A plataforma faz parte de um movimento mais amplo da universidade para ampliar o uso de inteligência artificial no ensino e na pesquisa. Seu objetivo, porém, é mais específico: ajudar os usuários a navegar pelas coleções da própria NUS, em vez de funcionar como um chatbot generalista para toda a internet.

O que a ferramenta pesquisa

O acervo inicial reúne materiais de dois repositórios da universidade:

• ScholarBank, que armazena artigos, trabalhos e outras produções de pesquisa da NUS;
• Digital Gems, que reúne coleções raras e especiais digitalizadas.

Juntos, eles formam um conjunto inicial de aproximadamente 150 mil itens digitalizados. O material abrange áreas como engenharia, ciências da vida, medicina, humanidades e computação, além de coleções sobre o Sudeste Asiático.

Entre os exemplos citados estão o jornal diário em língua chinesa Lat Pau, fundado em 1881; a primeira edição impressa, de 1817, de The History of Java, de Sir Stamford Raffles; obras literárias da dinastia Tang; e, depois que forem digitalizados e incorporados à plataforma, composições musicais e roteiros originais de Wang Sha.

Como funciona uma busca no AI Sense Maker

Em vez de depender de uma lista de palavras-chave exatas, o usuário pode escrever uma pergunta em linguagem cotidiana. A plataforma oferece modos de pesquisa rápida, iterativa e aprofundada, permitindo escolher entre uma orientação inicial e uma exploração mais extensa.

O sistema foi projetado para entregar diferentes camadas de informação:

1. Uma visão geral estruturada do tema, que ajuda a organizar a questão inicial;
2. Conceitos relacionados, capazes de ampliar ou refinar a busca;
3. Referências e sugestões de leitura, extraídas dos repositórios da NUS;
4. Citações, que levam o usuário de volta ao material original;
5. Um grafo de conhecimento, que mostra relações entre conceitos, disciplinas e fontes.

Uma pergunta sobre por que alguns bairros de Singapura parecem mais quentes, por exemplo, pode revelar conexões entre densidade das construções, vegetação, materiais usados nas obras e áreas com água. O grafo pode relacionar esses pontos a ecologia urbana, ciência ambiental, física atmosférica e microclimatologia.

Na prática, isso coloca o AI Sense Maker como uma camada de orientação para a pesquisa. Ele pode ajudar o estudante a descobrir termos, disciplinas e fontes relevantes antes de decidir o que ler e analisar em profundidade.

Por que o grafo de conhecimento é importante

Uma busca tradicional costuma apresentar uma lista de documentos ordenada por relevância. O grafo de conhecimento oferece outra perspectiva: mostra como as ideias presentes nesses documentos se relacionam.

O grafo do AI Sense Maker é baseado em uma taxonomia administrada pela NUS. Ela foi inicialmente influenciada pelo Wikidata e depois reduzida e refinada para se adequar às coleções da universidade. Esse trabalho de curadoria é importante porque a utilidade do grafo não depende apenas do modelo de linguagem, mas também da forma como os conceitos são definidos e conectados dentro do acervo pesquisado.

Em projetos interdisciplinares, o recurso pode revelar vocabulário especializado ou áreas vizinhas que o usuário não teria incluído na primeira pergunta. Ainda assim, as conexões sugeridas devem ser tratadas como pistas para investigação — e não como prova de que toda relação indicada é academicamente válida.

GPT-4.1, RAG e limites baseados nas fontes

A plataforma usa o GPT-4.1, da OpenAI, combinado com geração aumentada por recuperação, conhecida pela sigla em inglês RAG (retrieval-augmented generation). Em um sistema RAG, o modelo primeiro recupera materiais relevantes de uma coleção definida e depois usa esse conteúdo para elaborar a resposta. O AI Sense Maker foi projetado para fundamentar suas respostas em fontes recuperadas dos acervos da NUS e incluir citações para que o usuário possa conferi-las.

As barreiras de segurança da ferramenta também foram desenhadas para mantê-la concentrada no conteúdo acadêmico da universidade. A plataforma não pretende pesquisar a internet aberta para montar suas respostas. Essa delimitação pode reduzir resultados sem suporte, mas não elimina a necessidade de verificar os documentos citados, interpretar as fontes primárias e avaliar se a resposta representa corretamente as evidências.

O GPT-4.1 é o modelo mencionado nas reportagens sobre o AI Sense Maker. A OpenAI descreve a família GPT-4.1 como dotada de melhorias no seguimento de instruções e na compreensão de contextos longos. Essas características gerais do modelo não significam, por si só, que a plataforma produzirá resultados de pesquisa sem erros.

Limitações atuais e próximas atualizações

A primeira versão terá limitações importantes:

• Ela aceita consultas pontuais e ainda não mantém o contexto de uma conversa ao longo de várias perguntas de acompanhamento;
• Só consegue pesquisar materiais que já tenham sido digitalizados e incorporados aos repositórios relevantes da NUS;
• Pode ajudar a identificar fontes e conexões, mas não é capaz de avaliar todos os argumentos acadêmicos nem de construir a tese final do usuário.

A NUS está desenvolvendo memória do histórico de conversa, para permitir interações de pesquisa mais longas, e transcrição de voz em texto como melhorias futuras.

Por isso, o fluxo mais adequado é usar o AI Sense Maker como ponto de partida: consultar as fontes citadas, comparar interpretações e desenvolver a análise final de forma independente.

A ferramenta pode reduzir o tempo de descoberta?

A NUS estima que a etapa inicial de descoberta e orientação de uma pesquisa, que pode levar cerca de duas semanas, seja reduzida para aproximadamente 30 minutos ou menos com o AI Sense Maker.

Esse número é uma estimativa institucional, não um resultado de produtividade validado de forma independente. Uma expectativa mais cautelosa é que a plataforma reduza o tempo gasto com pistas pouco úteis e ajude o usuário a montar mais rapidamente um conjunto inicial de fontes com citações.

O possível ganho, portanto, aparece sobretudo no começo do trabalho: delimitar o tema mais depressa, encontrar vocabulário melhor para buscas posteriores e enxergar antes as conexões entre disciplinas e coleções. A leitura crítica, a avaliação das fontes e a construção do argumento continuam sendo tarefas humanas.

A plataforma faz parte de um movimento mais amplo da universidade para ampliar o uso de inteligência artificial no ensino e na pesquisa. Seu objetivo, porém, é mais específico: ajudar os usuários a navegar pelas coleções da própria NUS, em vez de funcionar como um chatbot generalista para toda a internet.

O que a ferramenta pesquisa

O acervo inicial reúne materiais de dois repositórios da universidade:

• ScholarBank, que armazena artigos, trabalhos e outras produções de pesquisa da NUS;
• Digital Gems, que reúne coleções raras e especiais digitalizadas.

Juntos, eles formam um conjunto inicial de aproximadamente 150 mil itens digitalizados. O material abrange áreas como engenharia, ciências da vida, medicina, humanidades e computação, além de coleções sobre o Sudeste Asiático.

Entre os exemplos citados estão o jornal diário em língua chinesa Lat Pau, fundado em 1881; a primeira edição impressa, de 1817, de The History of Java, de Sir Stamford Raffles; obras literárias da dinastia Tang; e, depois que forem digitalizados e incorporados à plataforma, composições musicais e roteiros originais de Wang Sha.

Como funciona uma busca no AI Sense Maker

Em vez de depender de uma lista de palavras-chave exatas, o usuário pode escrever uma pergunta em linguagem cotidiana. A plataforma oferece modos de pesquisa rápida, iterativa e aprofundada, permitindo escolher entre uma orientação inicial e uma exploração mais extensa.

O sistema foi projetado para entregar diferentes camadas de informação:

1. Uma visão geral estruturada do tema, que ajuda a organizar a questão inicial;
2. Conceitos relacionados, capazes de ampliar ou refinar a busca;
3. Referências e sugestões de leitura, extraídas dos repositórios da NUS;
4. Citações, que levam o usuário de volta ao material original;
5. Um grafo de conhecimento, que mostra relações entre conceitos, disciplinas e fontes.

Uma pergunta sobre por que alguns bairros de Singapura parecem mais quentes, por exemplo, pode revelar conexões entre densidade das construções, vegetação, materiais usados nas obras e áreas com água. O grafo pode relacionar esses pontos a ecologia urbana, ciência ambiental, física atmosférica e microclimatologia.

Na prática, isso coloca o AI Sense Maker como uma camada de orientação para a pesquisa. Ele pode ajudar o estudante a descobrir termos, disciplinas e fontes relevantes antes de decidir o que ler e analisar em profundidade.

Por que o grafo de conhecimento é importante

Uma busca tradicional costuma apresentar uma lista de documentos ordenada por relevância. O grafo de conhecimento oferece outra perspectiva: mostra como as ideias presentes nesses documentos se relacionam.

O grafo do AI Sense Maker é baseado em uma taxonomia administrada pela NUS. Ela foi inicialmente influenciada pelo Wikidata e depois reduzida e refinada para se adequar às coleções da universidade. Esse trabalho de curadoria é importante porque a utilidade do grafo não depende apenas do modelo de linguagem, mas também da forma como os conceitos são definidos e conectados dentro do acervo pesquisado.

Em projetos interdisciplinares, o recurso pode revelar vocabulário especializado ou áreas vizinhas que o usuário não teria incluído na primeira pergunta. Ainda assim, as conexões sugeridas devem ser tratadas como pistas para investigação — e não como prova de que toda relação indicada é academicamente válida.

GPT-4.1, RAG e limites baseados nas fontes

A plataforma usa o GPT-4.1, da OpenAI, combinado com geração aumentada por recuperação, conhecida pela sigla em inglês RAG (retrieval-augmented generation). Em um sistema RAG, o modelo primeiro recupera materiais relevantes de uma coleção definida e depois usa esse conteúdo para elaborar a resposta. O AI Sense Maker foi projetado para fundamentar suas respostas em fontes recuperadas dos acervos da NUS e incluir citações para que o usuário possa conferi-las.

As barreiras de segurança da ferramenta também foram desenhadas para mantê-la concentrada no conteúdo acadêmico da universidade. A plataforma não pretende pesquisar a internet aberta para montar suas respostas. Essa delimitação pode reduzir resultados sem suporte, mas não elimina a necessidade de verificar os documentos citados, interpretar as fontes primárias e avaliar se a resposta representa corretamente as evidências.

O GPT-4.1 é o modelo mencionado nas reportagens sobre o AI Sense Maker. A OpenAI descreve a família GPT-4.1 como dotada de melhorias no seguimento de instruções e na compreensão de contextos longos. Essas características gerais do modelo não significam, por si só, que a plataforma produzirá resultados de pesquisa sem erros.

Limitações atuais e próximas atualizações

A primeira versão terá limitações importantes:

• Ela aceita consultas pontuais e ainda não mantém o contexto de uma conversa ao longo de várias perguntas de acompanhamento;
• Só consegue pesquisar materiais que já tenham sido digitalizados e incorporados aos repositórios relevantes da NUS;
• Pode ajudar a identificar fontes e conexões, mas não é capaz de avaliar todos os argumentos acadêmicos nem de construir a tese final do usuário.

A NUS está desenvolvendo memória do histórico de conversa, para permitir interações de pesquisa mais longas, e transcrição de voz em texto como melhorias futuras.

Por isso, o fluxo mais adequado é usar o AI Sense Maker como ponto de partida: consultar as fontes citadas, comparar interpretações e desenvolver a análise final de forma independente.

A ferramenta pode reduzir o tempo de descoberta?

A NUS estima que a etapa inicial de descoberta e orientação de uma pesquisa, que pode levar cerca de duas semanas, seja reduzida para aproximadamente 30 minutos ou menos com o AI Sense Maker.

Esse número é uma estimativa institucional, não um resultado de produtividade validado de forma independente. Uma expectativa mais cautelosa é que a plataforma reduza o tempo gasto com pistas pouco úteis e ajude o usuário a montar mais rapidamente um conjunto inicial de fontes com citações.

O possível ganho, portanto, aparece sobretudo no começo do trabalho: delimitar o tema mais depressa, encontrar vocabulário melhor para buscas posteriores e enxergar antes as conexões entre disciplinas e coleções. A leitura crítica, a avaliação das fontes e a construção do argumento continuam sendo tarefas humanas.