Bindu Reddy e o caminho para a AGI: por que um único modelo "mais inteligente" não vai bastar

Enquanto o Vale do Silício disputa quem promete mais alto a chegada da inteligência artificial geral (AGI) para a próxima terça-feira, Bindu Reddy sugere respirar fundo. A CEO da Abacus.AI enxerga o setor não pelas lentes cor-de-rosa do venture capital, mas pela dura realidade de implementar redes neurais em empresas de verdade. E o diagnóstico dela é sóbrio: ainda estamos numa fase em que "o melhor modelo" é um título que dura só até o próximo grande lançamento da concorrência. Antes era simples: havia o GPT-4 e todo o resto. Agora vemos uma fragmentação, em que a liderança em programação, escrita criativa ou raciocínio lógico troca de mãos o tempo todo.

Reddy ressalta que o caminho para a AGI não é só uma questão de aumentar o número de parâmetros ou comprar mais GPUs H100. O problema está na arquitetura. Os grandes modelos de linguagem atuais continuam sendo papagaios estatísticos incrivelmente avançados. Eles preveem o próximo token, mas não têm o que Bindu chama de "agência": a capacidade de planejar sozinhos cadeias complexas de ações e corrigi-las em tempo real, sem a orientação de um humano. O verdadeiro salto rumo à AGI não virá quando um modelo tiver lido a internet inteira, e sim quando ele aprender a raciocinar em tempo real, usando uma checagem interna de fatos antes de entregar a resposta.

O panorama atual mostra um quadro curioso. A OpenAI, com o GPT-4o, mantém o posto de produto mais equilibrado, mas a Anthropic, com o Claude 3.5 Sonnet, de repente virou a favorita dos desenvolvedores e de quem valoriza um estilo de escrita mais "humano" e precisão no código. Ao mesmo tempo, a Meta, com o Llama 3.1, provou que modelos abertos conseguem colar nos gigantes proprietários. Para Reddy, apostar em um único modelo é um erro estratégico para qualquer CTO ou líder de produto hoje. O futuro está na orquestração: uma camada de software dedicada (router) decide qual requisição vai para o Claude e qual vai para um modelo menor, mais barato e mais rápido.

Chama atenção como Bindu conecta o avanço da AGI à viabilidade econômica. Treinar modelos fica exponencialmente mais caro, enquanto o ganho de qualidade começa a desacelerar. Estamos chegando a um muro em que simplesmente "mais dados" já não gera um salto mágico de inteligência. Para superar essa barreira, o setor terá de reinventar a forma de treinamento, talvez deixando o aprendizado supervisionado puro em favor de métodos mais parecidos com o jeito como as pessoas aprendem: por tentativa e erro e pela compreensão de relações de causa e efeito. Sem isso, a AGI continuará sendo apenas um termo de marketing bonito para atrair rodadas de investimento.

O que isso significa para nós? Enquanto os engenheiros quebram a cabeça para criar um deus digital, vale aprender a fazer malabarismo com o que já existe. Reddy está convencida de que, nos próximos dois anos, quem vai vencer não são as empresas que criarem a maior rede neural, e sim as que construírem a melhor infraestrutura para usar esse "zoológico". Inteligência de verdade envolve volume de conhecimento, mas também saber aplicar a ferramenta certa na hora certa. E, enquanto os modelos não aprenderem a fazer isso sozinhos, esse trabalho continua sendo nosso.

O principal: a AGI não será um evento único nem um "clarão". É uma transição gradual, e hoje estamos presos numa etapa em que os modelos são inteligentes, mas ainda não são autônomos. Anthropic e OpenAI vão seguir na corrida armamentista, mas o poder real agora está migrando para a flexibilidade e a capacidade de combinar diferentes modelos em um mesmo produto.

*A Meta é reconhecida como organização extremista e proibida na Rússia.