Gary Marcus contra a Nature: por que os rumores sobre a chegada da AGI são prematuros

Gary Marcus e seus colegas, Walter Quattrociocchi e Valerio Capraro, criticaram um artigo recente na prestigiosa revista Nature, que afirmava ter alcançado a inteligência artificial geral (AGI). Os autores da publicação de resposta insistem que os sucessos impressionantes de grandes modelos de linguagem (LLM) em vários benchmarks e até na resolução de problemas matemáticos complexos não constituem evidência de inteligência genuína. Em sua opinião, os proponentes da ideia de que a AGI existe estão cometendo um erro fundamental, confundindo a capacidade de realizar tarefas estreitamente especializadas com a manifestação de inteligência verdadeiramente geral.

Este artigo é um apelo por maior cautela no uso da terminologia e por uma análise mais profunda e significativa do que entendemos pelo conceito de "inteligência".

Recentemente, cada vez mais pessoas começaram a afirmar que a inteligência artificial geral já existe. Talvez a afirmação mais recente e proeminente sobre isso esteja contida em um artigo publicado na revista Nature. Essas afirmações são frequentemente alimentadas por realizações impressionantes no campo dos grandes modelos de linguagem (LLM), cujos resultados demonstram alto desempenho em vários conjuntos de dados de teste, operação fluente em diversos domínios e, em alguns casos, até soluções corretas para problemas matemáticos abertos. Esses desenvolvimentos são frequentemente vistos como prova irrefutável de que a humanidade alcançou o limiar da inteligência artificial geral.

No entanto, como Marcus e seus co-autores observam com razão, tais interpretações se baseiam em uma confusão fundamental entre resultados de tarefas individuais, frequentemente bem estudadas e padronizadas, e a inteligência em si. Realizar tarefas individuais, mesmo que demonstre resultados impressionantes, não pode ser considerado evidência suficiente da presença de inteligência geral. Em seu artigo, os autores mostram que as afirmações recentes sobre o alcance da AGI se baseiam em um erro conceitual—confundindo a aproximação estatística cada vez mais complexa com a inteligência em si. Eles também argumentam que as afirmações recentes (por exemplo, publicadas por Chen et al., 2026) sobre o suposto sucesso na criação da AGI dependem de redefinir o que o termo "IA" historicamente significava.

A ideia principal promovida pelos autores é que os LLMs modernos, apesar de suas capacidades impressionantes, são essencialmente máquinas estatísticas muito sofisticadas. Eles são treinados em vastos arrays de dados e aprendem a prever a próxima palavra ou sequência de palavras com base em padrões probabilísticos. Isso permite que gerem texto, respondam a perguntas e até resolvam tarefas que exigem certo nível de lógica ou conhecimento.

No entanto, de acordo com Marcus e seus colegas, isso não significa que o modelo "compreenda" a tarefa em sentido humano ou possua a capacidade de transferir conhecimento e habilidades para situações completamente novas e imprevisíveis—um aspecto chave da inteligência geral. Eles argumentam que isso se assemelha mais a uma forma avançada de imitação ou aproximação do que a um verdadeiro pensamento.

As consequências de tal confusão podem ser bastante significativas. Afirmações prematuras sobre o alcance da AGI podem levar a otimismo excessivo, alocação incorreta de recursos e, mais importante, subestimação dos problemas reais e desafios associados à criação de inteligência artificial genuína. Também pode nos levar a ser menos críticos sobre as capacidades e limitações dos sistemas de IA existentes, assumindo que possuem um nível de compreensão que na verdade não possuem. Além disso, pode desacelerar o progresso em pesquisa destinada a criar sistemas mais confiáveis, interpretáveis e verdadeiramente inteligentes.

Em conclusão, Gary Marcus e seus co-autores convocam a comunidade científica e o público em geral a adotar uma abordagem mais sóbria e crítica na avaliação das realizações no campo da inteligência artificial. Eles enfatizam que é importante distinguir entre as capacidades estatísticas impressionantes dos LLMs e a inteligência genuinamente geral, que implica a capacidade de raciocinar, aprender, adaptar e compreender em um amplo espectro de contextos. Até alcançarmos tal nível, afirmações sobre o advento da AGI devem ser consideradas prematuras e baseadas em uma interpretação equivocada dos dados.