As Seis Vias da IA Que Vão Superar as LLMs de Hoje e Nos Levar à AGI

da roda e que um dia nos permitirão chegar à AGI. A AGI presumivelmente será uma IA que exibe inteligência totalmente compatível com a inteligência humana. A capacidade de inteligência dos humanos estará igualmente disponível por meio da AGI. A AGI não operará necessariamente da mesma maneira bioquímica que o cérebro e a mente humanos, mas, no entanto, obteremos profundidades e larguras iguais de inteligência por meio de meios computacionais. Sam Altman, da OpenAI, já afirmou que 'nós' já sabemos como alcançar a AGI e que o ano de 2025 aparentemente mostraria que a AGI surgiu. Quando o GPT-5 foi lançado, as expectativas para a AGI sofreram um duro golpe. O GPT-5 não é AGI, nem está perto disso. Vários luminares de IA agora estão começando a ajustar seus cronogramas previstos sobre a AGI e a recalibrar suas proclamações. Tivemos datas em 2025, 2026 e 2027. Outros ofereceram, com mais cautela, 2035 ou talvez 2040. Parece que o grupo do 'qualquer dia' está mudando para o grupo da década. LLMs e IA generativa são úteis Permito-me enfatizar que LLMs e IA generativa são bastante úteis. Nesse sentido, esta não é uma crítica a essas técnicas e tecnologias de IA. A incrível semelhança da fluência da linguagem natural que essa IA possui é uma grande conquista. A utilidade desse tipo de capacidade é celebrada e muito bem-vinda. O problema é que os princípios arquitetônicos e de design existentes que sustentam a IA generativa provavelmente não se expandirão para os limites da AGI. Essa é uma declaração polêmica na comunidade de IA. Alguns acreditam fervorosamente que as bases das LLMs, de fato, nos levarão à AGI. Tudo o que precisamos fazer é continuar jogando mais carvão na máquina a vapor. Adicione mais processadores de computador, aumente as GPUs, inclua muita memória digital e, pronto, a AGI surgirá da IA generativa. Nem todo mundo acredita que esse caminho é a estratégia certa, e que estamos míopes e tolamente colocando todos os nossos ovos em uma cesta. O argumento é que a IA generativa acabará por atingir um muro. Não importa quantos enormes data centers você jogue nas LLMs, elas ainda serão apenas LLMs. Isso se resume a uma pergunta difícil que ninguém pode responder concretamente, ou seja, escalar será suficiente? Se você acredita que jogar tudo na IA generativa será suficiente para alcançar a AGI, provavelmente está dizendo que há pouca ou nenhuma necessidade de procurar em outro lugar. Você pode ir mais longe e insistir que qualquer diluição dos recursos, tempo e esforços de desenvolvimento de IA que vão para qualquer coisa que não sejam LLMs é um grande erro. Essa diversão atrasará a inevitabilidade da AGI, e não recuperaremos os benefícios da AGI até muito mais tarde do que poderíamos ter feito sabiamente. Mas, se você tem dúvidas sobre o poder de permanência da IA generativa, especialmente que a escala por si só não será suficiente, certamente está procurando discernir o que mais pode ser viável e digno de atenção. Vamos dar uma olhada. Os Outros Caminhos Os leitores podem se lembrar que no início deste ano foram destacados dezessete das áreas de pesquisa de IA mais promissoras. Cada um desses dezessete espera produzir um dia um avanço impressionante em IA. Alguns desses dezessete eram altamente acadêmicos e ainda estavam em desenvolvimento. Outros na lista têm progredido constantemente e têm considerações práticas do dia a dia. Um relatório lançado recentemente reduziu a gama de caminhos de IA em um conjunto de seis. Para esclarecer, os autores do relatório indicam livremente que a lista de seis não é exaustiva e que outras vias também podem merecer inclusão. Nesse sentido, a lista de dezessete que identifiquei anteriormente está geralmente englobada nesses seis. A nomeação dos seis é interessante e sugere onde aqueles que fazem pesquisa de ponta em IA podem estar se reunindo. O relatório recente com os seis caminhos é intitulado “Envisioning Possible Futures For AI Research” por David Jensen, David Danks, Sebastian Elbaum, William Regli, Matthew Turk, Adam Wierman, Holly Yanco, Mary Lou Maher e Haley Griffin, Computing Community Consortium (CCC), julho de 2025, e fez estes pontos abrangentes salientes (trechos): “É difícil para os pesquisadores verem além do paradigma científico atual, para os tecnólogos verem além dos últimos desenvolvimentos tecnológicos e para os formuladores de políticas verem além das questões que essas novas tecnologias levantam.” “Os paradigmas de pesquisa anteriores para IA incluem processamento simbólico, sistemas baseados em conhecimento e aprendizado de máquina estatístico.” “Cada paradigma foi saudado como inaugurando uma nova era da IA, cada um produziu uma série de aplicações transformadoras e cada um foi eventualmente substituído por um ou mais novos paradigmas que se basearam nesses insights anteriores.” “Qual poderia ser a próxima mudança na pesquisa de IA?” “Ou seja, o que vem depois da era atual de redes neurais profundas e modelos de fundação?” Como você pode ver, o relatório afirma que vivemos várias eras da IA, por meio de uma série de paradigmas sobre o que se acreditava ser o melhor ou o caminho certo para o avanço total da IA. Sair da Caixa Uma vez que você está imerso em um paradigma, torna-se cada vez mais desafiador olhar além dessa estrutura. O ditado diz que, quando você tem um martelo, o mundo inteiro parece um campo de pregos. Aqueles que estão imersos em IA generativa e LLMs estão de alguma forma em uma câmara de eco que continua tentando encontrar maneiras de transformar esse tipo de IA na IA grandiosa e abrangente. A vontade de ir além desse escopo é extremamente difícil de reunir. De acordo com o relatório mencionado acima, eles postulam que estes são os seis caminhos que residem fora do paradigma predominante e podem constituir o próximo grande paradigma: (1) IA Neuro-Simbólica (2) IA Neuromórfica (3) IA Incorporada (4) IA Multiagente (5) IA Centrada no Humano (6) IA Quântica Escrevi extensivamente sobre cada um desses seis e fornecerá links ao resumir brevemente cada um aqui. Um especialista em IA pode hesitar nos seis e argumentar que esses caminhos não são nada de novo em si. Cada um desses seis tem sido discutido por muitos anos. Se você esperava ver algo nunca antes concebido, vamos chamá-lo de Eureka AI, lamento dizer que não há nada de natureza realista que ainda tenha aparecido inteiramente do nada. Fico atento e cubro até algumas das propostas estranhas, com o objetivo de tentar pegar algo novo em seus estágios iniciais. O desafio é que, às vezes, as ideias são aparentemente impraticáveis e marginalmente sensatas. Se o próximo paradigma de IA será completamente inesperado e implausível é discutível. Talvez sim, talvez não. Até agora, cada uma das eras históricas da IA tem sido razoavelmente conectada à realidade na época e, posteriormente, floresceu principalmente devido aos avanços no hardware, à queda dos custos de hardware e ao aumento da disponibilidade. Você teria dificuldades em afirmar que os avanços da IA apareceram ostensivamente do nada. Em seguida, vou prosseguir e analisar brevemente cada um dos seis caminhos potenciais. Possível Era da IA Neuro-Simbólica A próxima era da IA pode ser o advento da IA neuro-simbólica. A IA neuro-simbólica é uma combinação de tipos, interpretada como uma oferta dois por um. Você pega os usos predominantes de redes neurais artificiais (ANN) que estão sendo atualmente usados no núcleo da IA generativa e LLMs e mistura essa mistura com sistemas baseados em regras ou sistemas especialistas (isso também é conhecido como a IA sub-simbólica sendo combinada com IA simbólica). A ideia é que você visa obter o melhor dos dois mundos. As ANNs são principalmente maneiras baseadas em dados de realizar IA, enquanto os sistemas baseados em regras são uma abordagem baseada em lógica. Muitos esforços estão em andamento; veja minha discussão aqui. Uma crítica frequente à IA neuro-simbólica é que a era anterior da IA consistia em sistemas baseados em regras – que foram eventualmente julgados severamente como ineficazes ou insustentáveis. Os críticos alertam que não devemos voltar às antigas e agora descartadas maneiras de fazer as coisas. Uma resposta é que as fraquezas ou limitações dos sistemas baseados em regras podem ser reforçadas incorporando-os ou misturando-os em ANNs. Da mesma forma, as limitações das ANNs podem ser radicalmente elevadas combinando-as com sistemas baseados em regras. É uma pena que haja estigma ou vergonha associada à era dos sistemas especialistas. Em vez de jogar fora completamente a abordagem baseada em lógica, sem pensar, podemos razoavelmente dar à abordagem de IA ainda promissora uma segunda chance. Claro, alguns acreditam que é ressuscitar algo que já deveria ter recebido uma grande estaca no coração. O tempo dirá. Possível Era da IA Neuromórfica A IA neuromórfica pode ser a próxima era da IA. Geralmente referida como computação neuromórfica, a ideia é que implementaríamos ANNs em hardware. O método predominante para projetar e processar uma ANN é por meio de software e estruturas de dados em larga escala. O software e as estruturas de dados são processados usando hardware um tanto convencional, como unidades de processamento gráfico (GPUs). Uma forma especializada de hardware que implementa inerentemente ANNs é o cerne da IA neuromórfica. Um debate em andamento é se a computação neuromórfica deve ser projetada para executar a versão artificial de uma rede neural ou ser completamente reformulada para ser mais semelhante ao cérebro humano. Digo isso porque poucos sabem que a maneira como as ANNs são projetadas é muito diferente dos verdadeiros cérebros bioquímicos e redes neurais reais (dito ser nosso hardware em nossas cabeças). As ANNs são, na melhor das hipóteses, uma imitação extremamente simplista da coisa real. Uma visão é que precisamos nos concentrar mais de perto nos detalhes do cérebro humano. Outros acreditam que é perfeitamente aceitável mirar nas ANNs e não se preocupar em tentar replicar estritamente o cérebro. Possível Era da IA Incorporada A próxima era da IA pode ser a IA incorporada. Outra forma de se referir à IA incorporada é dizer que é IA física. A ideia é que queremos que a IA seja incorporada em nosso mundo físico. Aqui está o problema. Há um debate filosófico controverso de que não alcançaremos a IA compatível com a inteligência humana se a IA não for capaz de experimentar o mundo físico em que vivemos. Presumivelmente, uma grande parte da formação da inteligência humana é baseada no fato de termos que viver e lidar com um mundo físico. Imagine, por exemplo, um bebê experimentando a gravidade e caindo no chão. A IA executada em servidores hoje nunca experimentou essa forma de incorporação. Claro, você pode perguntar à IA sobre gravidade, mas a IA nunca a sentiu ou a experimentou. Esforços estão em andamento para projetar robôs humanoides que se assemelham às características dos humanos, como ter um tronco, braços e pernas, e depois incluir IA generativa e LLMs na máquina. Esta pode ser uma forma de permitir que a IA 'experimente' os sentidos do mundo. Os robôs teriam visão, tato, áudio e outras capacidades sensoriais para detectar e alimentar o mundo exterior no sistema de IA. Para mais detalhes sobre IA incorporada, consulte minha discussão aqui. Possível Era da IA Multiagente A próxima era da IA pode ser a era multiagente. Tenho certeza de que você já sabe que o uso de agentes baseados em IA é um assunto quente agora. Veja minha cobertura abrangente aqui. Todos parecem estar entusiasmados com o advento dos agentes de IA. Às vezes, este campo também é referido como IA agêntica ou IA distribuída. A ideia é que a IA agindo como um mecanismo semiautônomo serviria como um agente para realizar tarefas ou atos específicos para humanos. Você pode querer reservar um voo e um hotel para uma próxima viagem e invocar um agente de IA que executaria essa tarefa em seu nome. As expectativas são de que acabaremos com milhares e milhares de agentes de IA que realizam várias tarefas específicas (eventualmente milhões de agentes de IA). Estamos caminhando para um futuro multiagente completo. Alguns acreditam que haverá agentes de IA coordenadores que trabalham em seu nome para identificar, orientar e monitorar o trabalho de vários agentes para que você não precise se preocupar em fazê-lo. Distribuir a inteligência por uma infinidade de agentes de IA tem muitas grandes possibilidades, mas também traz questões difíceis sobre eles trabalhando em desacordo uns com os outros. Além disso, imagine que alguns dos agentes de IA são traiçoeiros e enganosos. Como outros agentes lidarão com os agentes de IA mal-intencionados? Possível Era da IA Centrada no Humano A próxima era pode ser a era da IA centrada no ser humano. Primeiro, saiba que a frase de IA sendo centrada no ser humano tem diferentes significados em todo o campo da IA. Uma visão é que a IA centrada no ser humano é a IA que foi projetada para adotar os valores humanos. A IA deve estar alinhada com as dimensões éticas, morais e legais da humanidade. Para mais informações sobre essa perspectiva, consulte minha discussão aqui. O significado de IA centrada no ser humano no contexto deste relatório citado é um pouco diferente, embora aponte geralmente na mesma direção. A ideia é que queremos que a IA contenha inteligência social. Considerando que o foco principal agora parece ser a inteligência intelectual, como saber fatos e números, a crença é que precisamos que a IA seja capaz de discernir as pistas sociais da humanidade. Em certo sentido, o argumento é que a IA não será independente e privada de humanos no circuito. A IA estará trabalhando em conjunto com os humanos, e mesmo a AGI presumivelmente estará fazendo isso. Portanto, devemos projetar uma IA que 'entenda' a natureza das pessoas e possa trabalhar ao lado dos humanos. Possível Era da IA Quântica A IA quântica pode ser a próxima era da IA. Você provavelmente já ouviu falar de computação quântica, uma forma de hardware que explora os princípios da física quântica. Tem sido uma longa história de quântica recebendo manchetes e, mais tarde, não recebendo muita atenção. A computação quântica é difícil de criar. É difícil torná-lo viável em escala. A grande vantagem da computação quântica é que, se pudermos levá-la a um estado viável, haverá incríveis vantagens de velocidade para tarefas como pesquisa e execução de tarefas complexas de otimização. Você não precisa necessariamente de IA para realizar computação quântica, mas a suposição é que, se combinarmos IA com computação quântica, bam, todos os tipos de novas capacidades emergentes podem surgir. Para os prós e contras da IA e da computação quântica, consulte minha discussão aqui. Prever o futuro da IA Qual desses seis caminhos você acha que será o vencedor? Além de tentar escolher apenas um, você pode ponderar se dois ou mais podem se misturar e se tornar a próxima era da IA. Não precisamos nos limitar a apenas uma solução. Talvez um efeito sinérgico de vários se unirá e se tornará o ponto focal do paradigma de tomada de posse. Voltando aos aspectos de LLM e IA generativa, um argumento é que as LLMs ainda estarão no topo e que um ou mais dos seis estarão meramente escondidos na era das LLMs. Esses caminhos adicionais de IA serão inseridos sob a IA generativa e as LLMs. Isso, por sua vez, aumentará a IA e nos permitirá passar pelo muro de tijolos que tem sido ansiosamente antecipado. Dessa forma de pensar, LLMs e IA generativa são preeminentes, e todos salvam suas faces. Em suma, Eleanor Roosevelt disse o seguinte: “O futuro pertence àqueles que acreditam na beleza de seus sonhos”. Precisamos sonhar com o futuro da IA que faça sentido para a humanidade e concretizar esse sonho aspiracional.