O físico de Harvard Matthew Schwartz criou um kit de ferramentas para cálculos exatos em ciência quantitativa e usou o Claude para encontrar padrões entre domínios diferentes. A ideia central: LLMs (modelos de linguagem) não são bons em imitar colaboração humana, mas são excelentes em reconhecimento de padrões entre áreas.

A abordagem: forneça ao Claude estruturas de cálculo organizadas, deixe que ele identifique conexões entre domínios aparentemente não relacionados (ecologia, genética de populações etc.) e, então, faça com que especialistas validem e direcionem para problemas realmente significativos.

Em essência, é usar LLMs como uma "ferramenta de busca entre domínios" para estruturas matemáticas, e não como um mecanismo de raciocínio. A formulação sobre a incompatibilidade de funcionamento está certeira: continuamos tentando fazer com que LLMs pensem como humanos quando, na verdade, a força deles é a identificação probabilística de padrões em enormes conjuntos de dados.

Conclusão prática para pesquisadores: pare de pedir ao Claude para "pensar" nos problemas passo a passo. Em vez disso, ofereça formatos estruturados e use-o para mapear problemas isomórficos entre disciplinas. O valor real não está no raciocínio em si, mas em enxergar conexões que humanos deixam de perceber por causa dos silos entre áreas.