João Miguel Mesquita
A Amazon Web Services anunciou uma ferramenta de código aberto destinada a simplificar a descoberta de dados científicos nas áreas do clima, saúde, genómica e observação da Terra. Apresentada em julho durante a cimeira AI for Good das Nações Unidas, em Genebra, a solução permite que investigadores procurem informação através de uma conversa com um assistente de inteligência artificial.
A ferramenta liga o AWS Registry of Open Data, que reúne mais de 1 100 conjuntos de dados de mais de 400 organizações, a assistentes de IA como o Kiro e o Claude Code. Entre as entidades que disponibilizam informação neste catálogo encontram-se a NASA, a Administração Nacional Oceânica e Atmosférica dos Estados Unidos, os National Institutes of Health e o Allen Institute.
Esta ligação é realizada através de um servidor baseado no Model Context Protocol, conhecido pela sigla MCP. O protocolo funciona como uma camada de comunicação que permite aos assistentes de IA consultar fontes externas de informação e utilizar o respetivo conteúdo nas respostas apresentadas ao utilizador.
Na prática, um cientista deixa de ter de conhecer antecipadamente a localização dos ficheiros, a estrutura dos catálogos ou os mecanismos técnicos de acesso. Pode descrever em linguagem corrente o tipo de informação de que necessita, restringir a pesquisa por área científica ou licença e receber sugestões acompanhadas por descrições e pré-visualizações dos dados.
Um investigador interessado na desflorestação poderá, por exemplo, procurar imagens de satélite adequadas à monitorização da perda de cobertura florestal. Na área da genómica, será possível pedir conjuntos de dados relacionados com doenças raras ou limitar os resultados a conteúdos distribuídos sob determinadas condições de licenciamento.
Segundo a AWS, tarefas de descoberta que podiam consumir várias horas passam a ser realizadas em segundos. A mudança não elimina a necessidade de validar a qualidade, a adequação ou as condições de utilização dos dados, mas reduz o trabalho técnico necessário antes de a investigação propriamente dita começar.
A dificuldade em localizar informação é particularmente relevante em repositórios científicos de grande dimensão. O AWS Registry of Open Data disponibiliza publicamente centenas de petabytes, distribuídos por numerosos formatos, estruturas e áreas de conhecimento. O volume alarga as possibilidades de investigação, mas também torna mais complexa a identificação do conjunto de dados adequado a cada projeto.
O principal efeito da nova ferramenta está, por isso, menos na criação de novos dados do que na construção de uma interface capaz de tornar os existentes mais fáceis de consultar. A inteligência artificial passa a funcionar como uma porta de entrada para um catálogo científico que, até agora, exigia conhecimentos técnicos e várias etapas de pesquisa manual.
Os dados acessíveis através do registo são utilizados em trabalhos relacionados com a modelação da subida do nível do mar, o acompanhamento de surtos de doenças, a monitorização da biodiversidade e o estudo do genoma humano. A simplificação do acesso poderá ser especialmente relevante para equipas com menor capacidade técnica ou recursos limitados, embora a utilização científica continue dependente da interpretação e validação realizadas pelos investigadores.
A Element 84 integrou o servidor MCP no Queryable Earth, uma plataforma orientada para a descoberta e processamento de dados geoespaciais. A integração permite utilizar agentes de IA para encontrar, pré-visualizar e calcular informação disponível no catálogo da AWS, incluindo dados que podem apoiar a resposta a catástrofes e os processos de decisão.
Para o Allen Institute, a utilização deste tipo de tecnologia também pode facilitar ligações entre organizações, disciplinas e conjuntos de dados que tradicionalmente são explorados de forma separada. Essa capacidade de cruzamento poderá ajudar os investigadores a identificar relações que não surgiriam numa pesquisa limitada a um único catálogo ou domínio científico.
O servidor MCP para o AWS Registry of Open Data será disponibilizado gratuitamente como código aberto, sob a licença Apache 2.0. A AWS prevê publicar no GitHub os requisitos técnicos, as instruções de instalação e a documentação necessária para integrar a ferramenta noutros ambientes de investigação.
