- O arXiv é um repositório de artigos científicos em acesso aberto criado por Paul Ginsparg em 1991 e, até hoje, é usado por cientistas do mundo todo como uma das plataformas mais importantes
- Ao contornar a estrutura tradicional de publicação acadêmica, lenta e cara, ele permitiu que pesquisadores compartilhassem instantaneamente artigos antes da revisão por pares (
preprints), contribuindo para a colaboração científica e a inovação - O arXiv começou como um simples script de automação, mas hoje se tornou uma plataforma gigantesca, com mais de 20 mil submissões por mês e 5 milhões de usuários
- No início, era operado de forma informal e leve, mas depois passou por várias crises envolvendo complexidade do código operacional, conflitos internos e obsolescência tecnológica
- Atualmente, com apoio da Simons Foundation e sob nova liderança, o arXiv está em processo de migração para a nuvem e refatoração de código em Python, enquanto Ginsparg continua focado na questão da filtragem de qualidade
A origem do arXiv e o desafio à estrutura da publicação científica
- O físico Paul Ginsparg citou uma fala de The Godfather para expressar o sentimento de não conseguir se desligar completamente da plataforma que criou
“Just when I thought I was out, they pull me back in!”
“Justo quando achei que tinha saído, eles me puxaram de volta!” - Professor da Cornell University e vencedor do MacArthur Genius Grant, ele desenvolveu há 35 anos o arXiv, um repositório digital para compartilhar artigos antes da revisão por pares (
preprints) - Até hoje, o arXiv.org mantém um design clássico no estilo web 1.0 e os símbolos da Cornell, mas, apesar dessa aparência simples, o arXiv é uma plataforma que provocou uma mudança fundamental na estrutura de circulação do conhecimento científico
- Se o arXiv saísse do ar, isso poderia causar graves interrupções no trabalho de cientistas no mundo todo; na prática, muitos matemáticos e físicos acessam o arXiv todos os dias
“Everybody in math and physics uses it. I scan it every night.” — Scott Aaronson
“Todo mundo em matemática e física usa. Eu dou uma olhada toda noite.”
O papel do arXiv e os questionamentos à estrutura da publicação acadêmica
-
Em vários setores da sociedade existem estruturas problemáticas crônicas, e, no meio acadêmico, a irracionalidade do sistema de publicação é apontada como um exemplo representativo
-
O modelo com fins lucrativos de grandes editoras como Elsevier e Springer é criticado da seguinte forma:
- exige que autores escrevam artigos sem remuneração
- outros pesquisadores fazem a edição gratuitamente
- os artigos finalizados são vendidos por preços altos, e as instituições arcam com assinaturas caras
“Calling their practice a form of thuggery isn’t so much an insult as an economic observation.”
“Chamar essa prática de uma forma de intimidação não é tanto um insulto, e sim uma observação econômica.” -
A tradicional revisão por pares (
peer review) leva de vários meses até um ano, e esse processo lento funciona como um gargalo na circulação da informação -
Já o arXiv resolve esse problema estrutural da publicação ao permitir que, na etapa anterior à revisão (
preprint), qualquer pessoa possa publicar e acessar imediatamente o conteúdo -
A principal inovação do arXiv pode ser resumida da seguinte forma:
“Showing that you could divorce the actual transmission of your results from the process of refereeing.” — Paul Fendley
“Mostrar que era possível separar a transmissão efetiva dos seus resultados do processo de revisão por pares.” -
Essa estrutura teve papel decisivo para difundir rapidamente descobertas científicas relevantes em situações de crise como a pandemia de COVID-19
- Inspirados no arXiv, bioRxiv e medRxiv, entre outros, expandiram esse modelo para as ciências da vida, e chegou-se até a levantar a possibilidade de que isso tenha salvado milhões de vidas
A estrutura de controle de qualidade do arXiv
- Os artigos submetidos ao arXiv não passam por
peer reviewformal, mas mantêm padrões acadêmicos básicos e regras por meio de uma análise voluntária feita por especialistas de cada área - Principais elementos de controle de qualidade:
- só são permitidas pesquisas originais
- dados manipulados são proibidos
- deve-se usar linguagem neutra
- Além disso, os artigos submetidos também passam por uma triagem básica feita por sistemas automatizados
- Sem esses procedimentos de verificação, o arXiv correria o risco de ser inundado por pseudociência ou por submissões de não especialistas
A influência do arXiv e o momento atual de Ginsparg
- Em 2021, a revista científica Nature incluiu o arXiv entre os “10 computer codes that transformed science”
“10 computer codes that transformed science”
“10 códigos de computador que transformaram a ciência” - Seu papel em promover a colaboração científica foi muito valorizado e, atualmente, o arXiv
- reúne mais de 2,6 milhões de artigos
- recebe 20 mil novas submissões por mês
- registra 5 milhões de usuários mensais
- Muitas das principais descobertas científicas do século 21 foram divulgadas pela primeira vez no arXiv, incluindo, por exemplo,
- o artigo sobre “transformers” que impulsionou o boom moderno da IA
- a solução da conjectura de Poincaré, um dos Problemas do Milênio
- Muitos artigos publicados no arXiv acabam sendo posteriormente publicados em periódicos prestigiados, mas o ponto central é que, desde o momento em que entram no arXiv, passam a estar acessíveis a qualquer pessoa
“Just because a paper is posted on arXiv doesn’t mean it won’t appear in a prestigious journal someday.”
“Só porque um artigo foi publicado no arXiv não significa que ele não vá aparecer um dia em uma revista prestigiada.”
A realidade interna do arXiv e a questão da sustentabilidade
- Para os cientistas, o arXiv é visto como algo tão indispensável quanto uma biblioteca pública ou o GPS, mas, na prática, sua operação está longe de ser uma plataforma ideal sem atritos
- Ao longo do tempo, o arXiv enfrentou problemas como:
- conflitos burocráticos
- código obsoleto
- até mesmo casos de espionagem
- Ginsparg descreve essa realidade da seguinte forma
“A child I sent off to college but who keeps coming back to camp out in my living room, behaving badly.”
“É como um filho que mandei para a faculdade, mas que vive voltando para acampar na minha sala e se comportar mal.” - Ao redirecionar pedidos de entrevista para o FAQ ou desencorajar visitas presenciais, Ginsparg continua tentando manter certa distância do arXiv
A personalidade, os gostos e o cotidiano de Ginsparg
- Pela entrevista em Ithaca (onde fica a Cornell), Ginsparg aparece como alguém
- de personalidade bem-humorada e brincalhona
- mas ao mesmo tempo teimoso a ponto de impor sua filosofia sem restrições
- Segundo Geoffrey West, seu antigo chefe, ele é
“Quite a character, infamous in the community, extremely funny, a great guy.”
“Uma figura e tanto, famoso na comunidade, extremamente engraçado, um cara ótimo.” - O próprio Ginsparg minimiza as matérias sobre o arXiv e diz
“So many articles, so few insights.”
“Tantos artigos, tão poucos insights.” - Hoje, aos 69 anos, ele mantém uma vida ativa, com ciclismo e trilhas, e se veste sempre num estilo confortável de viajante
O escritório de Ginsparg e seus interesses recentes
- O escritório no departamento de física de Cornell, mais do que “bagunçado”, passa a impressão de objetos antigos parados no tempo
- Há caixas de entrega dos anos 90, revistas antigas, monitores CRT, convites da Casa Branca etc.
- Um livro enviado por Stephen Wolfram traz um bilhete bem-humorado
“Since you can’t find it on arXiv :)”
“Como você não vai encontrar isso no arXiv :)”
- A única coisa em uso ativo é um quadro-negro cheio de fórmulas sobre teoria da medição quântica
- Mesmo fora do escritório, ele demonstra uma capacidade de observação minuciosa, percebendo detalhes como a estrutura do prédio, o fluxo de deslocamento dos funcionários e até os tipos de pássaros que aparecem a cada ano
- Ele demonstra preocupação com o problema do aumento de artigos de baixa qualidade, que veio junto com a explosão de artigos de IA, e está desenvolvendo um “holy grail crackpot filter” capaz de filtrá-los
“The holy grail crackpot filter.”
“O filtro definitivo para artigos pseudocientíficos” - Para manter a qualidade do arXiv, ele ainda hoje experimenta modelos de linguagem, a ponto de recuperar ele mesmo discos rígidos
- Essa atitude pode ser interpretada como um senso de responsabilidade pessoal pela manutenção da qualidade do arXiv
O nascimento do arXiv e sua história inicial
- O arXiv originalmente não era uma infraestrutura científica, mas sim um conjunto simples de scripts de shell rodando na máquina NeXT de Ginsparg, criado em junho de 1991 a partir de um estopim ocorrido em uma conferência no Colorado
- Na época, Joanne Cohn, pós-doutoranda no Institute for Advanced Study de Princeton e responsável por uma lista de e-mails de preprints de física, mencionou o problema de que “não existia um sistema central para compartilhar artigos de física”
- O acesso à lista de e-mails dependia da afiliação institucional ou do networking, e havia a ineficiência de levar meses até um artigo ser divulgado
- Quando um físico brincou dizendo que “durante viagens, o excesso de artigos recebidos por e-mail lotava o espaço de armazenamento”, Ginsparg percebeu a necessidade de um sistema automatizado de distribuição de artigos
- Ao perguntar a Cohn se ela nunca havia pensado em automatizar isso, a resposta foi
“Go ahead and do it yourself.”
“Então vai lá e faz você mesmo.”
- Ao perguntar a Cohn se ela nunca havia pensado em automatizar isso, a resposta foi
- No dia seguinte, Ginsparg realmente escreveu os scripts e terminou o sistema
“My recollection is that the next day he’d come up with the scripts and seemed pretty happy about having done it so quickly.”
“Pelo que eu me lembro, no dia seguinte ele já tinha criado os scripts e parecia bem feliz por ter feito aquilo tão rápido.” — Joanne Cohn
A posição de Ginsparg em sua época e a evolução técnica do arXiv
- Ginsparg é frequentemente comparado a um Forrest Gump da era da internet
- Quando estudava em Harvard, era colega de turma de Bill Gates e Steve Ballmer
- Seu irmão estudou em Stanford com Terry Winograd, pioneiro da IA
- Ambos tinham contas de e-mail na Arpanet, algo extremamente raro naquela época
- Depois de obter o doutorado em física teórica em Cornell, começou a carreira docente em Harvard, mas, após ter a estabilidade negada, mudou-se para Los Alamos
- Lá, havia um ambiente onde podia se dedicar apenas à pesquisa em física teórica de altas energias e condições regionais adequadas a um estilo de vida centrado em esportes
O sistema do arXiv antes da web e sua evolução para a web
- Em seus primeiros anos, o arXiv não era um site, mas um servidor de resposta automática por e-mail; alguns meses depois, também passou a operar um servidor FTP
- Mais tarde, Ginsparg ouviu falar da nova tecnologia chamada “World Wide Web” e, de início, reagiu com ceticismo, dizendo
“I can’t really pay attention to every single fad.”
“Não dá para prestar atenção em toda moda passageira.”
Mas, com a chegada do navegador Mosaic em 1993, interessou-se e construiu pessoalmente a interface web
- Mais tarde, Ginsparg ouviu falar da nova tecnologia chamada “World Wide Web” e, de início, reagiu com ceticismo, dizendo
- Ele também teve contato com Tim Berners-Lee, do CERN, de quem se lembra como “um programador que grelhava muito bem peixe-espada”
“Tim grilled excellent swordfish at his home in the French countryside.”
“Tim grelhava um excelente peixe-espada na casa dele, no interior da França.”
A origem do nome e a reorganização da base de código
- Em 1994, com financiamento da National Science Foundation, ele contratou dois desenvolvedores para refatorar os scripts de shell iniciais em código Perl mais estável
- Mark Doyle: depois se tornaria CIO da American Physical Society
- Rob Hartill: trabalhava em paralelo no projeto IMDb e depois também atuaria na Apache Software Foundation
- O endereço inicial do arXiv era
xxx.lanl.gov, e “xxx” ainda não tinha o significado atual; depois, pensando com a esposa em “um nome melhor”, decidiu-se por ‘arXiv’, usando a letra grega chi (χ)“She wrote it down and crossed out the e to make it more symmetric around the X.”
“Ela escreveu o nome e riscou o ‘e’ para deixá-lo mais simétrico em torno do X.” - No começo, não havia uma organização formal: havia 1 ou 2 desenvolvedores, e os administradores eram em sua maioria conhecidos e colegas, e, embora se esperassem cerca de 100 artigos por ano, o sistema já começou recebendo 100 por mês e cresceu rapidamente
A rápida expansão da comunidade e a consolidação do arXiv
- Segundo Ginsparg
“Day one, something happened, day two something happened, day three, Ed Witten posted a paper. That was when the entire community joined.”
“No primeiro dia aconteceu alguma coisa, no segundo também, e no terceiro o Ed Witten publicou um artigo. Foi aí que a comunidade inteira entrou.” - Edward Witten é considerado o maior físico teórico da atualidade e chamado de “a pessoa viva mais inteligente”; ele próprio também comentou
“The arXiv enabled much more rapid worldwide communication among physicists.”
“O arXiv permitiu uma comunicação mundial muito mais rápida entre os físicos.” - Depois, o serviço se expandiu para áreas diversas, como matemática e ciência da computação, e o próprio Ginsparg relembra a experiência de desenvolver o arXiv em seus primeiros anos dizendo
“It was fun.”
“Foi divertido.”
A expansão do arXiv e o início dos conflitos
- Com o aumento explosivo do uso do arXiv, o sistema passou a enfrentar problemas de escalabilidade e operação típicos de grandes sistemas de software, especialmente lentidão dos servidores e a sobrecarga da moderação
- Por exemplo, houve um incidente de sobrecarga causado por um pico de tráfego vindo de “stanford.edu”, que mais tarde se descobriu ter ocorrido quando Sergey Brin e Larry Page, futuros criadores do Google, estavam rastreando a web do arXiv
“Years later, when Ginsparg visited Google HQ, both Brin and Page personally apologized to him for the incident.”
“Anos depois, quando Ginsparg visitou a sede do Google, Brin e Page pediram desculpas pessoalmente pelo incidente.”
- Por exemplo, houve um incidente de sobrecarga causado por um pico de tráfego vindo de “stanford.edu”, que mais tarde se descobriu ter ocorrido quando Sergey Brin e Larry Page, futuros criadores do Google, estavam rastreando a web do arXiv
A estratégia de sobrevivência do arXiv e a garantia de independência em relação ao mercado editorial
- A maior razão de o arXiv ter sobrevivido foi ter evitado ataques da estrutura de interesses estabelecidos da publicação acadêmica tradicional, algo possibilitado por uma estratégia adotada desde cedo: ao submeter um artigo, o usuário concordava com uma cláusula de que “o arXiv pode distribuir permanentemente aquele artigo de forma não exclusiva”
- Graças a essa cláusula, mesmo que o artigo fosse publicado em outro periódico, ele poderia continuar no arXiv, removendo o incentivo para que grandes editoras tentassem encerrar a plataforma
A saída de Los Alamos e o retorno a Cornell
- Embora o arXiv tenha se consolidado como uma infraestrutura cada vez mais importante para a comunidade científica, dentro do laboratório de Los Alamos o projeto arXiv não contava com grande apoio; pelo contrário, o fato de ele ter se tornado mais influente do que o próprio laboratório passou a ser visto como um fardo
- Ginsparg descreveu aquele período como
“dreamlike and heavenly” “como um sonho, celestial”
- mas, após o caso de espionagem de Wen Ho Lee em 1999, o clima dentro do laboratório mudou drasticamente, e ele decidiu mudar de emprego por causa do reforço das medidas de segurança e do acúmulo de desgaste psicológico
- Na avaliação de desempenho da época, ele recebeu a crítica dura de ser “a strictly average performer with no particular computer skills”
→ “um profissional de desempenho estritamente mediano, sem nenhuma habilidade especial em computação”, e o fato de sua filha ter acabado de nascer, além da questão do ambiente educacional, também foi um dos motivos para a mudança
- Na avaliação de desempenho da época, ele recebeu a crítica dura de ser “a strictly average performer with no particular computer skills”
- Ginsparg descreveu aquele período como
- No fim, Ginsparg voltou para Cornell, sua alma mater, e o arXiv foi junto, e ele declarou que “largaria o arXiv em no máximo cinco anos”
“They disseminate material to academics, so that seemed like a natural fit.”
“As bibliotecas distribuem material para acadêmicos, então isso pareceu uma escolha natural.”
Conflitos operacionais dentro da biblioteca
- Mas a biblioteca de Cornell não compreendia adequadamente a complexidade técnica do arXiv, e o simples fluxo de submissão já exigia inúmeras exceções de tratamento; o problema foi tratá-lo como se fosse apenas um sistema simples de armazenamento de materiais
- Ginsparg e os membros iniciais sentiram que a biblioteca via o arXiv como uma espécie de extra recebido depois, enquanto, do outro lado, a biblioteca tinha a impressão de que Ginsparg se envolvia de forma excessivamente direta
“Good lower-level manager … but his sense of management didn’t scale.”
“Um bom gestor operacional… mas sua noção de gestão não escalava para uma operação maior.” - Durante a maior parte dos anos 2000, o arXiv operou sem conseguir garantir uma equipe de desenvolvimento estável
Críticas à filosofia e ao estilo de gestão de Ginsparg
- Ginsparg continuou mantendo um perfil de desenvolvedor prático, fazendo pessoalmente revisão de código e encontrando erros, e demonstrava uma postura cínica em relação a palestras externas ou funções de aconselhamento em alto nível
“Larry Summers spending one day a week consulting for some hedge fund—it’s just unseemly.”
“Larry Summers passar um dia por semana prestando consultoria para algum hedge fund simplesmente não pega bem.” - No entanto, o fato de ele continuar envolvido por tanto tempo também virou um problema, e o arXiv foi crescendo cada vez mais
“bigger than all of us” — Stephanie Orphan (diretora de programa do arXiv)
“maior do que todos nós”
e essa percepção começou a se espalhar - Surgiram várias controvérsias, como o processo movido por um físico adepto do design inteligente, polêmicas de plágio e críticas a abusos de autoridade por parte de moderadores
- Em especial, em 2009 o físico independente Philip Gibbs criou o viXra, uma plataforma oposta ao arXiv
- Ela funciona como uma “plataforma quase sem regulação, operando na direção oposta ao arXiv”, onde costumam ser publicados artigos com teorias excêntricas ou trabalhos amadores
- Um exemplo representativo é o artigo “π is fake” (link)
- Em especial, em 2009 o físico independente Philip Gibbs criou o viXra, uma plataforma oposta ao arXiv
Problemas de gestão da base de código e choque de práticas de desenvolvimento
- O arXiv cresceu até se tornar uma grande base de código, e sua estrutura inicial foi montada sem considerar manutenção e testes, o que levou a
- problemas estruturais comparáveis a uma “obra sem inspeção de segurança”
- isso permitiu desenvolvimento rápido no começo, mas gerou dívida técnica de longo prazo e aumento de complexidade
- Ginsparg continuou se envolvendo diretamente em revisões e alterações de código sem aprovação da biblioteca, e por isso
“micromanaging and sowing distrust”
“microgerenciamento e semear desconfiança”
passou a ser alvo desse tipo de crítica
Tentativa de aposentadoria, permanência e agravamento dos conflitos internos
- Em 2011, no 20º aniversário do arXiv, Ginsparg decidiu se aposentar, e publicou na Nature o texto “ArXiv at 20” como despedida
“For me, the repository was supposed to be a three-hour tour, not a life sentence.”
“Para mim, o repositório deveria ser um passeio de três horas, não uma prisão perpétua.”
“ArXiv was originally conceived to be fully automated, so as not to scuttle my research career.”
“O arXiv foi concebido originalmente para ser totalmente automatizado, para não afundar minha carreira de pesquisa.”
“But daily administrative activities associated with running it can consume hours of every weekday, year-round without holiday.”
“Mas as atividades administrativas diárias associadas à sua operação podem consumir horas de cada dia útil, o ano inteiro, sem descanso.” - Depois disso, a operação cotidiana seria transferida para a biblioteca de Cornell, e Ginsparg planejava recuar para um papel de conselheiro, mas a realidade não seguiu esse rumo
- Alguns funcionários criticaram Ginsparg, dizendo que ele estava “mantendo o código como refém” e se recusava a usar GitHub ou compartilhamento interno,
- enquanto ele expressava frustração com o fato de que funcionalidades que antes implementava em um dia agora levavam semanas
“I learned Fortran in the 1960s, and real programmers didn’t document.”
“Aprendi Fortran nos anos 1960, e programadores de verdade não documentavam.”
(→ descrito como uma resposta de nível “ataque cardíaco” para quem fez a pergunta)
Confusão administrativa e reorganização estrutural
- Além dos problemas técnicos, o arXiv também enfrentou confusão administrativa
- Em 2019, dentro de Cornell, o departamento ao qual o arXiv estava vinculado foi transferido para a área de computação e ciência da informação, mas mudou de novo poucos meses depois
- Depois, uma pessoa com experiência em publicação acadêmica comercial assumiu a responsabilidade operacional, mas deixou o cargo após um ano e meio
“There was disruption … it was not a good period.”
“Houve desorganização… não foi um bom período.” — uma fonte interna do arXiv
- O ponto de virada veio em 2022, quando, com o apoio da Fundação Simons, foi possível ampliar bastante a equipe de desenvolvimento, e
- o professor Ramin Zabih, de Cornell, foi nomeado responsável pela operação,
- enquanto a migração para a nuvem e a refatoração do código em Python passaram a avançar de forma concreta
Traços pessoais e reflexão
- Mesmo durante a entrevista com o repórter, Ginsparg manteve um jeito brincalhão, consertando a bicicleta do filho e tirando sarro do condicionamento físico do outro durante um passeio de bicicleta
- Na última subida, ele
“I might’ve oversold this to you.”
“Talvez eu tenha vendido demais esse trajeto para você.”
admitindo o cansaço
- Na última subida, ele
- Ao longo de vários dias de entrevista, o repórter comentou que a persistência e a teimosia dele eram parte da razão de o arXiv ter sobrevivido, e, diante disso, Ginsparg reagiu de forma inesperada
“One person’s tenacity is another person’s terrorism.”
“A tenacidade de uma pessoa pode ser o terrorismo de outra.” - Em seguida, ele reconheceu:
“I’ve heard that the staff occasionally felt terrorized.”
“Ouvi dizer que a equipe às vezes se sentia aterrorizada.”
O presente e o futuro do arXiv
- Atualmente, o arXiv continua operando de forma controversa,
- a linguista Emily Bender já criticou o arXiv, chamando-o de “câncer” que incentiva “junk science” e “fast scholarship”
(tweet relacionado, texto relacionado)
- a linguista Emily Bender já criticou o arXiv, chamando-o de “câncer” que incentiva “junk science” e “fast scholarship”
- Em 2023, um artigo que alegava a descoberta de um supercondutor à temperatura ambiente foi rapidamente refutado, tornando-se um exemplo do mecanismo de feedback rápido do arXiv
- por outro lado, também há casos em que artigos normais são retirados por “expressões provocativas” ou “linguagem não profissional”, o que também gera controvérsia sobre “censura”
- caso representativo: a retirada de um artigo de Jorge Hirsch, criador do h-index
- por outro lado, também há casos em que artigos normais são retirados por “expressões provocativas” ou “linguagem não profissional”, o que também gera controvérsia sobre “censura”
A postura atual e o apego de Ginsparg
- Ele evita se apresentar como um “pioneiro da ciência aberta” e, mais do que uma missão grandiosa, aprecia o arXiv como um espaço para experimentar ideias
“There are various aspects of this that remain incredibly entertaining.”
“Ainda há vários aspectos disso que continuam incrivelmente divertidos.”
“I have the perfect platform for testing ideas and playing with them.”
“Tenho a plataforma perfeita para testar ideias e brincar com elas.” - Embora não mexa mais no código operacional do arXiv, ele ainda está mergulhado em um projeto pessoal para desenvolver um ‘filtro de artigos falsos’
“It’s like that Al Pacino quote: They keep bringing me back.”
“É como aquela frase do Al Pacino: eles continuam me puxando de volta.”
“But Al Pacino also developed a real taste for killing people.”
“Mas o Al Pacino também acabou pegando gosto por matar pessoas.”
(→ uma forma bem-humorada de expressar sua relação de amor e ódio com o arXiv e sua própria obsessão)
1 comentários
Comentários do Hacker News