5 caminhos pelos quais a IA está aprendendo a se aperfeiçoar sozinha

Em busca de uma inteligência artificial (IA) mais poderosa do que a humana, empresas como Meta, Google e Anthropic estão apostando em um novo paradigma: sistemas de IA capazes de se aperfeiçoar sozinhos. Segundo reportagem do MIT Technology Review, esse movimento já começou e pode ser o divisor de águas da próxima geração de inovações em inteligência artificial.

Mark Zuckerberg, CEO da Meta, tem liderado esse discurso. Em uma recente teleconferência de resultados, revelou que o laboratório Meta Superintelligence Labs tem como meta construir IAs autossuficientes, capazes de acelerar seus próprios avanços. Além de tentar atrair os melhores cientistas do mundo com propostas milionárias, a empresa investe em modelos que treinam outros modelos, otimizam seus próprios chips e até propõem novas ideias de pesquisa.

Leia também: Automação acelerada: o que falta para as empresas brasileiras alcançarem o consumidor digital?

A capacidade de autoaperfeiçoamento diferencia a IA de outras tecnologias transformadoras. Enquanto ferramentas como CRISPR e reatores de fusão dependem exclusivamente da ação humana para evoluir, os grandes modelos de linguagem (LLMs) conseguem, por si só, otimizar infraestrutura, gerar dados sintéticos para treinamento e refinar algoritmos.

Confira cinco formas pelas quais a IA contribuiu para seu próprio avanço:

1. Aumentando a produtividade dos desenvolvedores

Ferramentas como Claude Code, Cursor e os assistentes de codificação do Google e da Anthropic já auxiliam engenheiros a escrever códigos com mais agilidade. O Google chegou a declarar que 25% de seu novo código é gerado por IA. No entanto, estudos mostram que, em tarefas complexas, esses assistentes podem até atrasar o trabalho, exigindo mais tempo para correções. Ainda assim, para pesquisas exploratórias e protótipos rápidos, esses sistemas oferecem ganhos reais.

2. Otimizando a infraestrutura computacional

A lentidão no treinamento de modelos é um gargalo importante. Para contornar isso, pesquisadores têm usado IA para redesenhar chips e otimizar o uso de recursos computacionais.

Um exemplo é o AlphaEvolve, sistema da Google DeepMind que propõe e avalia algoritmos para tornar a infraestrutura de IA mais eficiente. Apenas uma melhoria de 1% no treinamento do modelo Gemini gerou grande economia de tempo e energia.

3. Automatizando o processo de treinamento

Como o treinamento de LLMs depende de grandes volumes de dados, a geração sintética de informações por outras IAs tem sido uma saída. Modelos também estão sendo usados como “juízes” no treinamento de colegas, avaliando respostas e guiando o aprendizado. Essa técnica foi popularizada pela Anthropic com sua abordagem de “IA constitucional”.

Em um projeto da Universidade Stanford, por exemplo, agentes de IA criam soluções passo a passo para problemas, que são avaliadas por outras IAs. Com isso, novas gerações de modelos são treinadas a partir dessas interações simuladas.

4. Projetando agentes mais eficazes

A arquitetura dos modelos de linguagem ainda segue o formato de transformadores criado por humanos. No entanto, os chamados agentes – IAs com capacidade de atuar de forma autônoma – exigem novos desenhos. Jeff Clune, pesquisador do Google DeepMind, criou com a startup Sakana AI o Darwin Gödel Machine, um agente que ajusta seu próprio código para melhorar o desempenho. Essa abordagem permitiu que o sistema descobrisse soluções inéditas, iniciando um verdadeiro ciclo de autossuperação.

5. Propondo pesquisas científicas

Embora a criatividade ainda seja uma barreira para as máquinas, experimentos indicam que a IA já é capaz de conduzir pesquisas. O projeto “AI Scientist”, liderado por Clune, desenvolve sistemas que escolhem temas de investigação, executam experimentos e escrevem artigos. Um dos trabalhos submetidos a um workshop do ICML foi bem avaliado por revisores humanos, ainda que a proposta experimental não tenha sido bem-sucedida.

A perspectiva de que a IA possa acelerar sua própria evolução acende debates sobre riscos e oportunidades. Enquanto empresas como Meta defendem que isso poderá libertar os humanos de tarefas repetitivas, especialistas alertam para o risco de uma aceleração descontrolada, com IAs superando rapidamente as capacidades humanas.

Siga o IT Forum no LinkedIn e fique por dentro de todas as notícias!