ByteDance e Li Hang: como fazer as redes neurais trabalharem em vez de só conversar

O chefe do laboratório de IA da ByteDance, Dr. Li Hang, publicou um trabalho sobre um framework universal para agentes de IA construído sobre quatro módulos: percepção, planejamento, memória e ação. Segundo o Jiqizhixin (机器之心), o objetivo é substituir os atuais sistemas agênticos experimentais, como AutoGPT e BabyAGI — que muitas vezes "quebram no segundo passo e alucinam em loops infinitos" —, por uma ferramenta industrial confiável.

Quem é Li Hang

No mundo do processamento de linguagem natural, o nome de Li Hang pesa, como diz a reportagem, "mais ou menos o mesmo que todo o parque de servidores de uma startup média". Ele passou pela Microsoft Research Asia e pela Huawei antes de assumir o comando do laboratório de IA da ByteDance. É uma trajetória aplicada, não acadêmica: na avaliação do autor da publicação, esse histórico indica que Li Hang se interessa menos pela beleza teórica das arquiteturas e mais pelo seu poder prático — ou seja, por levar ideias dos PDFs para produtos reais.

Os quatro nós da arquitetura

O principal problema dos modelos de linguagem atuais que o framework ataca é a incapacidade de planejar com antecedência: o modelo "vive o momento", gerando o próximo token em vez de montar uma estratégia. A arquitetura proposta se concentra em quatro nós críticos — percepção, planejamento, memória e ação. Primeiro, o modelo constrói uma árvore hierárquica de objetivos; depois, usa ferramentas externas para alcançá-los, consultando constantemente a memória de longo prazo. O autor da reportagem descreve o efeito assim: a abordagem transforma a IA "de estudante de Letras em gerente de projetos experiente".

Por que isso importa para os negócios e quem é o concorrente

Para que a IA gere dinheiro de verdade no setor B2B, ela precisa entrar sozinha no CRM, analisar dados, montar um relatório e enviá-lo ao cliente sem pedir permissão a cada etapa — é exatamente esse cenário que o framework de Li Hang endereça. A ByteDance, que opera volumes colossais de dados e algoritmos de recomendação complexos, tem mais interesse do que ninguém nesses sistemas autônomos. O projeto é descrito como um desafio direto ao Microsoft AutoGen: segundo o autor, enquanto as empresas ocidentais costumam apostar no "poder bruto" de computação, a ByteDance aposta em um esquema de engenharia estruturado, elegante e escalável.

Perguntas frequentes

O que exatamente Li Hang propôs?

Um framework universal para agentes de IA baseado em quatro módulos — percepção, planejamento, memória e ação. Em vez de gerar a resposta "no momento", o modelo primeiro constrói uma árvore hierárquica de objetivos e depois os alcança por meio de ferramentas externas, consultando constantemente a memória de longo prazo.

Em que isso difere do AutoGPT e do BabyAGI?

Segundo a reportagem, sistemas agênticos existentes como AutoGPT e BabyAGI são instáveis: quebram nas primeiras etapas da tarefa e caem em loops de alucinação. O framework de Li Hang introduz uma arquitetura sistemática de planejamento e memória, que deve transformar esses protótipos agênticos de "brinquedo" em uma ferramenta industrial confiável.

Por que isso pode ser um desafio para o Microsoft AutoGen?

Porque os dois projetos resolvem o mesmo problema — a construção de agentes de IA autônomos de múltiplas etapas —, mas, na avaliação do autor da publicação, por caminhos diferentes: o AutoGen e outros projetos ocidentais tendem a se apoiar em poder computacional, enquanto a ByteDance, por meio de Li Hang, propõe um esquema de engenharia estruturado. O resultado da disputa vai depender de quem levar mais rápido a arquitetura da publicação acadêmica para a produção.