A trilha de pesquisa em método busca explorar os impactos e as decisões que geram a inteligência artificial
No BI0S – Brazilian Institute of Data Science, centro de inteligência artificial aplicada sediado na Unicamp, a ciência é pensada para gerar soluções concretas para os grandes desafios da sociedade. O centro está organizado em trilhas temáticas que cobrem áreas como saúde e agricultura. Mas há uma trilha que atua de forma transversal, garantindo que todo esse conhecimento se conecte e se expanda: a trilha método.
O objetivo da trilha método é articular saberes. Ela integra pesquisadores de diferentes áreas — das exatas às ciências sociais — e promove a investigação e o desenvolvimento de métodos para a criação da inteligência artificial, além de explorar os impactos sociais da tecnologia. É um espaço de colaboração interdisciplinar voltado à excelência técnica, à inovação metodológica e à transformação social. Mais do que criar algoritmos ou avaliar dados, a trilha busca garantir que a inteligência artificial seja compreendida, aplicada e aperfeiçoada com responsabilidade, transparência e rigor científico.
Sob a coordenação do professor Leonardo Tomazeli Duarte (FCA/Unicamp), a trilha atua como elo entre as diferentes frentes do centro. Leonardo tem trajetória sólida nas áreas de aprendizado de máquina, apoio à decisão e processamento de sinais, e trabalha para consolidar o BI0S como um polo de referência na aplicação estratégica da ciência de dados.
Na prática, a sua coordenação se manifesta em diversas frentes. A trilha organiza encontros que alinham metodologias e fortalecem o trabalho coletivo — como um workshop anual do centro, que reúne pesquisadores e representantes do setor público e privado. A trilha também lidera iniciativas em projetos estratégicos, como a EBIA (Estratégia Brasileira de Inteligência Artificial), contribuindo com indicadores e benchmarks usados no desenvolvimento de políticas nacionais de IA.
A trilha tem avançado em projetos dedicados a grandes temas contemporâneos da inteligência artificial. Isso inclui o uso de LLMs (Large Language Models), com foco em compactação, eficiência computacional e justiça algorítmica. A equipe também vem atuando no desenvolvimento de ferramentas para detectar e mitigar vieses, criar métodos interpretáveis, mesmo em contextos com poucos dados públicos, e explorar algoritmos não supervisionados para lidar com dados sensíveis.
Por tudo isso, a trilha método representa um esforço de encontro entre ciência e impacto social. Em um mundo cada vez mais complexo, essa trilha mostra que o futuro da inteligência artificial passa, antes de tudo, por inteligência coletiva.
