A Inherent, laboratório de inteligência artificial de Londres fundado por ex-pesquisadores do Google DeepMind, apresentou em 14 de agosto o Faraday, um agente de IA que, segundo testes da própria empresa, superou o Claude Opus 4.8, da Anthropic, e o GPT-5.5, da OpenAI, na tarefa de reproduzir resultados de pesquisas científicas. O sistema foi treinado para reconstruir experimentos descritos de forma incompleta em artigos, uma habilidade que a startup considera um passo em direção a IAs capazes de participar de descobertas científicas.
O Faraday tem 27 bilhões de parâmetros e foi avaliado no Replica, ambiente de testes criado pela Inherent especificamente para treinar e medir agentes de IA em tarefas de replicação científica.
O benchmark reúne 310 tarefas extraídas de 100 artigos das áreas de aprendizado de máquina e inteligência artificial aplicada à ciência, incluindo pesquisas sobre processamento de linguagem, ciência de materiais e previsão do tempo.
IA precisa reconstruir o experimento sem ver o resultado
Nos testes, o agente recebe um artigo científico, mas não tem acesso à figura com o resultado que precisa reproduzir. A partir das informações disponíveis no trabalho, deve descobrir como executar o experimento, escolher métodos e recursos e chegar a uma reprodução coerente com as conclusões dos pesquisadores.
Na prática, a tarefa busca reproduzir um dos desafios enfrentados por cientistas quando tentam repetir estudos publicados: artigos costumam registrar o método e os resultados finais, mas nem sempre documentam todas as tentativas, decisões e ajustes feitos durante a pesquisa.
Segundo a Inherent, o Faraday produziu reproduções mais fiéis do que os sistemas usados como referência em todas as categorias avaliadas no Replica. Claude Opus 4.8 foi executado por meio do Claude Code, enquanto o GPT-5.5 utilizou o ambiente Codex.
A empresa também afirma que o agente apresentou melhor desempenho em pesquisas mais recentes, incluindo trabalhos que não faziam parte dos dados disponíveis durante o treinamento original de seu modelo-base.
Faraday tenta aprender a tomar decisões como um pesquisador
O objetivo da Inherent não é apenas ensinar uma IA a executar código ou seguir instruções de um artigo. A empresa quer desenvolver o que chama de “research taste”, ou “gosto científico”: a capacidade de identificar quais hipóteses vale a pena investigar, escolher experimentos adequados e avaliar se os resultados realmente sustentam uma conclusão.
Para desenvolver essa habilidade, o Faraday foi treinado com aprendizado por reforço de longo prazo. Nesse método, o sistema recebe sinais de recompensa de acordo com a qualidade das decisões e dos resultados obtidos ao longo de várias etapas, em vez de depender apenas de instruções previamente definidas.
Como não existe uma resposta única e perfeitamente verificável para muitos experimentos científicos, a Inherent criou critérios específicos para avaliar cada tarefa. A empresa também realizou avaliações humanas para verificar se o sistema de pontuação se aproximava do julgamento de pesquisadores.
A ideia é fazer com que o agente aprenda não apenas a chegar a um resultado visualmente parecido, mas também a respeitar o método científico, utilizar os recursos disponíveis de forma adequada e preservar as conclusões centrais do estudo original.
Agente menor usa GPT-5.5 Codex como ferramenta
Há uma particularidade importante na comparação. Apesar de o Faraday ter 27 bilhões de parâmetros e ser baseado em uma arquitetura menor que os modelos de fronteira usados no teste, ele não trabalha sozinho.
O sistema utiliza agentes de programação como ferramentas. Durante as avaliações, o Faraday recorreu ao GPT-5.5 Codex para executar parte do trabalho de codificação, de forma semelhante a um pesquisador que utiliza softwares especializados durante um experimento.
Nesse arranjo, o Faraday atua principalmente como a camada responsável pelas decisões científicas: define o que investigar, orienta a ferramenta de programação e avalia os próximos passos.
A Inherent afirma que o agente conseguiu inclusive utilizar, durante os testes, um sistema de programação mais avançado do que aquele empregado em parte de seu treinamento. Para a empresa, isso indica que o conhecimento aprendido pelo Faraday pode ser combinado com ferramentas mais poderosas à medida que novos modelos forem lançados.
Startup mira IA capaz de fazer descobertas científicas
A replicação de pesquisas é apenas uma etapa do projeto da Inherent. No longo prazo, o laboratório pretende desenvolver agentes capazes de formular hipóteses, executar experimentos e encontrar resultados inéditos em diferentes áreas científicas.
A empresa argumenta que aprender a reproduzir pesquisas existentes é um caminho para isso porque obriga a IA a lidar com informações incompletas, testar alternativas e tomar decisões que não aparecem explicitamente nos artigos.
A Inherent saiu recentemente do modo stealth após levantar US$ 50 milhões em uma rodada seed. A companhia tem cerca de 12 funcionários trabalhando presencialmente em King's Cross, em Londres, e pretende ampliar a equipe para aproximadamente 20 a 25 pessoas até o fim do ano.
O resultado apresentado pelo Faraday ainda não demonstra que uma IA seja capaz de substituir pesquisadores ou realizar descobertas científicas de forma independente. Ele mostra, porém, que treinar um agente especificamente para tomar decisões de pesquisa pode melhorar seu desempenho em tarefas científicas complexas — mesmo quando parte do trabalho técnico é delegada a modelos maiores.
