Co-Authoring with AI: How I Wrote a Physics Paper About AI, Using AI

Este artigo utiliza o processo de redação de um manuscrito de física computacional como estudo de caso para argumentar que, na nova era de colaboração com IA, o papel humano deve evoluir para o de um orientador que garante a lógica física e a integridade acadêmica, exigindo a publicação obrigatória de transcrições completas das interações com a IA como material suplementar.

O essencial

Imagine que você é um arquiteto de luxo e decidiu construir a casa mais complexa do mundo. No passado, você usava ferramentas manuais: martelos, réguas e serras. Você fazia tudo, do desenho à alvenaria.

Mas, neste artigo, o autor (Yi Zhou) conta uma história diferente. Ele diz que, em 2026, ele não usou apenas ferramentas; ele contratou uma equipe inteira de estagiários superinteligentes, mas inexperientes, para ajudá-lo a construir essa casa. Esses "estagiários" são as Inteligências Artificiais (IAs).

Aqui está o resumo da história, traduzido para o português do dia a dia:

1. O Grande Erro: A IA não é uma Máquina Mágica

Muitas pessoas pensam que podem pedir para a IA: "Escreva um artigo científico incrível sobre física" e pronto. O autor diz que isso é um erro. Se você fizer isso, a IA vai criar um texto bonito, cheio de entusiasmo, mas sem alma e com erros graves. Seria como pedir para um estagiário desenhar uma ponte sem saber de física: o desenho fica lindo, mas a ponte cai.

2. A Nova Função: O Arquiteto (Humano) vs. A Equipe (IA)

O autor mudou sua postura. Em vez de ser apenas o "escritor", ele se tornou o Chefe da Obra (Principal Investigator).

• A IA (Os Estagiários): Ela é ótima em organizar ideias, escrever frases bonitas e gerar código rápido. Ela é como um estagiário que lê todos os livros do mundo, mas nunca construiu nada de verdade.
• O Humano (O Chefe): Sua função não é digitar cada palavra. É ensinar, corrigir e supervisionar. Você precisa dizer: "Não, essa parte da física está errada", "Isso soa muito agressivo para o colega de trabalho" ou "Use esta cor para o desenho".

3. A Estratégia "De Dentro para Fora"

O autor explica que você não pode começar pedindo à IA para escrever a introdução. É como tentar escrever o final de um filme antes de ter o roteiro.

• O Truque: Ele primeiro "alimentou" a IA com todo o histórico do projeto. Ele mostrou para a IA como eles conversaram, como corrigiram os erros de código e como chegaram às ideias. Só depois disso, a IA pôde escrever o artigo, porque ela entendia a "história real" por trás da ciência, e não apenas chutes genéricos.

4. Três Momentos Onde o Humano Salvou o Dia

O artigo mostra três exemplos de onde a IA quase estragou tudo e o humano teve que intervir:

• O Erro de Física: A IA disse que a matemática era "contínua" (como um rio), mas na verdade era "discreta" (como pedras em um rio). O autor corrigiu: "Ei, física não funciona assim!".
• O Erro de Terminologia: A IA usou um termo antigo e impreciso para descrever uma partícula. O autor corrigiu para o termo científico moderno e exato.
• A Diplomacia: A IA quase ofendeu os criadores de um software famoso, dizendo que eles eram bagunçados. O autor pediu: "Cuidado! Eles são nossos colegas respeitados. Vamos elogiar o software deles e culpar apenas a confusão da IA".

5. Antecipando o "Criticão" (Reviewer 2)

Em revistas científicas, sempre existe um revisor chato (o famoso "Reviewer 2") que vai procurar qualquer falha.

• O autor usou a IA para prever o que esse crítico diria.
• Exemplo: O crítico poderia dizer: "A IA só copiou e colou códigos da internet, não pensou de verdade".
• A Defesa: O autor instruiu a IA a provar que o código era único e original, mostrando que a IA estava realmente "pensando" com base nas instruções matemáticas, e não apenas memorizando.

6. O Desenho e o Cartum

Até para fazer os desenhos e gráficos, a IA precisou de ajuda. Se você pedir "desenhe uma física quântica", a IA pode desenhar um monstro estranho.
O autor usou a IA como um Diretor de Arte. Ele disse: "Não desenhe uma teia de aranha. Desenhe 5 círculos em linha reta com uma linha passando por eles". A IA entendeu a instrução e fez o desenho correto.

7. A Conclusão: Transparência Total

A mensagem final do artigo é poderosa:

A IA não escreveu o artigo por você. Você dirigiu a IA.

Para garantir que a ciência continue honesta, o autor propõe uma regra nova: Todo artigo feito com IA deve incluir o "diário de bordo" completo.
Isso significa publicar todas as conversas, todos os pedidos e todas as correções feitas pelo humano. Assim, qualquer pessoa pode ler e ver: "Ah, percebo que o humano corrigiu esse erro aqui e guiou a IA ali". Isso quebra a "caixa preta" e prova que a inteligência e a responsabilidade ainda são humanas.

Em resumo:
A IA é como um motor de carro muito potente, mas sem volante. O cientista humano é o piloto. O carro pode ir muito rápido, mas se o piloto não segurar o volante e olhar para a estrada, o carro vai bater. O futuro da ciência não é a IA substituindo o humano, mas o humano aprendendo a pilotar essa máquina incrível com sabedoria.

Resumo técnico

Resumo Técnico: Coautoria com IA em Física Computacional

1. O Problema
A integração rápida de Modelos de Linguagem de Grande Escala (LLMs) na escrita científica desafia as definições tradicionais de autoria, responsabilidade e integridade acadêmica. O problema central identificado é a transição dos computadores de ferramentas determinísticas para "colaboradores virtuais". Sem uma supervisão rigorosa, os LLMs tendem a gerar textos genéricos, alucinações científicas, erros de lógica física (como confusão entre espaços contínuos e discretos) e falhas de diplomacia acadêmica. Existe uma lacuna crítica em como garantir que a contribuição humana permaneça central e verificável quando a IA gera a estrutura sintática e organizacional de um manuscrito.

2. Metodologia
O artigo apresenta um estudo de caso baseado na criação de um manuscrito de física computacional e no desenvolvimento de um motor de rede tensorial, utilizando uma abordagem de "Humano no Loop" (Human-in-the-Loop - HITL). A metodologia envolveu:

• Grupo de Pesquisa Virtual (Multi-Agente): O autor atribuiu papéis acadêmicos específicos a diferentes instâncias de LLMs:
  • LLM-0 (Teórico Júnior): Extração de equações brutas.
  • LLM-1 (Pós-doutor Sênior): Criação de especificações matemáticas rigorosas em LaTeX.
  • LLM-2 (Programador): Implementação final em Python.
• Estratégia de Escrita "De Dentro para Fora" (Inside-Out): Em vez de começar pela introdução, o processo iniciou com o Carregamento de Contexto. O autor forneceu ao LLM de escrita todo o histórico de interações, especificações matemáticas e detalhes do experimento para evitar generalizações paramétricas.
• Mentoria Ativa e Correção de Erros: O autor atuou como Investigador Principal (PI), intervindo em três frentes críticas:
  1. Rigor Físico: Correção de erros conceituais (ex: distinguir entre ordem topológica oculta e ordem topológica protegida por simetria - SPT).
  2. Diplomacia Acadêmica: Reescrita de afirmações agressivas sobre bibliotecas de código de terceiros para manter o respeito profissional.
  3. Antecipação de Revisores: Previsão de críticas de revisores ("Reviewer 2") sobre contaminação de dados e contradições de capacidade do modelo, integrando defesas lógicas no texto.
• Direção de Arte Multimodal: O uso de um LLM de texto para atuar como "Diretor de Arte", gerando prompts técnicos e restritos para um gerador de imagens, garantindo que as figuras (ex: diagramas de Estado Produto Matricial - MPS) fossem fisicamente precisas e não alucinassem conceitos errôneos.

3. Principais Contribuições

• Redefinição do Papel Humano: O autor demonstra que a contribuição humana migrou da redação de texto "boilerplate" para o direcionamento intelectual de alto nível, atuando como mentor que define a curricula, corrige a física e garante a verdade científica.
• Validação de Raciocínio Simbólico: O estudo prova que, quando fornecidos com um contexto matemático restrito (especificações LaTeX), os LLMs podem transitar de gerar pseudocódigo alucinado para produzir software rigoroso, superando a limitação de "zero-shot".
• Protocolo de Transparência Radical: Propõe-se que a interação com IA deve ser tratada como "dados brutos experimentais". A contribuição central é a exigência de que transcrições completas e não editadas das interações humano-IA sejam publicadas como material suplementar obrigatório.

4. Resultados

• Eficiência: Uma tarefa que tradicionalmente levaria meses a estudantes de pós-graduação (desenvolvimento de um motor de rede tensorial e redação do manuscrito) foi concluída em menos de 24 horas.
• Qualidade Científica: O manuscrito resultante evitou erros físicos fundamentais e alucinações que teriam ocorrido se a IA tivesse operado sem supervisão. A distinção entre "ordem topológica" e "ordem topológica protegida por simetria" foi aplicada corretamente, e a diplomacia acadêmica foi mantida.
• Reprodutibilidade: O código gerado demonstrou raciocínio in-contexto (derivando matrizes únicas) em vez de simples memorização de repositórios públicos, provado pela divergência em derivações não padrão.
• Disponibilidade de Dados: Todos os prompts, respostas iterativas e transcrições foram disponibilizados publicamente em um repositório GitHub para verificação independente da supervisão humana.

5. Significado e Implicações
Este artigo estabelece um novo paradigma para a autoria científica na era da IA. Ele argumenta que a automação total é insuficiente e perigosa para a integridade da ciência. A solução proposta é a transparência radical: ao publicar as transcrições das interações, a comunidade científica pode:

1. Desmistificar a "caixa preta" da IA generativa.
2. Provar que o pesquisador humano estava ativamente guiando a lógica e corrigindo erros.
3. Manter a responsabilidade (accountability) e a integridade do registro científico.

O trabalho sugere que, no futuro, a publicação de diálogos completos com IA deve ser um requisito padrão para manuscritos que utilizam essas ferramentas, transformando a interação humano-IA em um processo de colaboração verificável e mentorado.