Existe um padrão clássico na história da tecnologia: aquilo que parece extraordinário rapidamente se torna comum. Quando o ChatGPT foi lançado, em novembro de 2022, conversar com uma máquina daquela maneira parecia quase ficção científica. Menos de quatro anos depois, continuamos impressionados com cada nova evolução da Inteligência Artificial, mas conversar com uma IA já não causa o mesmo espanto. O fantástico virou rotina.
Mercadologicamente falando, a competição acirrada acaba deslocando a inovação tecnológica para uma nova fronteira. No caso da Inteligência Artificial, talvez estejamos começando justamente esse movimento.
Há poucos dias, alguns dos pesquisadores mais importantes da história do Google anunciaram sua saída da empresa. Entre eles estão Jeff Dean, cientista-chefe da companhia e funcionário do Google havia 27 anos, além de Oriol Vinyals, Quoc Le e Sanjay Ghemawat. Juntos, cofundaram a Discovery Loop, uma startup que pretende automatizar ciclos inteiros de experimentação científica.
Por trás dessas iniciativas está uma ideia que vem ganhando força entre pesquisadores: o autoaperfeiçoamento recursivo, ou recursive self-improvement (RSI). A ideia é relativamente simples de entender e absurdamente difícil de realizar. Hoje, mesmo os modelos mais avançados dependem fortemente de humanos para criar novas arquiteturas, selecionar dados, desenvolver métodos de treinamento, avaliar resultados e construir a geração seguinte de sistemas. No autoaperfeiçoamento recursivo, partes crescentes desse processo passam a ser realizadas pela própria IA. Uma Inteligência Artificial melhora um sistema que, depois de aperfeiçoado, torna-se mais competente para realizar a próxima melhoria. E assim sucessivamente.
A Discovery Loop nasce já em meio a outros concorrentes. A Recursive Superintelligence, fundada por Richard Socher e outros pesquisadores, também sonha com uma IA capaz de melhorar a si própria continuamente. Com um nome parecido, a Ricursive Intelligence segue uma lógica semelhante, só que aplicada inicialmente ao desenvolvimento de chips. Ela pretende usar Inteligência Artificial para projetar hardware melhor que, por sua vez, permitirá construir uma IA melhor, fechando um ciclo de aceleração.
Mesmo com o surgimento de novas iniciativas, é importante separar experimentos de soluções concretas. Ninguém ainda conseguiu criar uma máquina poderosa capaz de projetar e melhorar autonomamente sua sucessora em escala exponencial. Considerando, no entanto, que isso pode ser apenas uma questão de tempo, o problema seguinte é que, caso esse cenário se concretize, talvez tenhamos dificuldade até para encontrar palavras capazes de descrever o resultado.
Paralelamente ao debate técnico existe um semântico. Surgem novos termos, muitas vezes usados como sinônimos, embora descrevam futuros diferentes. Alguns pesquisadores falam em AGI (Artificial General Intelligence), uma Inteligência Artificial de propósito geral comparável à humana. Outros preferem ASI (Artificial Superintelligence), quando a máquina ultrapassaria amplamente nossa capacidade intelectual.
Mark Zuckerberg, CEO da Meta, prefere outra expressão: “superinteligência pessoal”. Em um manifesto divulgado há poucos dias, chamado The Future Is for Everyone, ele descreve um futuro em que bilhões de pessoas poderão contar com agentes extremamente inteligentes, capazes de trabalhar continuamente em seu benefício. Esses sistemas conheceriam nossos objetivos e interesses e nos ajudariam em praticamente tudo: saúde, carreira, finanças, diversão e até relacionamentos.
Outro termo que durante algum tempo pareceu restrito aos futuristas voltou ao vocabulário do Vale do Silício: singularidade. Sam Altman, CEO da OpenAI, escreveu em 2025 (e voltou a comentar) que já teríamos ultrapassado o “horizonte de eventos” e iniciado uma espécie de “singularidade suave”. A expressão difere da imagem tradicional de uma explosão súbita de inteligência. Na visão de Altman, poderíamos estar vivendo uma aceleração contínua que parece menos extraordinária justamente porque nos acostumamos rapidamente a cada novo avanço.
A palavra “singularidade”, no entanto, é anterior à atual corrida da Inteligência Artificial. Quem ajudou a popularizá-la foi Ray Kurzweil. Em seu livro The Singularity Is Near, publicado em 2005, Kurzweil previu que, por volta de 2045, chegaríamos a um ponto em que a inteligência não biológica ultrapassaria a humana e passaria a evoluir em uma velocidade difícil de acompanhar. Nesse processo, por meio de outras tecnologias (como nanorrobôs), humanos e máquinas tenderiam a se integrar cada vez mais, até chegarem a um ponto de “fusão”.
Entrevistei Kurzweil em 2011. Naquela época, as previsões dele pareciam fascinantes, embora distantes. Em 2024, tive a oportunidade de ouvi-lo novamente, desta vez no EmTech MIT, conferência global da MIT Technology Review, nos Estados Unidos. Ele havia lançado, meses antes, The Singularity Is Nearer, atualização de suas previsões duas décadas depois do livro original. No palco, continuava sustentando 2029 como referência para Inteligência Artificial em nível humano e 2045 para a singularidade.
A diferença é que, em 2011, faltavam 34 anos para 2045 e sequer existiam os atuais modelos de linguagem. Hoje faltam menos de duas décadas e temos máquinas escrevendo programas, resolvendo problemas científicos e auxiliando pesquisadores a desenvolver outras inteligências artificiais. Kurzweil pode estar errado sobre as datas. Pode estar errado inclusive sobre a singularidade. Prever o futuro tecnológico a partir de curvas exponenciais é arriscado porque a evolução real encontra limites físicos, econômicos, energéticos e sociais. Mas ainda assim cabe uma reflexão, talvez na direção oposta à proposta por ele. A versão da singularidade que circula em 2026 parece muito menos fusão e muito mais separação.
Durante toda a história da tecnologia, construímos ferramentas cujo funcionamento éramos capazes, em princípio, de compreender. Já convivemos com tecnologias que não entendemos individualmente. Nenhuma pessoa é capaz de explicar integralmente um smartphone ou um avião. Mas, coletivamente, nós compreendemos essas tecnologias. Sempre existe alguém capaz de explicar cada componente.
Com a Inteligência Artificial isso começa a mudar. Sabemos construí-la e treiná-la, mas nem sempre conseguimos explicar exatamente como ela chega a determinadas respostas. Se acrescentarmos a esse cenário agentes capazes de pesquisar, experimentar, modificar código, construir modelos sucessores e repetir autonomamente esse processo, podemos chegar a algo diferente: uma tecnologia que não apenas pense de maneira diferente de nós, mas cuja evolução talvez aconteça numa velocidade incompatível com a nossa capacidade de compreendê-la.
É claro que isso tudo tem potencial para produzir novos medicamentos, materiais, fontes de energia e descobertas científicas que hoje sequer conseguimos imaginar. Ao mesmo tempo, pode também criar sistemas cujas decisões não sejamos capazes de interpretar, prever ou controlar.
O fato é que já não importa tanto a data ou o termo capaz de descrever como e quando as máquinas vão ultrapassar a inteligência humana e se autoaperfeiçoar indefinidamente. O desafio é saber se, quando esse dia chegar, continuaremos sendo capazes de entendê-las. E, principalmente, se elas ainda vão precisar de nós.
Rafael Coimbra