Robótica em Fluxo: Como LLMs e Revisão Pós-Publicação Estão Mudando a Paisagem Acadêmica

A Conferência Internacional de Robótica (ICRA) é considerada o ápice anual das pesquisas em robótica, reunindo mais de 30 mil participantes e mais de 3.000 artigos publicados em suas atas. Em 2023, o ICRA recebeu 2.300 manuscritos, um aumento de 38% em relação a 2019, quando havia 1.700. Esse ritmo de publicação tem deixado pesquisadores e revisores exaustos, pois o volume de trabalho a ser avaliado cresce a cada ano.

Para entender o problema, o painel apresentou dados concretos: o número total de artigos de robótica indexados no Web of Science cresceu de 7.000 em 2000 para mais de 45.000 em 2023, um aumento de mais de 500%. A taxa de publicação em revistas de alto impacto, como IEEE Transactions on Robotics e Autonomous Robots, dobrou nos últimos cinco anos, enquanto o tempo médio de revisação se estendeu de 6 a 12 semanas, refletindo a demanda crescente.

Nesse contexto, os participantes do painel destacaram os grandes modelos de linguagem (LLMs), como GPT-4, Claude 3 e Gemini, como ferramentas potenciais para mitigar o "deluge" de artigos. A ideia é que esses modelos possam atuar como triadores automáticos, analisando a estrutura, o vocabulário e a consistência dos manuscritos antes mesmo que cheguem às mãos dos revisores humanos. Por exemplo, um LLM poderia identificar se o artigo tem um conjunto de dados replicável, se a metodologia segue os padrões da comunidade e se o referência bibliográfica é adequada.

Entretanto, os especialistas alertam para os riscos inerentes: LLMs ainda geram "hallucinations" (informacões fictícias), podem reforçar viás de dados de treinamento e, sem supervisão adequada, podem emitir conclusões imprecisas. A falta de transparência nos algoritmos de aprendizagem de máquina torna útil a adoção de metodologias de "explainable AI" para garantir que as decisões de triagem sejam auditáveis.

Para lidar com esses problemas, o painel propõe a adoção de modelos de revisação post-publica, em que a comunidade tem acesso ao manuscrito revisado e pode comentar, replicar experimentos e sugerir melhorias em tempo real. Esse modelo é semelhante ao que a plataforma arXiv adotou para preprints, mas com um foco maior na qualidade metodológica. A ideia é criar uma "revisão de comunidade" onde cada cálculo de erro e cada questionamento sejam registrados em um repositório aberto.

Uma proposta ainda mais radical foi discutida: a substituição do sistema tradicional de revisação por pares anônimos por um sistema de revisação comunitária guiada por LLMs. Nesse modelo, um algoritmo classifica o manuscrito em categorias (novidade, robustez, replicabilidade) e atribui o trabalho a revisores com perfil de especialização, enquanto o LLM oferece um resumo inicial e sugere perguntas. Essa abordagem pode reduzir em 30% o tempo de revisação, mas requer uma infraestrutura robusta de auditoria.

No contexto brasileiro, a comunidade de robótica tem buscado adaptar essas inovações. O Instituto Nacional de Tecnologia da Informação (ITI) lançou recentemente um projeto piloto para usar GPT-4 como assistente de revisação em revistas de universidades federais, como a UFRJ e a USP. A iniciativa tem como objetivo reduzir o tempo de resposta a revisores internos e garantir a consistência na aplicação de diretrizes de qualidade. Ainda assim, o desafio permanece: a falta de recursos computacionais de alto desempenho e a necessidade de garantir a privacidade de dados sensíveis em pesquisas de mobilidade autônoma.

Economicamente, o aumento da produtividade na publicação pode atrair mais financiamentos internacionais para a pesquisa brasileira. O Conselho Nacional de Desenvolvimento Científico e Tecnológica (CNPq) tem observado que projetos que apresentam publicações de alta qualidade recebem mais recursos, e a adoção de LLMs pode facilitar esse caminho. Entretanto, a dependência de tecnologias estrangeiras (OpenAI, Anthropic, Google) pode gerar problemas de soberania de dados e dependência tecnológica.

Do ponto de vista geopolítico, a corrida por avanços em IA e robótica tem sido marcada por tensões entre EUA, China e demais países. A adoção de LLMs em revisação de artigos pode exacerbar essas tensões, pois a tecnologia ainda está dominada por empresas norte-americanas e chinesas. No entanto, iniciativas de open-source, como o Llama 2 da Meta e o Falcon de EleutherAI, oferecem alternativas para reduzir essa dependência.

Em resumo, o painel do ICRA destacou a necessidade urgente de repensar o modelo de publicação em robótica. A combinação de LLMs como triadores e a adoção de revisação aberta ou post-publica pode oferecer um caminho viável para lidar com a enxurrada de artigos, mantendo a qualidade e acelerando a difusão de conhecimento. O futuro, no entanto, dependerá da capacidade das comunidades acadêmicas e da indústria em integrar tecnologia, reguça e colaboração global.