Todos estão entusiasmados com "AI para a Ciência." em 2025! No final do ano, por favor, permita-me compartilhar minha inquietação e otimismo, especificamente sobre AI e biologia. Depois de passar mais um ano imerso em modelos biológicos fundamentais, AI na saúde e descoberta de medicamentos, aqui estão 3 lições que aprendi em 2025. 1. A biologia não é "apenas mais uma modalidade." A maior concepção errônea que ainda vejo: "A biologia é texto + imagens + gráficos. Basta escalar transformadores." Não. A biologia é causal, hierárquica, estocástica e incompleta de maneiras que a linguagem e a visão não são. Os tokens não correspondem de forma limpa à realidade. Os rótulos são escassos, tendenciosos e muitas vezes errados. A verdade fundamental é condicional, dependente do contexto e, às vezes, incognoscível. Fizemos progressos reais—célula única, imagem, genômica, EHRs estão finalmente sendo modelados em conjunto—mas a dura verdade é esta: A maioria dos sinais biológicos não são problemas supervisionados esperando por melhores funções de perda. Eles são problemas impulsionados por intervenções. Eles exigem perturbações, contrafactuais e mecanismos, além de apenas previsão. Escalar obviamente ajuda. Mas sem estrutura causal, escalar principalmente lhe dá correlações mais nítidas. 2025 reforçou minha crença de que modelos biológicos fundamentais devem ser construídos em torno de perturbação, incerteza e capacidade de ação, não apenas aprendizado de representação. 2. Os benchmarks estão impedindo a biologia mais do que a computação. Sejamos honestos: A avaliação em AI e biologia ainda está quebrada. Todos relatam SOTA. Todos escolhem uma fatia de conjunto de dados diferente. Todos ajustam para uma métrica diferente. Todos evitam validação prospectiva....