Por Marcus Rogério de Oliveira*
Queridos leitores, nesta semana demos mais um daqueles passos que provavelmente serão lembrados quando, daqui a alguns anos, tentarmos descobrir em que momento a inteligência artificial começou a mudar de natureza.
A OpenAI apresentou o GPT-6 Astra, seu novo modelo mais avançado. Entre os vários resultados divulgados, um deles merece atenção especial. No ARC-AGI-3, um teste criado justamente para investigar a distância entre as inteligências artificiais atuais e uma inteligência artificial geral, o Astra alcançou 62,7% utilizando o sistema padrão de avaliação. Em outra configuração, capaz de preservar seu estado de raciocínio entre as interações, chegou muito perto de 100%. Em 96% dos níveis que resolveu nessa configuração, utilizou menos ações que a referência humana.
O interessante está naquilo que esse teste pede. O ARC-AGI-3 coloca a inteligência artificial diante de pequenos ambientes desconhecidos, parecidos com jogos abstratos. Não há manual dizendo o que fazer. O sistema precisa observar, experimentar, perceber o que aconteceu, descobrir as regras, entender qual parece ser o objetivo e elaborar uma estratégia. É muito parecido com aquilo que fazemos quando encontramos algo novo.
A avaliação considera também quantas tentativas foram necessárias. Tentar tudo aleatoriamente até encontrar uma resposta custa pontos. O que se procura medir é a capacidade de aprender rapidamente com poucas experiências.
Durante os testes, o Astra, diante de um mundo desconhecido, começou a construir uma espécie de modelo simplificado daquele mundo para poder agir dentro dele. Para muitos essa é a parte mais fascinante.
Existe ainda outra mudança acontecendo com os modelos de IA que utilizamos no dia a dia. Os modelos agora trabalham com um conjunto de ferramentas próprias acopladas que dão mais poder para eles. Ou seja, ao redor deles existe um ecossistema com memória, softwares, navegadores, ambientes de execução e mecanismos que permitem observar o resultado de uma ação e decidir o próximo passo.
O próprio resultado do Astra mostra isso. O desempenho muda profundamente conforme a arquitetura que mantém seu contexto e suas experiências anteriores.
Estamos começando a construir sistemas que seguem um ciclo cada vez mais parecido com: observar, experimentar, aprender, planejar, agir, verificar, corrigir e aprender novamente.
Ainda não estamos definitivamente na AGI. A própria ARC Prize define sua busca de maneira bastante exigente: uma inteligência artificial geral deve conseguir adquirir habilidades humanas cognitivas com eficiência semelhante à nossa. O mundo real continua sendo infinitamente mais complexo que qualquer avaliação.
Existe também uma questão econômica importante. A fronteira da IA continua avançando com enormes datacenters, energia, chips e investimentos que poucas organizações no planeta conseguem realizar. Ao mesmo tempo, cresce outra corrida igualmente interessante que consiste em fazer a inteligência artificial consumir menos processamento, utilizar memória de maneira melhor e funcionar em equipamentos menores.
Provavelmente veremos esses dois movimentos acontecendo juntos. Grandes modelos produzindo inteligência de fronteira e sistemas menores levando essa inteligência para fábricas, máquinas, veículos, propriedades rurais, celulares e robôs.
E aqui começa a nossa oportunidade. Nossa região não precisa construir o próximo GPT-6. Precisamos aprender a construir aquilo que estará ao redor dele e depois dele como agentes especializados, sistemas de memória, indústria inteligente, agricultura autônoma, monitoramento, análise, robótica, segurança, aplicações embarcadas e soluções capazes de aprender continuamente com cada desafio local nosso e cada ambiente.
É um enorme espaço para nossos alunos, pesquisadores, profissionais e empresas. Pode acreditar que uma grande oportunidade desta nova fase da inteligência artificial está justamente aí.
Os gigantes construirão cérebros cada vez maiores. Nós iremos ensinar esses cérebros a trabalhar no nosso mundo.
(Imagem gerada por IA)
*Marcus Rogério de Oliveira é um renomado professor da Fatec de Taquaritinga, onde leciona desde 1995. Com um extenso currículo acadêmico, é Doutor em Biotecnologia pela UFSCar, Mestre em Ciência da Computação pelo ICMC-USP e Bacharel em Ciência da Computação pela Unoeste. Sua vasta experiência o tem levado a atuar em áreas como Banco de Dados, Desenvolvimento de Sistemas, Engenharia de Dados e Ciência de Dados.
