The Leisure to Research | De Proposito Vitae

More than 60,000 abstracts were submitted to ICLR 2027, one of the largest and most prestigious AI conferences in the world. The number is not just a record. It is higher than all submissions to every previous edition combined, from 2013 to 2026.

The same trend shows up on arXiv, one of the largest repositories of scientific papers. In May 2023, it received more than 20,000 submissions in a single month for the first time. By April 2026, it had passed 3 million submissions in total.

Part of this growth comes from the use of AI tools to support, and even replace, parts of the research process, which makes research faster. In March 2026, Lu et al. published “The AI Scientist” in Nature, a system that takes on a research problem from scratch. It generates ideas, writes code, runs experiments, writes the full manuscript and reviews it. One of its papers passed the first round of peer review at an ICLR workshop.

And the trend will continue. At Anthropic, the share of R&D work done autonomously, with only high-level human supervision, went from 1% to 26% between March and August 2026 (Favaro and Wright, 2026, cited in Chan et al., 2026). As models get better at reasoning and at working on their own for many hours, researchers will rely on them more and more.

Peer review is already struggling. ICLR 2026 needed 18,054 reviewers to write 76,139 reviews, and about 20% of its submissions had no author who could serve as a reviewer. With even more work coming, the review process will have to improve, both to keep up and to turn this surplus of work into useful contributions to science. This raises many questions about the future of peer review. Will research become an AI-only process, where AI writes the paper, AI reviews it, and AI writes the rebuttal? Where does this leave us researchers?

One might argue that this is not a problem. If the goal of science is only to produce knowledge, nothing is lost by automating it.

However, it seems that the research community does not want this.

Mathematics gives a hint of why. In 1976, Appel and Haken proved the four colour theorem with the help of a computer. The result was true, and it settled a question that had been open for over a century. Yet many mathematicians were unsatisfied, because no human could check the proof by hand. They had the output, but not the understanding. Bill Thurston later argued that the point of mathematics is not to produce theorems, but to advance human understanding.

Science is indeed much more than what it produces. It was never only the end, but also the means.

In the past, science was a privilege of those with time. Tocqueville makes this the core of a chapter in Democracy in America. He argues that the higher sciences need meditation, time to think, above everything else, and that this was only available to the aristocracy. His model of the theoretical life is Pascal, who put all his intellect into discovering “the most hidden secrets of the Creator”, with no thought of profit. Their science was not aimed at the output, but at the pleasure of the mind.

For years, we have tried to recreate this. A PhD student receives a stipend that pays the bills and buys time. Who would not love to have time to think? It is the aristocratic privilege.

If science is also the means, and the means needs time, then being a researcher is our chance to do science for its own sake. Take it.

In 2026, with AI producing more and more of the output, being an aristocrat means doing science for the gratification of the mind. That is the part of science that cannot be automated, because it was never about the output.

Mais de 60.000 asbtract foram submetidos à ICLR 2027, uma das maiores e mais prestigiadas conferências de IA do mundo. Este número não é apenas um recorde, mas superior ao total de submissões de todas as edições anteriores, de 2013 a 2026, somadas.

A mesma tendência repete-se no arXiv, um dos maiores repositórios de artigos científicos. Em maio de 2023, a plataforma recebeu mais de 20.000 submissões num único mês pela primeira vez. Em abril de 2026, já tinha ultrapassado a marca dos 3 milhões de submissões no total.

Parte deste crescimento deve-se à utilização de ferramentas de IA para apoiar, e até mesmo substituir, partes do processo de investigação, o que acelera o processo. Em março de 2026, Lu et al. publicaram “The AI Scientist” na revista Nature, um sistema que aborda um problema de investigação a partir do zero. Gera ideias, escreve código, executa experiências, redige o manuscrito completo e revê-o. Um dos artigos desenvolvidos por este sistema passou pela primeira ronda de revisão por pares num workshop da ICLR. E esta tendência continuará. Na Anthropic, a quota de trabalho de I&D realizado de forma autónoma, com apenas supervisão humana de alto nível, passou de 1% para 26% entre março e agosto de 2026 (Favaro e Wright, 2026, citado em Chan et al., 2026). À medida que os modelos se tornam mais eficientes no raciocínio e no trabalho autónomo durante longas horas, os investigadores dependerão cada vez mais deles.

A revisão por pares já enfrenta dificuldades. A ICLR 2026 necessitou de 18.054 revisores para escrever 76.139 avaliações, e cerca de 20% dos artigos submetidos não tinham um autor que pudesse atuar como revisor. Com o aumento ainda maior da procura, o processo de revisão terá de ser melhorado, tanto para acompanhar o ritmo como para transformar este excedente de trabalho em contribuições úteis para a ciência. Isto levanta muitas questões sobre o futuro da revisão por pares. A investigação tornar-se-á um processo exclusivamente automatizado pela IA, em que a IA escreve o artigo, a IA o revê e a IA escreve a réplica? Onde é que isto nos deixa, investigadores?

Poder-se-á argumentar que isso não é um problema. Se o objetivo da ciência é apenas produzir conhecimento, nada se perde com a sua automatização.

Contudo, parece que a comunidade científica não deseja isso.

A matemática dá uma pista do porquê. Em 1976, Appel e Haken provaram o teorema das quatro cores com a ajuda de um computador. O resultado era verdadeiro e resolveu uma questão que estava em aberto há mais de um século. Ainda assim, muitos matemáticos ficaram descontentes, porque nenhum ser humano conseguia verificar a demonstração manualmente. Tinham o resultado, mas não a compreensão. Bill Thurston defendeu mais tarde que o objetivo da matemática não é produzir teoremas, mas sim promover a compreensão humana.

A ciência é, de facto, muito mais do que aquilo que produz. Nunca foi apenas o fim, mas também o meio.

No passado, a ciência era um privilégio daqueles que dispunham de tempo. Tocqueville faz disto o tema central de um capítulo de “A Democracia na América”. Defende que as ciências superiores precisam de meditação, de tempo para pensar, acima de tudo, e que esta só estava ao alcance da aristocracia. O seu modelo de vida teórica é Pascal, que dedicou todo o seu intelecto à descoberta dos “segredos mais ocultos do Criador”, sem pensar no lucro. A sua ciência não visava o resultado, mas o prazer da mente.

Durante anos, tentámos recriar isso. Um estudante de doutoramento recebe uma bolsa que paga as contas e compra tempo. Quem não gostaria de ter tempo para pensar? É o privilégio aristocrático.

Se a ciência é também o meio, e o meio precisa de tempo, então ser investigador é a nossa oportunidade de fazer ciência por si só. Aproveita!

Em 2026, com a IA a produzir cada vez mais resultados, ser aristocrata significa fazer ciência para gratificação da mente. Esta é a parte da ciência que não pode ser automatizada, porque nunca se tratou do resultado.