A Meta deslocou seu argumento em favor do código aberto: em vez de se concentrar no acesso, agora aposta em uma infraestrutura compartilhada para a ciência. A ideia é que modelos, dados e bibliotecas validadas, disponibilizados abertamente, gerem mais pesquisa do que o trabalho mantido dentro de uma única empresa. Se os parceiros não aproveitarem esses recursos, a tese fracassa nos próprios termos.
| Documento | Dados |
|---|---|
| Emitido por | Meta |
| Publicado | 20 de novembro de 2026 |
| Texto oficial | about.fb.com |
| Páginas oficiais vinculadas | 2 |
O teste está no documento da Meta “Avançando juntos na ciência: destaques do encontro sobre IA de código aberto para a ciência”, publicado em 20 de novembro de 2026. A empresa afirma que sua equipe de Pesquisa Fundamental em IA reuniu, por dois dias, pesquisadores de universidades, hospitais e empresas em Menlo Park, na Califórnia, para trabalhar em saúde, neurociência, química, ciência dos materiais e matemática. A novidade em relação à recente pesquisa empresarial da Meta em Singapura é a escala do que agora propõe compartilhar: um conjunto de dados cerebrais maior, um modelo atômico mais rápido, disponível também para salas de aula, e uma biblioteca matemática concebida para ser reutilizada.
Um conjunto de dados cerebrais maior, compartilhado abertamente
O compromisso mais claro diz respeito ao Digital Brain Project, conduzido com a Rothschild Hospital Foundation e a Universidade de Montreal. A Meta afirma que o projeto financia pesquisadores para coletar dados cerebrais desidentificados e disponibilizá-los abertamente. No encontro, a empresa anunciou uma meta maior para a coleta: 25,000 horas, ante as 15,000 horas anteriores.
O aumento importa porque o objetivo declarado não é criar um conjunto de dados privado para treinamento. A Meta associa os dados a dois propósitos: compreender melhor a inteligência humana e apoiar pesquisas que possam melhorar a saúde neurológica. O documento não informa um prazo para atingir a nova meta nem detalha como as horas adicionais serão distribuídas entre os locais de coleta. Portanto, o compromisso é mensurável em um aspecto, mas permanece em aberto em outro. Será possível comparar o total alcançado com a meta que a Meta acaba de estabelecer, mas, apenas com este documento, não dá para avaliar o ritmo da coleta nem sua abrangência.
A mesma seção apresenta outra aplicação dos dados. Pesquisadores da Universidade de Pittsburgh mostraram robôs assistivos desenvolvidos com os modelos DINOv3 e SAM 3, da Meta. Segundo a empresa, a equipe planeja apresentar um robô capaz de ajudar uma pessoa a comer e está testando instruções faladas com as palavras do próprio usuário. O benefício alegado é dar mais autonomia às pessoas com deficiência, não obter uma pontuação de laboratório. O documento não indica quando haverá uma demonstração pública e descreve o sistema como planejado e experimental, não como pronto para uso.
Átomos simulados antes de investir em laboratório
A química oferece o mecanismo por trás da tese mais ampla da Meta. Cientistas recorrem a simulações computacionais para selecionar materiais e medicamentos promissores antes de pagar por testes de laboratório. Um modelo que represente os átomos com mais precisão, ou mais rapidez, pode tornar essa triagem inicial mais eficiente.
No encontro, a Meta lançou o UMA Nitro, descrito como uma versão mais rápida de seu Universal Model for Atoms. A empresa relata que, em trabalhos com a Carnegie Mellon e a UC Riverside, modelos UMA identificaram muitas formas cristalinas de moléculas de medicamentos sem dados adicionais de treinamento. O documento explica em termos simples por que isso importa: a forma cristalina de um medicamento afeta a dissolução do comprimido. Se souber antes quais formas são mais prováveis, o pesquisador pode evitar investir numa versão que se comporte mal quando for administrada.
A Meta também afirma que um trabalho com a Universidade de Chicago demonstrou o UMA simulando enzimas inteiras, átomo por átomo. Enzimas são proteínas que impulsionam reações químicas nos seres vivos. Se uma simulação acompanhar uma enzima inteira de forma confiável, argumenta a Meta, os cientistas poderão estudar seu funcionamento e projetar versões modificadas para aplicações em medicina, sustentabilidade e energia. O documento é cauteloso ao descrever essa etapa: apresenta-a como uma ajuda potencial, não como um método concluído. Essa distinção é central à defesa que a Meta faz do código aberto: o modelo é disponibilizado para que outros o testem, e seus limites serão identificados no uso público, não definidos pelo anúncio.
A sala de aula como canal de distribuição
A Meta não restringe o UMA aos grupos de pesquisa. No UMA Playground, os usuários podem criar moléculas, observar ligações se romperem e se formarem e acompanhar reações visualmente. No encontro, a Discovery Education anunciou que a ferramenta já está disponível para professores de química do ensino médio, com materiais de apoio para uso em sala. O RealChem, curso universitário da Arizona State e da Carnegie Mellon, planeja incluir a ferramenta nas atividades dos alunos.
É aqui que o encontro amplia o público de um modelo de pesquisa. Uma simulação inicialmente justificada por aplicações em medicamentos e materiais passa a servir como material didático para estudantes que talvez nunca venham a executar uma simulação de laboratório profissionalmente. Para contextualizar essa mudança, a Meta destaca o amplo público de educadores e alunos da Discovery Education e o uso do RealChem em quase 100 instituições. O dado sobre as instituições é o mais útil: a adoção por um curso depende da decisão de um professor ou departamento, e o uso recorrente em sala mostraria se uma interface de pesquisa consegue resistir às condições comuns do ensino.
A contrapartida também é evidente. Um ambiente visual pode facilitar a compreensão de ligações e reações, mas simplifica o trabalho realizado por um modelo de pesquisa. O documento da Meta não afirma que a versão para sala de aula substitua a formação em laboratório. Apresenta como benefício o acesso e a familiaridade com a ferramenta. É uma promessa mais restrita do que a de fazer descobertas, e mais plausível, porque os professores podem avaliar rapidamente se, depois de usá-la, os alunos compreendem melhor as reações.
Matemática feita para ser verificada uma vez
A seção sobre matemática explica um gargalo diferente. Segundo a Meta, especialistas podem levar meses ou anos para verificar uma nova demonstração. Lean, uma linguagem de código aberto para escrever matemática, permite que um computador verifique cada etapa lógica. Depois que um resultado é escrito e verificado nesse formato, outros matemáticos podem usá-lo como base sem repetir toda a verificação, seja ele de um colega, de um estudante ou de um assistente de IA.
A Meta enfatiza quem mantém o controle. Os matemáticos escolhem as questões e garantem que as afirmações escritas em Lean correspondam ao que pretendem demonstrar. Pesquisadores da FAIR compartilharam projetos para apoiar esse trabalho, entre eles o ATLAS, uma biblioteca aberta que formaliza 26 livros didáticos de acesso aberto e mais de 45.000 definições e resultados verificados por computador.
Esses dois números sustentam o argumento. Uma biblioteca compartilhada só é útil se contiver material consolidado suficiente para servir de base a novos trabalhos e se as pessoas que devem usá-la confiarem nas definições. O ATLAS é apresentado como essa fundação. Seu teste não será o tamanho anunciado na cúpula, mas se matemáticos de fora acrescentarão seus próprios resultados no mesmo formato e citarão a biblioteca como ponto de partida. Segundo a própria Meta, seu papel é fornecer a base formal e as ferramentas, enquanto a comunidade de pesquisa define a agenda.
Uma estratégia aberta avaliada pelo trabalho de outras pessoas
Consideradas em conjunto, as três áreas seguem um mesmo padrão. A Meta oferece um recurso comum que outras pessoas podem examinar e reutilizar: dados cerebrais coletados para divulgação aberta, um modelo atômico disponibilizado para pesquisas e salas de aula e uma biblioteca de matemática verificada. Em cada caso, os parceiros não são meros figurantes. Hospitais e universidades fornecem dados e questões, professores decidem se uma ferramenta é adequada à aula, e matemáticos zelam pelo significado das afirmações formais.
Esse padrão também marca uma mudança em relação aos acordos de manufatura limpa que a Meta publicou no início de novembro, nos quais compromissos de compra de longo prazo deveriam criar oferta. Aqui, o instrumento não é um pedido de compra, mas material compartilhado que deve gerar uso. A abordagem anterior financiava a construção de fábricas. Esta depende de pesquisadores optarem por trabalhar nos formatos abertos que a Meta promove.
O limite do documento é claro. Trata-se do relato da própria Meta sobre sua cúpula, sem teste independente do UMA Nitro, auditoria da coleta de dados cerebrais ou avaliação de professores e matemáticos após um período prolongado de uso. Essas lacunas não esvaziam o anúncio de conteúdo, pois as metas e os lançamentos são específicos o bastante para serem verificados mais adiante. Mas significam que toda afirmação sobre benefícios continua sendo uma alegação da Meta até que os parceiros publiquem seus próprios resultados.
A conclusão decorre da estrutura escolhida pela Meta. Aqui, abertura não é um slogan associado a produtos prontos; é uma aposta de que dados, modelos e bibliotecas compartilhados serão adotados por pessoas que a Meta não controla. A meta mais ambiciosa do projeto cerebral, o lançamento voltado às salas de aula e a expansão do ATLAS oferecem três medidas distintas dessa aposta. Se esses recursos estagnarem, a cúpula parecerá uma vitrine. Se o trabalho de terceiros se acumular sobre eles, a Meta terá demonstrado que oferecer material gratuitamente pode definir os termos em que uma área se desenvolve.
Fonte: Meta, Meta, Introducing Direct: An App Just for Messaging, Meta, Meta’s New Agreements Bring Clean Manufacturing to Data Center Supply Chains · Data:



