A IA fez ciência de verdade em 3 meses — e é grátis (BootLoops)

Ver no idioma original →

Autoria: Prompt Engineer 48 · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: AI Did Real Science in 3 Months — and It’s Free (BootLoops) · Canal: Prompt Engineer 48 · 05:13 · Assistir no YouTube

Tópicos: Agentes de IA, Avaliação e benchmarks de IA, Open source e ecossistemas de software, Saúde e ciência

Resumo

BootLoops é um toolkit open source que usa um harness de LLM para realizar cálculos exatos em diferentes áreas científicas. Em três meses, o projeto produziu 36 manuscritos e explorou cerca de 400 problemas, com resultados que precisam passar por verificações numéricas independentes. O vídeo apresenta exemplos de resultados, explica como o sistema funciona e mostra como experimentá-lo. O autor alerta que a ferramenta ainda tem limitações e que a supervisão de especialistas continua essencial.

Pontos-chave

• BootLoops é um toolkit open source, licenciado sob MIT, criado e mantido por Matthew Schwartz.
• O sistema não está limitado a um único modelo e pode funcionar com Claude, Gemini ou ChatGPT.
• Pelo padrão Boot Loops, uma solução precisa ter forma funcional completa e ser avaliável por um script Python com precisão arbitrária.
• Os resultados devem corresponder a valores de referência independentes, em pontos não usados no ajuste, com pelo menos 30 dígitos significativos.
• O projeto relata 36 manuscritos em 18 áreas científicas, com 19 coautores e cerca de 400 problemas candidatos explorados.
• As ferramentas incluem recursos para reduzir integrais, localizar singularidades, fazer aritmética certificada e calcular estatísticas exatas.
• A skill planted truth exige que cada pipeline recupere primeiro uma resposta conhecida antes de trabalhar com dados reais.
• O fluxo de trabalho usa agentes independentes para revisar os resultados e repetir o processo até que não restem correções.
• O autor reconhece limitações como vitórias prematuras do modelo, estimativas ruins de tempo e perda de contexto em sessões longas.
• O projeto não deve ser usado em decisões clínicas, atuariais, de pagamento, regulatórias ou de segurança pública.

Capítulos

Início	Capítulo	Resumo
00:00	O que é BootLoops	Apresenta o toolkit, sua origem, a licença e a ideia de usar um harness de LLM para cálculos científicos exatos.
01:02	Como os resultados são verificados	Explica os números do projeto, o padrão de validação e as ferramentas e skills que ajudam a conferir os cálculos.
02:03	Resultados em diferentes áreas	Reúne exemplos de aplicações relatadas em física, ecologia, genética, economia, linguística e políticas de saúde.
03:40	Como executar e quais são as limitações	Descreve o fluxo com agentes, as opções para experimentar o toolkit e os limites que exigem supervisão humana.

Citações

Você não precisa confiar na IA. Pode executar o script e verificar por conta própria. — 01:33

Cada pipeline precisa recuperar primeiro uma resposta conhecida antes de poder tocar em dados reais. — 02:03

Em quase todos os casos, Claude estava tecnicamente correto, mas o resultado não era muito interessante até que um especialista o orientasse. — 04:43

O lado bom: cada resultado pode ser verificado. É open, não depende de um único modelo, e o trabalho é real. — 05:13

Conceitos e entidades

• BootLoops (ferramenta): Toolkit open source que permite a modelos de IA realizar cálculos exatos em ciência quantitativa.
• Matthew Schwartz (pessoa): Físico de Harvard que criou e mantém o BootLoops.
• Claude (modelo): Modelo usado no desenvolvimento e em sessões de trabalho descritas no vídeo.
• Gemini (modelo): Um dos modelos com os quais o BootLoops pode funcionar.
• ChatGPT (modelo): Um dos modelos com os quais o BootLoops pode funcionar.
• Anthropic (empresa): Empresa que financiou o projeto enquanto Matthew Schwartz era pesquisador visitante, sem que o toolkit fosse um produto oficial da empresa.
• S-matrix bootstrap (conceito): Abordagem da física de partículas que inspirou o nome do BootLoops.
• Boot Loops standard (conceito): Critério que exige uma solução funcional completa, avaliável por código e validada contra referências independentes com alta precisão.
• planted truth (conceito): Protocolo que exige que um pipeline recupere uma resposta conhecida antes de ser aplicado a dados reais.
• Claude Code (ferramenta): Ferramenta mencionada como uma opção para abrir o repo e usar o toolkit.

Tradução completa (pt-BR)

00:00 Certo. Neste vídeo, vamos conhecer o Boot Loops, um kit de ferramentas gratuito e open source que permite que uma IA faça ciência exata. Em 3 meses, ele produziu 36 manuscritos. Vamos ver como. O Boot Loops foi criado por Matthew Schwartz, físico de Harvard. Foi lançado em 1º de outubro de 2026, e o código é licenciado pelo MIT, então você pode usá-lo, modificá-lo e desenvolver a partir dele. Veja o que vamos abordar: o que é, como se mantém honesto, o que realmente descobriu e como você pode executá-lo por conta própria. Também vou contar onde ele deixa a desejar. Então, o que é

00:30 isso? É um harness de LLM. Isso significa um conjunto de ferramentas e instruções que um modelo de IA, como Claude, usa para fazer cálculos exatos em ciências quantitativas. Exatos, não apenas aproximadamente corretos. O nome vem do bootstrap da matriz S, na física de partículas. A ideia é que alguns princípios gerais podem fornecer respostas muito precisas quase de graça. Tudo começou com amplitudes de espalhamento e depois se espalhou para outras áreas. Matthew criou isso com Claude. Ele começou quando Claude Fable 5 foi lançado, no verão de 2026, enquanto era pesquisador visitante na

01:02 Anthropic, que financiou o projeto. Mas atenção: não é um produto oficial da Anthropic. Ele próprio é o proprietário e responsável pela manutenção. E a ferramenta não está presa a um único modelo. Funciona com Claude, Gemini ou ChatGPT. Então, se os modelos mudarem no ano que vem, o harness continua. Agora, veja os números: em 3 meses, 36 manuscritos em 18 áreas científicas, com 19 coautores e cerca de 400 problemas candidatos explorados. Eis a regra que faz isso funcionar. Eles a chamam de padrão Boot Loops. Um problema só é considerado resolvido quando sua forma funcional completa é conhecida

01:33 e um script Python consegue avaliá-la com qualquer precisão desejada em um laptop. E há um critério de validação: a resposta precisa corresponder a valores de referência independentes, em pontos que nunca foram usados em nenhum ajuste, com pelo menos 30 dígitos significativos. 30 dígitos, sem conversa fiada. Assim, você não precisa confiar na IA. Pode executar o script e conferir por conta própria. Acho que essa é a verdadeira ideia aqui, e é muito boa. O site do próprio kit de ferramentas lista mais de 50 ferramentas com nomes específicos, e o lançamento inclui 49 pacotes distribuídos por seis repositórios. Há ferramentas para

02:03 reduzir integrais, encontrar singularidades, fazer aritmética certificada e obter estatísticas exatas. Um exemplo é a aritmética exata. Ela acompanha o erro real a cada etapa, então consegue dizer quais dígitos têm exatidão comprovada, e nunca entrega uma resposta errada com confiança. Há também skills de protocolo, que são instruções para a IA. Uma delas se chama verdade plantada. Todo pipeline precisa recuperar primeiro uma resposta conhecida antes de poder lidar com dados reais. É uma verificação muito inteligente. Agora, os resultados. Em física de partículas, Claude trabalhou em 30 integrais de ponta: 15

02:35 reproduziram resultados conhecidos, e 15 foram calculadas pela primeira vez. O texto do projeto afirma que ele reproduziu um artigo de física de partículas em 20 minutos, algo que levaria semanas de programação manual. Em ecologia, resolveu uma equação de 20 anos e descobriu que a mistura de espécies de árvores em uma floresta muda 4,5 vezes mais rápido do que a teoria previa. Em genética de populações, resolveu uma integral de 30 anos e analisou 5,7 bilhões de pares de mutações do Projeto 1,000 Genomes. Em economia, verificou 4.452 pacotes de replicação. O

03:08 relatório diz que identificou discrepâncias em 3.460 deles e acelerou os cálculos em 10 vezes em 496 artigos. Em linguística, criou um banco de dados de acentuação tônica que abrange 6.072 idiomas. E, em políticas de saúde, segundo os próprios números do projeto, os limites publicados para a classificação por estrelas do Medicare não atenderam à regra de otimalidade declarada em 104 das 123 computações recentes. O projeto estima que a correção custaria de 900 milhões a 1,4 bilhão de dólares. E tem mais: quem escreveu os Federalist Papers, o cânone de Shakespeare, o

03:40 manuscrito Voynich, o envelhecimento das manchas solares e até a Grande Oxidação, quando o oxigênio começou a se acumular na Terra. 22 áreas, um único kit de ferramentas. Então, como ele funciona? Uma sessão mestre do Claude Code é executada em uma máquina do Google Cloud. Ela distribui tarefas computacionais para vários subagents e verifica o trabalho deles. Os resultados vão para arquivos Markdown, para que nada se perca. O lema de Matthew é: pense melhor, não se esforce mais. E tudo passa por verificação. Vários agents independentes revisam o trabalho e recebem a instrução de serem céticos, para que o modelo não se limite a dizer o que você quer ouvir. Depois, o processo recomeça até que não haja mais

04:12 correções a fazer. Agora, se quiser experimentar, é muito simples. Clone o repo, abra-o no Claude Code ou em qualquer agent que consiga usar arquivos e um shell, e peça que leia o kit de ferramentas. Você também pode adicionar as skills. No Claude Code, digite: plugin marketplace add boot loops ai/skills. Também há opções para Codex, Cursor e Copilot, e tudo de que você precisa é um laptop com acesso a um LLM. A ferramenta também faz portabilidade de software. Ferramentas comerciais como MATLAB e Stata podem ser migradas para Python open source e depois verificadas com base nos

04:43 resultados publicados. Agora, para sermos justos, o autor lista problemas reais. O modelo declara vitória cedo demais. Estima mal o tempo. Escolhe força bruta em vez de uma solução elegante e perde o contexto em sessões longas. A supervisão humana é indispensável. E Matthew diz: “Em quase todos os casos, Claude estava tecnicamente correto, mas o resultado não era muito interessante até que um especialista o direcionasse.” Então, ainda cabe ao ser humano escolher os problemas. Isso é honesto, e gosto disso. Além disso, a ferramenta não se destina a decisões clínicas, atuariais, de pagamento, regulatórias ou de

05:13 segurança pública, e foi testada em Linux e Debian, não no Mac OS. Portanto, leia primeiro a licença e as limitações. Minha opinião: o lado bom é que todos os resultados podem ser verificados. É open source, não depende de um modelo específico e o trabalho é real. O porém é que ainda está no começo. Muitos números são do próprio projeto, e ainda é necessário ter um especialista envolvido. Então, neste vídeo, vimos como o Boot Loops permite que uma IA faça ciência exata e verificável. Se tiver interesse, experimente no seu próprio sistema também e me conte como foi. Vejo você em outro vídeo. Confira o próximo.

Transcrição original

[00:00] All right. In this video we will see Boot Loops a free open-source toolkit that lets an AI do exact science. In 3 months it produced 36 manuscripts. Let’s go ahead and see how. So, Boot Loops comes from Matthew Schwartz, a physicist at Harvard. It was released on October 1st, 2026 and the code is MIT licensed so you can use it, change it, and build on it. Here is what we will go through. What it is, how it keeps itself honest, what it actually found, and how you can run it yourself, and I will also tell you where it falls short. So, what is

[00:30] it? It is an LLM harness. That means a set of tools and instructions that an AI model like Claude runs through to do exact calculations in quantitative science. Exact, not roughly right. The name comes from the S-matrix bootstrap in particle physics. The idea is that a few broad principles give you very precise answers almost for free. It started with scattering amplitudes and then it spread to other fields. Now, Matthew built this with Claude. He started when Claude Fable 5 came out in summer 2026 while he was a visiting at

[01:02] Anthropic and Anthropic funded it. But mind you, it is not an official Anthropic product. He owns and maintains it himself. And it is not locked to one model. It works with Claude, Gemini, or ChatGPT. So, if the models change next year, the harness stays. Now, look at the numbers. In 3 months, 36 manuscripts in 18 scientific fields with 19 co-authors and about 400 candidate problems explored. Here’s the rule that makes it work. They call it the Boot Loops standard. A problem is solved only when you know its full functional form

[01:33] and a Python script can evaluate it to any precision you want on a laptop. And there is a gate. The answer has to match independent reference values at points that were never used in any fitting to at least 30 real digits. 30 digits, no hand-waving. So, you do not have to trust the AI. You can run the script and check it yourself. I think this is the real idea here and it is really good. Now, the toolkit itself the site lists more than 50 named tools, and the release has 49 packages across six repositories. There are tools for

[02:03] reducing integrals, finding singularities, certified arithmetic, and exact statistics. One example is exact arithmetic. It tracks the real error through every step, so it can tell you which digits are proven correct, and it never hands you a confidently wrong answer. And there are protocol skills, which are instructions for the AI. One of them is called planted truth. Every pipeline has to recover a known answer first before it is allowed to touch real data. That is a really smart check. Now, the results. In particle physics, Claude worked on 30 frontier integrals, 15

[02:35] reproduced known results, and 15 were computed for the first time. And the write-up says it reproduced a particle physics paper in 20 minutes, something that would take weeks of manual coding. In ecology, it solved a 20-year-old equation and found that the mix of tree species in a forest changes 4.5 times faster than the theory predicted. In population genetics, it cracked a 30-year-old integral and went through 5.7 billion mutation pairs from the 1,000 Genomes Project. In economics, it checked 4,452 replication packages. The

[03:08] report say it flagged discrepancies in 3,460 of them and sped up the calculations 10 times in 496 articles. In linguistics, it built a word stress database that covers 6,072 languages. And in health policy, on the project’s own numbers, the published Medicare star rating thresholds failed. The stated optimality rule in 104 of 123 recent computations. They put the fix at 900 million to 1.4 billion dollars. And it goes on. Who wrote the Federalist papers, the Shakespeare canon, the

[03:40] Voynich manuscript, sunspot aging, even the Great Oxidation, when oxygen first built up on Earth. 22 fields, one toolkit. So, how does it run? A master Claude code session runs on a Google Cloud machine. It hands out compute to many sub agents and checks their work. Results go into markdown files, so nothing is lost. Matthew’s motto is think smarter, not harder. And everything gets vetted. Several independent agents review the work and they are told to be skeptical, so the model does not just say what you want to hear. Then it goes around again until no

[04:12] corrections are left. Now, if you want to try this, it is really simple. Clone the repo, open it with Cloud Code or any agent that can use files and a shell and ask it to read the toolkit. You can add the skills, too. In Cloud Code, you say plugin marketplace add boot loops ai/skills. There are also routes for Codex, Cursor, and Copilot, and a laptop with access to an LLM is all you need. It also ports software. Commercial tools like MATLAB and Stata can be moved into open Python and then checked against the

[04:43] published results. Now, let’s be fair. The author lists real problems. The model declares victory too early. It guesses time badly. It picks brute force over an elegant answer, and it loses context in long sessions. Human oversight is a must. And Matthew says, “In almost all cases, Claude was technically correct, but the result was not very interesting until an expert steered it.” So, the human still picks the problems that is honest, and I like it. Also, it is not for clinical, actuarial, payment, regulatory, or

[05:13] public safety decisions, and it is tested on Linux and Debian, not on Mac OS. So, read the license and the limits first. So, my take, the good part, every result is checkable. It is open. It is model agnostic, and the work is real. The catch, it is early. A lot of the numbers are the project’s own, and you still need an expert in the loop. So, in this video, we have seen how boot loops lets an AI do exact checkable science. If you’re interested, go ahead and try it on your own system, as well, and let me know how it goes. I will see you in another one. Check out the next video.