Laboratórios de IA em todo o mundo estão aprimorando seu foco no aperfeiçoamento recursivo (RSI), um conceito que visa máquinas que possam se melhorar continuamente sem entrada humana. A corrida reflete o hype que uma vez cercou a inteligência artificial geral, mas os obstáculos técnicos permanecem formidáveis.

No início deste mês, o ex-pesquisador da Meta e da Salesforce, Richard Socher, anunciou o lançamento da Recursive Superintelligence, uma empresa explicitamente construída em torno do RSI. Socher disse à TechCrunch que o objetivo é automatizar toda a pipeline de pesquisa - ideia, implementação e validação - para que o sistema possa se melhorar em escala sem supervisão humana.

Paralelamente ao esforço de Socher, o ex-líder da Tesla e da OpenAI, Andrej Karpathy, está executando um projeto que ele chama de Auto-Pesquisa. Ao implantar enxames de agentes para treinar grandes modelos de linguagem em tarefas modestas, Karpathy espera alcançar ganhos incrementais que possam eventualmente se transformar em um loop de auto-aperfeiçoamento. Ele tem sido excepcionalmente transparente, postando marcos no Twitter e liberando código no GitHub. Até agora, as melhorias estão em um nível de GPT-2, e Karpathy admite que elas não são "novas, revolucionárias" (ainda).

A Adaption, uma startup fundada pela ex-aluna da Cohere e do Google, Sara Hooker, entrou na arena com a ferramenta AutoScientist, que treina agentes para fazer melhorias incrementais em modelos de linguagem de ponta. O objetivo é semelhante ao de Karpathy: simplificar o treinamento de modelos maciços permitindo que agentes de IA lidem com as etapas de ajuste fino que tradicionalmente exigem engenheiros humanos.

Histórias de sucesso concreto estão surgindo. A fundadora da Disarray, Doris Xin, viu seu agente de aprendizado de máquina auto-treinado capturar 28 medalhas em uma recente competição do Kaggle, superando muitas entradas treinadas por humanos. Xin aponta a confiabilidade como o principal obstáculo, argumentando que com "computação infinita e horizonte de tempo infinito, já estamos lá".

Líderes da indústria permanecem cautelosos. O CEO do Google, Sundar Pichai, em uma entrevista recente de podcast, reconheceu o progresso, mas alertou que o tipo de aceleração descrito pelo RSI ainda está além do alcance. "É um continuum, e todos estamos definitivamente fazendo progresso", disse ele, acrescentando que o próximo nível teria "muitas implicações, mas ainda não estamos lá".

As ferramentas internas da Anthropic sugerem o quão rapidamente a fronteira está se movendo. Seu sistema Claude Code agora escreve cerca de 100% do código que seus engenheiros usam, efetivamente autorizando a si mesmo. Uma pesquisa com funcionários da Anthropic revelou que cinco de 18 engenheiros acreditam que o modelo Mythos futuro pode substituir um programador de nível médio (L4), embora notem fraquezas na auto-gestão, definição de prioridades e verificação - habilidades essenciais para o verdadeiro RSI.

Especialistas enfatizam que usar IA para auxiliar a pesquisa não é igual ao RSI. Helen Toner, diretora do Centro de Segurança e Tecnologia Emergente de Georgetown, disse à TechCrunch que "eles estão apenas usando IA para o que podem", o que não atende à definição clássica em que nenhum humano é necessário. Ajeya Cotra do Instituto de Pesquisa de Inteligência de Máquina descreve uma estrada: primeiro "adequação", onde uma IA pode conduzir pesquisas sozinha; então "paridade", igualando o desempenho humano; e finalmente "supremacia", superando equipes humanas-IA colaborativas. Cotra acredita que o limiar de adequação pode estar dentro de alguns anos, mas paridade e supremacia permanecem especulativas.

A comunidade permanece dividida sobre os prazos. Um painel de especialistas organizado pelo CSET no ano passado encontrou opiniões que variavam desde explosões iminentes de superinteligência até progresso mais lento, limitado por um platô. Todos concordam, no entanto, que a recursividade torna a previsão especialmente difícil.

À medida que o financiamento aumenta e os recursos de computação se expandem, os desafios de engenharia e alinhamento se tornam grandes. A computação infinita não é uma realidade, e equilibrar o trabalho humano contra a inteligência da máquina será uma tensão persistente. Por agora, o aperfeiçoamento recursivo permanece uma promessa tentadora - uma que o campo de IA está correndo em direção, mas ainda não capturou completamente.

Este artigo foi escrito com a assistência de IA.
News Factory SEO ajuda você a automatizar conteúdo de notícias para o seu site.