IA criou 16 vírus vivos que nunca haviam existido

Não se tratou de editar um vírus conhecido, trocar um gene aqui ou cortar uma sequência ali. A alegação, noticiada pela BBC, CNN, The New York Times, WIRED, ABC e Scientific American, é que genomas completos foram projetados com sucesso por IA pela primeira vez⁠2⁠3⁠5⁠7⁠8. O modelo de IA no centro do trabalho se chama Evo, descrito na cobertura como Evo 2. Ele foi treinado com dados de DNA para aprender padrões do código genético e, em seguida, gerar genomas virais totalmente novos⁠3⁠5⁠6. Depois, os cientistas sintetizaram esses projetos e testaram se os vírus conseguiam infectar, se replicar e matar em laboratório⁠2⁠4⁠7.

Dos projetos construídos e testados, 16 funcionaram de ponta a ponta⁠2⁠3⁠5⁠7⁠8. A CNN estimou em cerca de 300 o número testado⁠4. Essa proporção importa porque conta duas histórias ao mesmo tempo. A maioria das tentativas da IA falhou, como seria de esperar na biologia. Mas houve sucessos suficientes para provar que o método é real, não teórico. Um sistema capaz de imaginar centenas de milhares de genomas e obter 16 vírus vivos passou da previsão à construção.

O que ganhou vida foram bacteriófagos, vírus que infectam e matam bactérias, inclusive E. coli⁠2⁠4⁠6⁠11. Esse detalhe define tanto o alcance imediato da ciência quanto seus limites imediatos. O experimento não foi anunciado como a criação de um patógeno humano. Foi anunciado como a criação de fagos que atacam bactérias, com testes em laboratório de projetos para um vírus que mata E. coli descritos como tendo superado as expectativas, segundo os pesquisadores de Stanford Brian Hie e Aditi Merchant⁠3⁠6.

Hie e Merchant são os nomes que se repetem na cobertura⁠3⁠5⁠6. O resultado aponta para o uso mais concreto no curto prazo com o qual as fontes concordam: novas maneiras de combater bactérias resistentes a antibióticos⁠4⁠6⁠8⁠11. Os fagos há muito despertam o interesse da medicina porque matam bactérias de uma maneira completamente diferente da dos antibióticos. Se a IA puder criar novos fagos sob demanda, os pesquisadores poderiam, em princípio, projetar agentes para eliminar cepas bacterianas contra as quais os medicamentos não funcionam, desenvolver ferramentas de diagnóstico que revelem infecções e criar novos componentes para biotecnologia e terapia gênica. Essa promessa explica por que os apoiadores veem Evo como um mecanismo de projeto para a biologia, e não apenas como um leitor de DNA.

O The Independent resumiu a reação do público como inspirando partes iguais de esperança e terror⁠10. A frase pegou porque o próprio estudo a suscita. O artigo observa que essa capacidade levanta preocupações relacionadas à biossegurança, à segurança biológica e à contenção biológica⁠3⁠8⁠10. A Scientific American informou que alguns cientistas dizem que a tecnologia poderia ser usada indevidamente⁠3. A WIRED apontou preocupações de que a tecnologia avance mais rápido que a regulamentação⁠8. Nenhuma das reportagens verificadas afirma que esses 16 fagos em particular representem uma ameaça às pessoas. A preocupação diz respeito ao que o método demonstra: que um software pode alucinar um genoma e que pessoas podem então dar vida a ele em laboratório.

A linha do tempo é comprimida. O artigo foi publicado na Science e anunciado na quinta-feira, 6 de agosto de 2026⁠2⁠7⁠10. A cobertura saiu entre 6 e 8 de agosto de 2026, na BBC, CNN, The New York Times, WIRED, Forbes, ABC e Scientific American⁠2⁠3⁠4⁠5⁠6⁠7⁠8⁠9. Essa rapidez reflete o quanto a alegação é incomum. A IA tem sido usada para prever estruturas de proteínas, sugerir edições e examinar DNA. Projetar do zero um genoma viral completo e funcional e observar sua reprodução é um patamar diferente, e as fontes tratam isso como uma estreia⁠2⁠4⁠7.

Há uma divergência clara nos relatos, e os leitores devem conhecê-la, em vez de vê-la encoberta. A Forbes descreve Evo como um modelo de inteligência artificial da OpenAI⁠9, enquanto outras reportagens o atribuem a pesquisadores de Stanford e do Arc Institute⁠3⁠5⁠6. As fontes discordam sobre a origem do modelo. O que é consistente é onde o trabalho foi realizado e publicado — na Universidade Stanford e no Arc Institute, na Science, em 6 de agosto — e o que produziu: 16 vírus viáveis⁠2⁠4⁠7.

A mesma cautela se aplica às salvaguardas. A WIRED observa preocupações de que a regulamentação esteja ficando para trás em relação à ciência, mas nenhuma salvaguarda específica e efetivamente aplicada a vírus vivos gerados por IA é confirmada nas fontes fornecidas⁠8. Essa ausência faz parte da história tanto quanto os próprios vírus. O método foi publicado. A prova de conceito é pública. Os riscos para as pessoas — possíveis ganhos médicos no combate à resistência a medicamentos, de um lado, e o risco de que o uso indevido intencional ou a liberação acidental ultrapasse a fiscalização, de outro — continuam sem resolução na cobertura.

Nada disso exigiu que os pesquisadores começassem com um modelo vivo para copiar. Eles partiram de dados, treinaram um modelo para gerar genomas, sintetizaram os candidatos e deixaram a infecção servir de teste⁠2⁠4⁠7. A maioria falhou. Dezesseis não⁠2⁠3⁠5⁠7⁠8. Na biologia, essa é a diferença entre uma simulação e um organismo, entre o que uma tela sugere e o que uma placa de laboratório confirma.