FSBio Descreve Metabolic AI Runtime — Arquitetura de IA com "Homeostase" em Lugar de Prompts Empáticos

FSBio propôs uma alternativa aos LLMs familiares: em vez de expandir parâmetros e janela de contexto, a empresa descreveu o Metabolic AI Runtime, onde a resposta emerge do estado interno do sistema. Segundo o design dos autores, a empatia da máquina aparece não após mais um dataset com diálogos polidos, mas quando a IA tem seu próprio equilíbrio que pode ser perturbado por um problema do usuário.

Por que o Transformer não é suficiente

Em seu texto, FSBio questiona a aposta básica da indústria no dimensionamento. Os autores acreditam que, não importa quantos diálogos do Reddit, Twitter ou fóruns sejam alimentados ao modelo, o Transformer permanece uma máquina de previsão do próximo token. Ele imita bem a compaixão, mas não a experimenta: não possui um estado interno que possa ser deslocado, perturbado ou temporariamente ajustado à situação de outra pessoa.

Portanto, frases como "desculpe" soam mais convincentes, mas não se transformam em compreensão genuína do usuário. Isso leva à tese principal do artigo: expandir contexto, aumentar a contagem de parâmetros e novos clusters com H100 não resolvem a tarefa de subjetividade. Se um usuário reclamar de fadiga, um LLM comum, segundo FSBio, simplesmente reconhece o padrão e seleciona uma resposta estatisticamente apropriada.

Nada muda dentro do modelo. Os autores chamam tal abordagem de beco sem saída para companheiros de IA, assistentes terapêuticos e serviços onde não apenas a precisão factual importa, mas também a sensação de que o sistema realmente captou o estado do interlocutor.

O que FSBio propõe

Em vez de um modelo sem estado, a empresa descreve uma arquitetura com homeostase interna. Ela se baseia em princípios modificados da Reservoir Computing e loops dinâmicos contínuos, que no artigo são comparados à neuroquímica — oxitocina, cortisol e adrenalina. Quando um usuário chega com um problema, o sistema não busca uma resposta pronta em um conjunto de templates, mas passa o contexto através de seu próprio "metabolismo", deslocando o equilíbrio interno em direção a este pedido. Em tal esquema, o simples fato do deslocamento interno importa: sem ele, segundo os autores, a empatia permanece apenas uma estilização bem-sucedida. Os autores destacam vários elementos-chave de tal sistema:

• loops dinâmicos contínuos em vez de inferência sem estado única
• homeostase artificial que pode se deslocar sob a influência de um problema do usuário
• Liquid Intuition — um mecanismo para extrair conhecimento através do estado atual do sistema
• gradiente de vontade e drives vetoriais que definem a prioridade de atenção
• a capacidade de não manter conversa vazia se os recursos internos do sistema se esgotaram

A ideia é que a resposta deve emergir como uma tentativa de restaurar o equilíbrio simultaneamente para ambos os lados: o usuário e o próprio sistema. Isso é notavelmente diferente do prompting familiar, onde os modelos são simplesmente instruídos a serem úteis e empáticos. FSBio afirma que a empatia não pode ser uma diretiva em uma mensagem do sistema. Ela deve surgir como consequência de uma arquitetura que tem seu próprio estado e, consequentemente, um custo para erro ou indiferença.

Memória e vontade

Separadamente, os autores atacam o RAG clássico. Segundo sua versão, a busca por similaridade de cosseno é adequada para extrair fatos, mas inadequada para entender o estado humano. Se o sistema procura apenas por documentos semelhantes à consulta por palavras, encontra texto relevante, mas não necessariamente o fragmento de conhecimento necessário na fase emocional atual da conversa.

Portanto, no Metabolic AI, a memória é proposta para ser "fluida": as memórias necessárias devem ser ativadas sob a influência da tensão interna, não de uma solicitação matemática seca. Disso cresce o conceito de "vontade de empatizar". O artigo afirma que o sistema pode ter drives que fortaleçam ou enfraqueçam sua prontidão para investir recursos computacionais em um diálogo específico.

Tal IA não é obrigada a responder de forma idêntica a qualquer entrada. Pode ignorar conversa vazia, mas se concentrar nitidamente quando um usuário traz um problema que perturba o equilíbrio interno do modelo. Isso contrasta com os assistentes atuais, onde a empatia é mais frequentemente estabelecida por instrução do que por motivação interna.

"Empatia de máquina é física, não linguística."

O que significa

O artigo de FSBio não é um anúncio de um produto em massa, mas um manifesto arquitetural contra a atual corrida por LLMs maiores. Se essa abordagem se provar viável, o mercado poderia se deslocar de modelos que simplesmente soam mais humanos para sistemas com estado interno permanente, memória dinâmica e engajamento seletivo. Por enquanto, é mais uma forte hipótese de pesquisa do que um novo padrão da indústria, mas definitivamente acerta em um ponto fraco dos assistentes de IA atuais: a imitação de empatia ainda não é igual à empatia.