FSBio apresenta o Metabolic AI Runtime, arquitetura de IA com "homeostase" no lugar de prompts empáticos

A FSBio propôs uma alternativa aos LLMs tradicionais: em vez de aumentar o número de parâmetros e a janela de contexto, a empresa descreveu o Metabolic AI Runtime, no qual a resposta nasce do estado interno do sistema. Na proposta dos autores, a empatia de máquina não surge depois de mais um dataset com diálogos educados, e sim quando a IA tem um equilíbrio próprio que o problema do usuário pode perturbar.

Por que o Transformer não basta

No texto, a FSBio contesta a aposta básica da indústria na escala. Para os autores, não importa quantos diálogos do Reddit, do Twitter ou de fóruns sejam usados para alimentar o modelo: o Transformer continua sendo uma máquina de prever o próximo token. Ele imita bem a compaixão, mas não a sente. Falta a ele um estado próprio que possa ser deslocado, perturbado ou ajustado temporariamente à situação de outra pessoa. Por isso, frases como "sinto muito" soam mais convincentes, mas não se transformam em compreensão real do usuário.

Daí vem a tese principal do artigo: ampliar o contexto, aumentar o número de parâmetros e montar novos clusters com H100 não resolve a questão da subjetividade. Se o usuário reclama de cansaço, um LLM comum, segundo a FSBio, apenas reconhece o padrão e escolhe a resposta estatisticamente adequada. Nada muda dentro do modelo. Os autores classificam essa abordagem como um beco sem saída para companheiros de IA, assistentes terapêuticos e serviços em que importa não só a precisão factual, mas também a sensação de que o sistema realmente captou o estado do interlocutor.

O que a FSBio propõe

No lugar de um modelo stateless, a empresa descreve uma arquitetura com homeostase interna. Ela se baseia em princípios modificados de Reservoir Computing e em circuitos dinâmicos contínuos, que o artigo compara à neuroquímica — ocitocina, cortisol e adrenalina. Quando o usuário chega com um problema, o sistema não busca uma resposta pronta em um conjunto de templates. Em vez disso, processa o contexto pelo próprio "metabolismo" e desloca seu equilíbrio interno em direção a essa demanda. Nesse esquema, o que importa é o próprio deslocamento interno: sem ele, na visão dos autores, a empatia não passa de uma estilização bem-feita.

Os autores destacam alguns elementos centrais desse sistema:

• circuitos dinâmicos contínuos em vez de inferência stateless pontual
• homeostase artificial, que pode se deslocar sob a influência do problema do usuário
• Liquid Intuition — mecanismo de recuperação de conhecimento a partir do estado atual do sistema
• gradiente de vontade e drives vetoriais, que definem a prioridade da atenção
• a possibilidade de não sustentar uma conversa vazia se o recurso interno do sistema estiver baixo

A ideia é que a resposta surja como uma tentativa de trazer de volta ao equilíbrio os dois lados ao mesmo tempo: o usuário e o próprio sistema. Isso difere bastante do prompting convencional, em que o modelo simplesmente recebe a ordem de ser helpful e empathetic. A FSBio afirma que a empatia não pode ser uma diretiva na mensagem de sistema. Ela deve surgir como consequência de uma arquitetura que tem estado próprio e, portanto, um custo para o erro ou a indiferença.

Memória e vontade

Os autores também atacam o RAG clássico. Na visão deles, a busca por similaridade de cosseno serve para recuperar fatos, mas é pouco adequada para entender o estado de uma pessoa. Se o sistema busca apenas documentos parecidos com a consulta nas palavras, ele encontra um texto relevante, mas não necessariamente o fragmento de conhecimento necessário naquela fase emocional específica da conversa. Por isso, o Metabolic AI propõe uma memória "fluida": as lembranças necessárias devem ser ativadas pela tensão interna, e não por uma consulta matemática seca.

Disso nasce o conceito de "vontade de sentir empatia". O artigo afirma que o sistema pode ter drives que aumentam ou diminuem a disposição de investir recursos computacionais em um diálogo específico. Essa IA não é obrigada a responder da mesma forma a qualquer entrada. Ela pode ignorar conversa fiada, mas se concentrar intensamente quando o usuário traz um problema que perturba o equilíbrio interno do modelo. Isso contrasta com os assistentes atuais, em que a empatia costuma ser definida por instrução, e não por motivação interna.

"A empatia de máquina é física, não linguística."

O que isso significa

O artigo da FSBio não é o anúncio de um produto para o grande público, e sim um manifesto arquitetônico contra a atual corrida por LLMs cada vez maiores. Se a abordagem se mostrar viável, o mercado pode migrar de modelos que apenas soam mais humanos para sistemas com estado interno permanente, memória dinâmica e engajamento seletivo. Por enquanto, trata-se mais de uma hipótese de pesquisa forte do que de um novo padrão da indústria, mas ela acerta em cheio o ponto fraco dos assistentes de IA atuais: imitar empatia ainda não é o mesmo que ter empatia.