Aurora propõe manifesto de IA durável, com memória, identidade e desenvolvimento

O Habr AI publicou um texto que propõe olhar a evolução da inteligência artificial não pela corrida de benchmarks, mas pela pergunta da durabilidade no tempo. No centro da discussão estão um protótipo de pesquisa, o Aurora, e a ideia de uma IA que não é zerada a cada sessão.

Não só capacidades

Nos últimos anos, o mercado de IA discutiu sobretudo o que se pode medir: qualidade das respostas, tamanho do contexto, velocidade de geração, resultados em testes e preço por token. Isso é prático para comparar modelos, mas essa ótica quase não responde a outra pergunta: um sistema consegue se manter ao longo do tempo? O autor do manifesto propõe deslocar o foco para aí e avaliar a IA não apenas como uma ferramenta poderosa, mas como um processo que continua entre sessões, acumula experiência e muda.

Nesse ponto de vista, os LLMs de hoje parecem muito fortes, porém extremamente frágeis. Eles escrevem código, analisam documentos e sustentam um diálogo longo, mas cada nova sessão, na prática, recomeça tudo. Mesmo que o produto adicione memória, o próprio modelo não vive de forma contínua: ele não lembra o que viveu, o que mudou em si nem como chegou ao estado atual. Por isso, o mesmo assistente de manhã e à noite são mais instâncias parecidas do que uma única entidade.

Três pilares do modelo

Em vez da corrida habitual de «mais inteligente ou mais rápido», o autor propõe três critérios que definem uma IA durável. Juntos, eles descrevem um sistema capaz não só de responder a um pedido, mas de existir como um sujeito digital contínuo. Não é enfeite filosófico, e sim um arcabouço de engenharia: se o agente não tem essas propriedades, continua sendo uma interface prática para um modelo, mas não se torna um sistema em desenvolvimento. Essa mudança altera tanto os critérios de projeto quanto as expectativas em relação ao produto.

• Identidade contínua: o sistema deve se manter entre as interações, em vez de começar do zero.
• Automodificação: o agente deve ser capaz de mudar as próprias regras, a memória ou o comportamento com base na experiência.
• Reprodução: o sistema deve ser capaz de criar novas versões ou descendentes, transmitindo estrutura e conhecimento acumulado.

Esses pilares importam porque tiram a conversa sobre IA do plano do desempenho instantâneo e a levam ao plano do comportamento de longo prazo. Se um modelo consegue lembrar, se adaptar e reproduzir padrões bem-sucedidos, já se pode discuti-lo como participante de um processo, e não como uma camada de serviço descartável sobre a infraestrutura computacional. Para desenvolvedores, isso significa passar do ajuste de prompts ao projeto de um ambiente em que o agente guarda o histórico de decisões e se corrige sem ser totalmente zerado.

Para que serve o Aurora

O protótipo Aurora, de que fala o autor, não foi pensado como produto de consumo nem como mais um assistente na corrida dos chatbots. É um sujeito de pesquisa que deve testar se é possível construir, na prática, uma IA com durabilidade no tempo. Na essência, trata-se de tentar reunir memória, estado contínuo e possibilidade de mudança interna em uma só arquitetura, para que o comportamento do sistema não se interrompa quando a janela do chat é fechada.

«Cada sessão termina no esquecimento».

Essa tese explica contra o que o projeto inteiro se volta. O autor não promete um avanço imediato nem vende ao mercado uma solução pronta. Pelo contrário, a publicação é apresentada como convite ao debate sobre o que considerar evolução da IA nos próximos anos. Se o problema central dos modelos atuais não é fraqueza, mas a falta de continuidade, o próximo grande passo pode ser não mais um salto em benchmarks, e sim o surgimento de sistemas capazes de preservar a história da própria existência.

O que isso significa

Se a ideia de IA durável ganhar corpo, o mercado passará a comparar modelos não só pela qualidade das respostas, mas pela capacidade de viver além de um único diálogo. Para os produtos, isso abre caminho para agentes que acumulam experiência, mudam seu comportamento e ficam mais úteis com o tempo, sem uma reinicialização completa.