday: Desempenho Impressionante com Modelo Reduzido
O foco da Inherent não esteve apenas em superar outros sistemas de IA, mas na metodologia utilizada para alcançar o resultado. Edward Hughes explicou que a forma de construção do agente foi o aspecto mais intrigante, além da própria superação de modelos de ponta. A eficiência e a abordagem inovadora são pontos que devem atrair investidores.
Em comparação direta, Faraday operou com um modelo significativamente menor, o Qwen 3.6, com apenas 27 bilhões de parâmetros. Em contraste, seus concorrentes, Claude Opus da Anthropic e um modelo similar ao GPT-4.5 da OpenAI, são sistemas de escala muito maior. A Inherent estabeleceu um critério de sucesso que vai além da simples precisão, exigindo que Faraday demonstrasse “gosto pela pesquisa” – a capacidade de intuir quais experimentos são valiosos e como projetá-los adequadamente.
O Papel do Aprendizado por Reforço e “Gosto pela Pesquisa”
Ensinar um conceito intangível como “gosto” é um desafio, e é aí que o aprendizado por reforço entra. Este método de treinamento recompensa o sistema de IA por resultados positivos, em vez de impor regras explícitas. A Inherent optou por essa abordagem baseada em recompensas, acreditando que ela se generalizará melhor para o objetivo de longo prazo de criar agentes capazes de contribuir em diversas áreas científicas.
Hughes enfatiza que a meta é construir um agente de IA cientista, imbuindo-o com “gosto”. Essa orientação molda as escolhas da empresa, como a decisão de não desenvolver sua própria ferramenta de codificação. Em vez disso, Faraday utilizou o Codex da OpenAI, espelhando a prática de cientistas humanos que se apoiam em softwares existentes.
Colaboração e o Modelo de “Teammate” Ideal
A Inherent busca evitar a criação de agentes que apenas confirmem as expectativas dos usuários. O modelo de “colega” ideal, segundo Hughes, é aquele que, após explorar uma ideia, retorna com resultados de experimentos adicionais e busca feedback. Essa mentalidade colaborativa reflete-se na própria estrutura da empresa.
Com uma equipe de doze funcionários trabalhando presencialmente em Londres, a Inherent se beneficia do ecossistema de IA florescente na cidade, impulsionado pela presença de empresas como o Google DeepMind. Hughes considera Londres um polo estratégico para o desenvolvimento de IA.
Desafios e Expansão no Cenário de IA
Apesar do otimismo em relação ao talento em IA em Londres, Hughes também se manifestou sobre a prática de “garden leave” (licença remunerada que impede ex-funcionários de trabalhar em concorrentes), comum no Reino Unido. Ele argumenta que essa restrição pode dar uma vantagem a startups americanas, que geralmente não enfrentam barreiras semelhantes para a contratação de talentos.
Hughes, que enfrentou essa restrição ao fundar a Inherent com outros ex-colegas do DeepMind e um quarto cofundador, planeja expandir a equipe para cerca de 20 a 25 pessoas até o final do ano. Com ambições em modelos de mundo e um cenário de incerteza para alguns funcionários do DeepMind após a nova função de Demis Hassabis, a Inherent pode se tornar um destino atraente para talentos do setor.
Conclusão Estratégica Financeira
A demonstração de Inherent em replicar pesquisas científicas com um modelo menor e eficiente tem implicações financeiras significativas. A capacidade de alcançar resultados comparáveis ou superiores aos de modelos de larga escala, utilizando menos recursos computacionais, sugere uma redução substancial nos custos de desenvolvimento e operação de IA. Isso pode democratizar o acesso a tecnologias de IA avançadas para empresas com orçamentos menores.
A oportunidade reside na aplicação dessa tecnologia para acelerar a descoberta científica e a inovação em setores como farmacêutico, de materiais e energia. Se Faraday puder, de fato, demonstrar “gosto pela pesquisa” e contribuir para novas descobertas, o potencial de retorno sobre o investimento é imenso, impactando diretamente o valuation da Inherent e o mercado de IA para P&D.
Os riscos incluem a dificuldade em escalar essa abordagem para tarefas científicas mais complexas e a necessidade de validação contínua por pares. A concorrência de gigantes com recursos quase ilimitados também é um fator a ser considerado. Para investidores e gestores, a Inherent representa uma aposta em eficiência e em um novo paradigma para o desenvolvimento de IA, focando em qualidade e inteligência em vez de tamanho bruto.
A tendência futura aponta para um mercado de IA cada vez mais segmentado, onde modelos menores e especializados podem coexistir e competir com os modelos generalistas de larga escala. A capacidade de “gosto pela pesquisa” pode se tornar um diferencial competitivo crucial, abrindo caminho para avanços científicos mais rápidos e direcionados, moldando um cenário onde a IA atua como um verdadeiro parceiro na vanguarda da ciência.
Este conteúdo é de caráter exclusivamente informativo e educacional. Não constitui recomendação de investimento, consultoria financeira ou oferta de qualquer ativo. Consulte um profissional habilitado antes de tomar decisões financeiras.
O que você achou dessa nova abordagem da Inherent? Acredita que modelos de IA menores podem realmente desafiar os gigantes do mercado? Deixe sua opinião nos comentários!
