Diretora do Google DeepMind diz que risco de extinção por IA 'não é zero'

A possibilidade de a inteligência artificial (IA) representar um risco existencial para a humanidade continua a preocupar parte dos principais nomes do setor. A diretora de operações de IA da Google DeepMind, Lila Ibrahim, afirmou que a hipótese de a tecnologia provocar a extinção da humanidade "não é zero", embora tenha ressaltado que qualquer estimativa além disso seria apenas um palpite. Ao mesmo tempo, a executiva contestou previsões otimistas de empresários como Elon Musk sobre o futuro da IA.
Em entrevista à revista Fortune, Ibrahim lembrou que assinou, em 2023, a declaração do Center for AI Safety que defendia que o risco de extinção causado pela IA deveria ser tratado com a mesma prioridade de ameaças como guerras nucleares e pandemias.
Três anos depois, ela afirmou que mantém a mesma posição. "Não é zero", disse sobre a possibilidade de um cenário extremo. "Qualquer coisa além disso é apenas um palpite meu, é a engenheira em mim." Segundo a executiva, "seria irresponsável da nossa parte não falar sobre o risco existencial”.
Debate sobre riscos e oportunidadesIbrahim afirmou que o avanço acelerado da IA exige que empresas e governos discutam não apenas as oportunidades, mas também os possíveis impactos negativos da tecnologia. Para ela, uma das lições deixadas pela pandemia foi que ameaças de grande escala nem sempre são previsíveis.
A executiva também afirmou que a indústria de tecnologia falhou, no passado, ao não debater suficientemente os riscos associados à expansão da internet e das redes sociais. "As duas coisas que me tiram o sono são: estamos a fazer tudo o que podemos para mitigar os riscos? E estamos a fazer tudo o que podemos para maximizar as oportunidades? Na minha opinião, essas duas coisas andam de mãos dadas", afirmou.
As declarações de Ibrahim somam-se às de outros investigadores e executivos que já manifestaram preocupação com os impactos da IA. Geoffrey Hinton, conhecido como um dos "padrinhos da inteligência artificial", estimou anteriormente entre 10% e 20% a hipótese de a humanidade ser extinta nas próximas décadas em consequência da tecnologia.
Já Dario Amodei, diretor da Anthropic e também signatário do manifesto de 2023, afirmou que existe 25% de probabilidade de o futuro ser "muito, muito mau". Antes mesmo da popularização da IA generativa, o físico Stephen Hawking também alertou para os riscos que sistemas avançados poderiam representar.
Na entrevista, Ibrahim também discordou das previsões feitas por Elon Musk sobre uma sociedade em que o trabalho deixaria de existir devido à abundância produzida por robôs e sistemas de IA. O empresário afirmou recentemente que, até 2036, o dinheiro perderia relevância porque produtos e serviços seriam extremamente baratos e os governos distribuiriam um rendimento básico universal elevado. Jeff Bezos, fundador da Amazon, também já projetou que milhões de pessoas viverão no espaço nas próximas décadas.
Para a diretora da Google DeepMind, porém, o ritmo de evolução da IA torna impossível prever com precisão como será o futuro. "Não acho que possamos realmente prever como será o futuro", afirmou à Fortune.
Em vez de apostar em cenários distantes, Ibrahim defendeu que o foco esteja no uso da tecnologia para resolver problemas concretos, como eventos climáticos extremos, resíduos industriais e o desenvolvimento de soluções para doenças. "Prefiro que concentremos a nossa atenção em como usar a tecnologia como ferramenta para maximizar o potencial humano", disse.

Os principais CEO das empresas de IA pedem uma lei que proteja contra as armas biológicas

A urgência desta carta foi motivada pela revogação recente, por parte da administração Trump, de uma ordem executiva da era Biden que criava uma estrutura de triagem para a síntese de genes. Como o governo atual ainda não publicou uma política de substituição, este grupo de CEOs e cientistas uniu-se para pedir que o Congresso norte-americano crie uma lei federal definitiva.

A principal preocupação é que, embora criar um vírus funcional ainda exija perícia prática de laboratório, os novos modelos de IA conseguem apontar falhas em sistemas de segurança, sugerir mutações perigosas ou ensinar passo a passo como contornar os filtros das empresas que vendem DNA sintético.

Em Apoio ao Rastreio Obrigatório e Registo da Síntese de Ácidos Nucleicos

"Como investigadores em ciências da vida, criadores de IA e biotecnologia, e especialistas com uma vasta gama de visões sobre como abordar a política de IA, apelamos aos legisladores para que tornem obrigatória a triagem de encomendas de ácidos nucleicos sintéticos — e do equipamento necessário para os fabricar.

A capacidade de encomendar DNA sintético online acelerou o desenvolvimento de vacinas, impulsionou a investigação básica e permitiu que pequenas equipas acedessem a capacidades que antes estavam confinadas a grandes instituições. Desde a publicação de protocolos para reconstruir vírus a partir de filamentos de DNA, há mais de duas décadas, isto também tem sido reconhecido como um ponto crucial na cadeia de abastecimento biotecnológico onde um ator mal-intencionado pode causar danos desproporcionais. Reconhecendo esta vulnerabilidade, as empresas de síntese formaram o International Gene Synthesis Consortium em 2009 para desenvolver e implementar salvaguardas voluntárias contra a utilização indevida.

Embora o problema não seja novo, o ritmo de progresso na inteligência artificial é. Os sistemas de IA superam agora virologistas com nível de doutoramento em questões sobre procedimentos laboratoriais altamente técnicos nos seus próprios domínios de especialização. As evidências sobre o que isto significa para as ameaças atuais à biossegurança são genuinamente mistas, mas a tendência é difícil de contestar. Os sistemas de IA estão a melhorar rapidamente e, a par de benefícios incríveis para a ciência e a medicina, existe a possibilidade real de que as barreiras de conhecimento que historicamente impediram atores mal-intencionados de obter armas biológicas venham a erodir significativamente.

O apoio à triagem não depende de uma visão específica sobre a IA; o caso da biossegurança tem sido reconhecido por cientistas e governos há décadas. A triagem é também uma das medidas de biossegurança mais bem compreendidas e menos disruptivas disponíveis. Ela solicita aos fornecedores de DNA sintetizado e aos fabricantes de máquinas de síntese que verifiquem se os pedidos de síntese contêm sequências preocupantes e que validem a legitimidade do cliente antes de enviarem as encomendas. Os fornecedores devem também registar as encomendas de síntese e os dados de sequenciação para apoiar investigações legítimas de biossegurança, de modo a que qualquer ameaça que consiga escapar à triagem inicial possa ser rastreada até à sua origem - inclusive quando sequências individuais não levantariam preocupações de forma isolada. A própria consciência da rastreabilidade dissente o uso indevido.

(...) Dado o ritmo a que a tecnologia subjacente está a mudar, acreditamos que a necessidade é urgente. O Congresso deve agir nesta sessão, e aplaudimos os esforços legislativos atualmente em curso. Para garantir um padrão nacional consistente, em vez de uma manta de retalhos de leis estaduais conflituosas, os estados devem também considerar a implementação de requisitos baseados nas diretrizes federais e da indústria já existentes."

Texto original

DeepMind prevê chegada da AGI até 2029 e diz que a sociedade não está pronta para o avanço

O diretor-executivo da Google DeepMind, Demis Hassabis, afirmou que a Inteligência Artificial Geral (AGI, na sigla em inglês) pode tornar-se realidade até 2029 e alertou que governos, empresas e a sociedade ainda não estão preparados para lidar com a velocidade do avanço da tecnologia. Segundo o próprio, os sistemas atuais de inteligência artificial (IA) já demonstram sinais de capacidades mais amplas e autónomas, num movimento que pode acelerar antes do esperado.

As declarações foram feitas após a conferência anual de desenvolvedores da Google. Hassabis afirmou que os recentes avanços em agentes de IA e sistemas autónomos reforçaram a perceção, dentro da indústria, de que a AGI poderá surgir antes do fim desta década. O executivo ainda considera 2030 como uma estimativa provável, mas disse que 2029 já é um cenário “realista” e que o desenvolvimento pode acontecer a um ritmo ainda mais acelerado.

A AGI é descrita pelo setor como uma forma de IA capaz de igualar ou superar o desempenho humano em diferentes tarefas cognitivas. Para Hassabis, as melhorias observadas nas ferramentas de IA ao longo do último ano não são avanços isolados, mas sim evidências de que a indústria finalmente encontrou um caminho técnico viável para construir sistemas mais sofisticados.

O executivo afirmou que a chamada “era dos agentes” deve ser vista como um primeiro teste de stresse para a sociedade. Esses sistemas conseguem executar tarefas de maneira mais independente, realizando atividades ligadas à programação, produtividade e automação. Segundo Hassabis, os agentes atuais representam apenas uma antevisão do impacto que os futuros sistemas poderão causar quando tiverem capacidades mais avançadas de raciocínio, planeamento e investigação.

Hassabis também afirmou que o ritmo da evolução da IA já apanhou empresas e governos de surpresa. O responsável citou exemplos recentes que envolvem modelos avançados de empresas concorrentes, como a Anthropic, para argumentar que até os especialistas do setor têm sido surpreendidos pela velocidade dos avanços.

Segundo ele, ainda existe uma pequena janela de oportunidade para que a sociedade se prepare para sistemas cada vez mais poderosos, mas essa margem pode diminuir rapidamente nos próximos anos. Diante disso, o executivo reforçou a necessidade de uma ação célere por parte dos governos no que toca à segurança e regulamentação da IA.

Em termos práticos, o que Demis Hassabis quis dizer resume-se ao facto de que a IA superinteligente está quase a chegar. A Inteligência Artificial Geral, aquela que consegue fazer qualquer tarefa intelectual tão bem ou melhor do que um ser humano, pode estar pronta já em 2029, muito antes do que a maioria das pessoas imaginava há uns anos. Além disso, o caminho técnico já foi descoberto. Os avanços recentes, como os agentes que trabalham de forma autónoma, mostram que a indústria já não está a adivinhar e que os cientistas já encontraram a fórmula técnica certa para criar esta superinteligência. No entanto, o mundo não está preparado para esta realidade. O avanço está a ser tão rápido que os governos, as empresas e as leis não estão a conseguir acompanhar o ritmo. Hassabis deixa, por isso, um alerta claro de que temos uma janela de tempo muito curta para criar regras e garantir que a tecnologia é segura antes que ela nos ultrapasse. Em suma, a revolução da IA vai acelerar a um ritmo avassalador e a sociedade precisa de se preparar com urgência.

“Estamos a assustar as pessoas”, diz CEO da Nvidia sobre cortes ligados à IA

O CEO da Nvidia, Jensen Huang, criticou executivos de tecnologia que atribuem despedimentos em massa ao avanço da inteligência artificial (IA) e afirmou que o discurso tem sido usado de forma “preguiçosa” e “irresponsável”. Em entrevista ao canal Channel News Asia na segunda-feira, dia 25, o executivo disse que muitas empresas estarão a utilizar a IA como justificativa pública para cortes que, na prática, terão relação com o excesso de contratações, custos elevados e má gestão.

As declarações de Huang surgem num momento em que gigantes da tecnologia têm feito despedimentos enquanto ampliam investimentos bilionários em IA. Nos últimos anos, os executivos passaram a afirmar que as ferramentas automatizadas estariam a substituir parte da força de trabalho humana, alimentando o medo sobre o impacto da IA no mercado de trabalho.

Para Huang, porém, a linha temporal apresentada por algumas empresas não faz sentido. “A IA acabou de chegar, como é possível que já esteja a causar perda de empregos?”, afirmou o executivo. Segundo ele, algumas companhias passaram a relacionar os cortes de pessoal à tecnologia antes mesmo de esta se tornar amplamente útil em ambientes corporativos.

O CEO da Nvidia também criticou o uso do tema como estratégia de comunicação com investidores e o mercado. “Era apenas uma maneira de parecerem inteligentes, e eu detesto isso”, disse. “Acho que estamos a assustar as pessoas, e isso é irresponsável”.

A discussão ganhou força após casos recentes em empresas de tecnologia. No início deste ano, Jack Dorsey anunciou uma grande redução na equipa da Block e citou o avanço de “ferramentas de inteligência” como parte das transformações na companhia. Ex-funcionários, porém, afirmaram que os cortes estavam ligados principalmente ao excesso de contratações realizado durante a pandemia de covid-19.

Analistas do setor também apontam que o atual ciclo de investimentos em IA tem elevado fortemente os custos operacionais das empresas. O acesso a infraestruturas de computação em nuvem e chips especializados continua caro, o que pressiona os orçamentos e leva as companhias a reverem os planos de contratação. A própria Nvidia tornou-se uma das empresas mais valiosas do mundo justamente por fornecer os chips usados em sistemas de IA.

Apesar disso, Huang afirmou acreditar que a IA poderá gerar mais empregos a longo prazo. Segundo ele, empresas mais produtivas tendem a crescer mais rapidamente e, consequentemente, a aumentar as suas equipas. “Elas tornam-se maiores e mais lucrativas. E quando crescem e se tornam mais lucrativas, acabam por contratar mais pessoas”, disse o executivo.

O discurso de Huang acompanha uma mudança de tom entre os líderes do setor tecnológico. Na semana passada, Demis Hassabis também criticou as empresas que atribuem despedimentos à IA e classificou esse tipo de justificativa como “falta de imaginação” (a famosa “desculpa esfarrapada”).

O erro mais caro da próxima década é tratar a IA como uma ferramenta estática

A inteligência artificial não é um software que se compra, instala e resolve. O erro estratégico mais caro dos próximos anos será tratar a IA como um produto acabado, e não como um sistema em constante mutação.

Prever com inteligência artificial já é o básico; a verdadeira vantagem competitiva reside agora em entender como essa capacidade será redesenhada por agentes autónomos e modelos multimodais que se otimizam a si mesmos em tempo real.

O futuro deixou de ser apenas objeto de análise para se tornar parte integrante da ferramenta que analisa.

O deslocamento na adoção corporativa

A adoção corporativa confirma esta mudança. Dados recentes indicam que 88% das organizações já utilizam IA em pelo menos uma função de negócio. Mais relevante do que o volume é a complexidade: 39% das empresas já experimentam agentes autónomos.

Isto sinaliza que a inteligência artificial saiu definitivamente dos laboratórios de inovação para se tornar infraestrutura de decisão. Está no orçamento, na engenharia, na análise de risco e, principalmente, na ordem do dia dos conselhos de administração. A transição é clara: saímos da análise retrospetiva ("o que aconteceu?") para a antecipação preditiva ("o que tende a ocorrer e sob que sinais de alerta?").

Na prática, essa força preditiva altera a gestão de ponta a ponta. No retalho, antecipa a procura com uma granularidade inédita, combatendo a rutura de stock. Na indústria, identifica desvios operacionais antes que se tornem perdas em série. Nas finanças, cruza padrões comportamentais para mitigar fraudes em milissegundos.

O valor aqui não está na sofisticação tecnológica por si só, mas na disciplina de transformar a previsão em ação. As empresas maduras criam rotinas para decidir antes que o atraso se transforme em custo. As imaturas limitam-se a colecionar painéis bonitos enquanto permanecem reféns do improviso.

O risco subtil da precisão

A precisão da máquina traz consigo um risco subtil: a erosão do pensamento crítico. Um estudo da Harvard Business Review com gestores mostrou que o uso de IA generativa para previsões financeiras aumentou o otimismo e a confiança dos utilizadores, mas resultou em previsões piores do que as feitas por equipas que debateram entre pares.

A fluência verbal da inteligência artificial pode anestesiar a dúvida. E, em estratégia, a dúvida é um ativo valioso. Delegar a estratégia inteiramente à máquina é trocar responsabilidade por conveniência. Uma empresa resiliente usa a IA para ampliar a visão, mas jamais para terceirizar a coragem de decidir.

Há também um limite confortável na previsão algorítmica: ela depende de padrões observáveis. Ruturas geopolíticas e crises sanitárias operam fora da média. Além disso, o European Systemic Risk Board alerta para a concentração de modelos. Se todo o mercado utiliza os mesmos fornecedores e lógicas, a diversidade decisória diminui.

A automação pode criar eficiência, mas também pode sincronizar erros em escala. A IA que prevê o futuro está em mutação interna. Estima-se que 40% das aplicações empresariais sejam baseadas em agentes específicos até ao fim de 2026. Para as lideranças C-Level, a janela para definir a estratégia de IA agêntica é de três a seis meses. No calendário corporativo, isso é um trimestre; na evolução da tecnologia, é uma era inteira.

A reconfiguração dos processos e do balanço

Os agentes mudam o desenho dos processos. O valor migra do uso individual para a arquitetura organizacional. A liderança deve agora responder a que processos aceitam autonomia parcial, questionar quais exigem validação humana obrigatória e definir que decisões devem permanecer sob responsabilidade direta dos líderes.

A disputa já chegou à última linha do balanço. Os setores expostos à IA viram o crescimento da receita por colaborador dar um salto para os 27%, contra 9% nos menos expostos. Os profissionais com competências em IA já exigem prémios salariais de até 56%. Para os executivos, o recado é direto: ela já está a impactar a remuneração de talentos e a capacidade de escalar receitas com a mesma base humana.

Talvez o ponto mais crítico seja o que o Google DeepMind chama de agentes evolutivos (como o AlphaEvolve). A IA começou a participar no aperfeiçoamento da sua própria infraestrutura, gerando ganhos de eficiência computacional que escalam globalmente.

Daí surge o paradoxo central: a empresa usa a IA para ver o futuro, mas precisa de vislumbrar o seu próprio futuro para sobreviver. Os comités que tratam a tecnologia como uma mera compra de licenças são anacronismos. A liderança moderna deve monitorizar modelos, governação e custos computacionais com a mesma seriedade que dedica aos juros e à regulação.

Conclusão: um sistema vivo

A conclusão é clara. Prever é poder, transformar-se é sobrevivência.

Para quem consome tecnologia, a omnipresença da IA em dispositivos e serviços financeiros trará conveniência, mas exigirá transparência. Inovação sem explicabilidade é apenas assimetria de poder.

A próxima vantagem competitiva não virá de quem "comprou" a melhor IA, mas de quem a trata como um sistema vivo. As organizações que procuram um produto acabado serão surpreendidas pela própria tecnologia que acreditavam dominar.

As vencedoras usarão a inteligência artificial para antecipar o mundo e, simultaneamente, vigiar a transformação da lente com que observam esse mundo. O futuro já fala através de máquinas. A liderança que apenas escuta, obedece. A que compreende, decide.

Inteligência Artificial Geral (AGI): Previsões, riscos, desafios

Fonte

Descobre o que é a Inteligência Artificial Geral (AGI), como se diferencia da IA atual e os grandes desafios técnicos, económicos e éticos que ainda precisam de ser superados para que se torne realidade.

Se já estás a explorar a inteligência artificial (IA), provavelmente já te deparaste com o termo AGI (Inteligência Artificial Geral) em discussões sobre o futuro da tecnologia. Talvez já tenhas visto previsões ousadas sobre máquinas que ultrapassam a inteligência humana ou debates sobre se a AGI está prestes a acontecer ou se ainda é um sonho distante.

A AGI pode automatizar quase todas as tarefas cognitivas, revolucionando setores como a saúde, a investigação e a robótica. Isto parece promissor — mas ainda é apenas teoria, e há muitos desafios técnicos, económicos e éticos pela frente.

Neste artigo, vais aprender o que é a AGI, como se diferencia da IA atual e os desafios que vamos enfrentar no caminho para que se torne uma realidade.

O que é a Inteligência Artificial Geral?

Em geral, a AGI é um sistema de IA avançado que consegue realizar qualquer tarefa intelectual que um humano consiga. Ao contrário dos modelos atuais de IA, que são considerados IA estreita ou aplicada (feita para tarefas específicas, como o reconhecimento de imagens ou o processamento de linguagem), a AGI teria uma capacidade de raciocínio, aprendizagem e adaptabilidade semelhante à dos humanos em vários campos. Isto significa que um sistema AGI seria capaz de:

• Compreender e raciocinar como um humano em diferentes tarefas.
• Aprender com a experiência, em vez de necessitar de volumes massivos de dados e de reajustes constantes.
• Resolver problemas complexos e de vários domínios sem precisar de programação específica para isso.

A AGI tem várias definições, dependendo da perspetiva e do contexto. Embora todas coincidam em que deve ter habilidades cognitivas parecidas com as dos humanos, elas diferem naquilo em que focam a sua atenção. Aqui estão quatro dimensões importantes:

1. AGI funcional: baseada em capacidades

A definição funcional da AGI foca-se na capacidade de realizar qualquer tarefa intelectual em diferentes áreas. Não precisa de imitar os processos de pensamento humano, mas deve ser capaz de generalizar conhecimentos, adaptar-se a novos problemas e resolver tarefas sem a necessidade de um treino longo e exaustivo.

O foco é um sistema de IA que consiga alternar entre disciplinas — como diagnosticar condições médicas, programar e compor música — sem precisar de modelos separados para cada tarefa.

2. AGI cognitiva: inteligência parecida com a humana

Já a AGI cognitiva deve ser capaz de replicar o raciocínio humano, incluindo o senso comum, o pensamento abstrato e a compreensão contextual. Este tipo de AGI não só faria as tarefas, mas também entenderia o contexto, tal como um humano, utilizando a lógica, a criatividade e até a inteligência emocional.

Uma IA construída com base nesta definição seria capaz de manter conversas fluidas e com significado, entender piadas e resolver problemas da mesma forma que o cérebro humano faz naturalmente.

3. AGI com autoaprendizagem: melhoria autónoma

A AGI de autoaprendizagem é um sistema que se melhora a si próprio sem precisar de ajuda externa. Em vez de depender de conjuntos de dados predefinidos, este sistema experimentaria, descobriria novos conhecimentos e refinaria os seus próprios algoritmos para se tornar mais eficiente ao longo do tempo. Este tipo de AGI poderia realizar investigação científica de forma independente, criar novas teorias ou até mesmo alterar a sua própria estrutura para melhorar as suas capacidades.

4. AGI filosófica: autoconsciência

Por fim, a definição filosófica de AGI vai além da inteligência pura e foca-se numa IA que possui autoconsciência, emoções e, talvez, até consciência própria. Esta perspetiva sugere que a verdadeira AGI deve ser capaz de refletir sobre a sua existência, formar objetivos pessoais e ter pensamentos ou sentimentos subjetivos.

Se isto acontecer, esta IA poderá acabar por criar o seu próprio sentido de moralidade, demonstrar curiosidade ou até mesmo questionar-se sobre problemas existenciais, tal como nós fazemos.

O Espectro da AGI: AGI vs. IA Estreita

O espectro da AGI ajuda a categorizar a IA com base nas suas capacidades, adaptabilidade e autonomia. Geralmente, inclui as seguintes etapas:

• ANI (Artificial Narrow Intelligence): Inteligência Artificial Estreita (ou Aplicada)
• AGI (Artificial General Intelligence): Inteligência Artificial Geral
• ASI (Artificial Superintelligence): Superinteligência Artificial

IA Estreita (ANI)

A IA estreita foi desenhada para executar tarefas específicas com muita eficiência, mas não consegue generalizar além dos dados com os quais aprendeu. Estes sistemas são excelentes numa área — como o processamento de linguagem, reconhecimento de imagem ou dobramento de proteínas —, mas não conseguem adaptar-se a tarefas totalmente novas sem um novo treino.

Esta fase inclui os modelos atuais de IA (como o GPT-4o ou o DeepSeek-R1), software para carros autónomos e algoritmos de recomendação. São ferramentas poderosas, mas limitadas a funções predefinidas.

A fase de transição em que os sistemas de IA se tornam mais multifuncionais e adaptáveis é frequentemente chamada de IA Ampla ou pré-AGI. Um sistema deste tipo seria capaz de lidar com diferentes tipos de tarefas sem precisar de um reajuste completo, mas ainda carece de autonomia e raciocínio real, já que segue estruturas de aprendizagem predefinidas em vez de resolver problemas por conta própria.

AGI

A AGI é uma IA hipotética que consegue pensar, aprender e raciocinar como um ser humano em qualquer tarefa intelectual. Ao contrário da IA estreita, seria capaz de generalizar o conhecimento, evoluir de forma independente e perseguir os seus próprios objetivos de forma autónoma, revolucionando indústrias e desafiando limites éticos e filosóficos.

Superinteligência Artificial (ASI)

Por fim, a Superinteligência Artificial (ASI) é um nível de IA que é muito mais inteligente do que a humanidade em todas as habilidades cognitivas e de resolução de problemas. Este é o tipo de IA que conhecemos dos filmes de ficção científica que, ao contrário da AGI, melhoraria a um ritmo exponencial, inovaria muito além da compreensão humana e poderia transformar setores e sociedades inteiras. Embora seja apenas uma visão de futuro, os riscos que acarreta já merecem ser discutidos.

Onde estamos agora

Atualmente, ainda nos encontramos firmemente na fase da IA estreita. Com os avanços recentes em modelos de raciocínio (como o OpenAI o3) e ecossistemas de agentes autónomos (como o Manus AI), estamos a transitar da IA estreita para a IA ampla. Mesmo assim, a AGI continua a ser um objetivo por alcançar, que exige avanços técnicos profundos em autoaprendizagem, generalização e raciocínio.

Dificuldades e Obstáculos para Alcançar a AGI

Atualmente, existem vários desafios económicos, técnicos e éticos que precisam de ser superados.

1. Desafios económicos

Não falta interesse em fazer a IA avançar. Os grandes players globais estão numa competição feroz para liderar a tecnologia, dominar o mercado e ganhar influência geopolítica. Em particular, a China e os Estados Unidos estão numa corrida que muitos comparam à corrida espacial entre os EUA e a União Soviética nos anos 60.

No entanto, o poder de processamento necessário para alcançar um raciocínio semelhante ao humano é colossal. A expansão dos centros de dados (data centers) e a complexidade crescente dos modelos vão disparar a procura por energia. Atualmente, os centros de dados que alojam modelos de IA já representam cerca de 1% a 1,5% do consumo global de energia — um número que aumentará drasticamente. Os custos de computação e a escalabilidade continuam a ser barreiras sérias, e a solução poderá passar por melhorar a eficiência e desenvolver fontes de energia alternativas.

2. Desafios técnicos

Do lado técnico, os obstáculos incluem a codificação do conhecimento implícito, a intuição e a retenção de memória a longo prazo.

Conhecimento Implícito: O senso comum, as relações de causa e efeito ou as normas sociais são coisas que os humanos assumem sem precisar de verbalizar. Nós interpretamos o mundo com base na experiência e em informação incompleta. Os sistemas de IA têm enorme dificuldade em codificar e recuperar este tipo de conhecimento que não está explicitamente escrito num texto.

Intuição: A intuição humana é difícil de formalizar. Depende do reconhecimento de padrões subconscientes e do raciocínio abstrato. Embora o deep learning (aprendizagem profunda) consiga aproximar-se de julgamentos intuitivos em tarefas específicas, falta-lhe o processo de aprendizagem autorreflexivo que nos permite refinar a intuição com o tempo.

Esquecimento Catastrófico: Ao contrário de nós, que acumulamos experiências e construímos conhecimento ao longo da vida, os modelos de IA têm dificuldade em reter e atualizar o que aprenderam sem precisarem de ser treinados de novo. Os sistemas atuais sofrem frequentemente de "esquecimento catastrófico", onde a introdução de novas informações pode apagar ou corromper o conhecimento adquirido anteriormente.

3. Desafios éticos

Garantir que a AGI esteja alinhada com os valores e objetivos humanos (o chamado problema do alinhamento) é um dos desafios mais urgentes. Os valores humanos são complexos, contraditórios e variam drasticamente entre diferentes culturas, sociedades e contextos, tornando quase impossível traduzi-los em regras matemáticas rígidas para uma máquina.

Riscos da AGI

O aparecimento de uma inteligência desta escala traz consigo riscos sociais profundos:

1. Desemprego em massa: A capacidade da AGI de automatizar praticamente qualquer tarefa cognitiva pode destabilizar os mercados de trabalho globais a uma velocidade sem precedentes, exigindo uma reestruturação económica total.
2. Preconceitos e enviesamento (Bias): Se uma AGI for treinada com dados históricos humanos que contêm preconceitos, ela pode perpetuar e amplificar discriminações sistémicas a uma escala global e com uma aparente "autoridade lógica".
3. Riscos existenciais: Se um sistema se tornar autónomo, com capacidade de autoaprendizagem e mais inteligente do que os humanos, perder o controlo sobre as suas ações ou objetivos pode representar uma ameaça real para a própria sobrevivência da humanidade.

Conclusão

A Inteligência Artificial Geral já não pertence apenas ao domínio da ficção científica, mas o caminho para a alcançar está repleto de barreiras complexas. A transição da IA estreita para a AGI exigirá não só uma revolução na arquitetura de computadores e na eficiência energética, mas também um consenso global sem precedentes sobre ética, segurança e governação tecnológica.