DeepMind propõe dez escalas cognitivas para medir o progresso rumo à AGI

O Google DeepMind publicou "Measuring Progress Toward AGI", uma tentativa de dar à indústria uma ferramenta para medir de fato o progresso rumo à AGI, em vez de mais uma classificação impossível de verificar.

De onde vem o problema

Há quase três anos, o DeepMind publicou "Levels of AGI", um sistema com cinco níveis de inteligência (do inicial ao super-humano) e seis níveis de autonomia (de uma ferramenta simples a um agente totalmente independente). A analogia com os níveis de direção autônoma funcionou bem: era estruturada, clara e fácil de explicar a investidores e jornalistas. A indústria ganhou um vocabulário comum, uma espécie de terminologia compartilhada para falar de AGI.

Mas a classificação tinha uma falha fundamental: não havia nenhuma ferramenta para verificar onde um sistema realmente se encaixa. Qualquer empresa podia chamar seu modelo de "nível 2" ou "nível 3", e ninguém tinha como contestar. "AGI" virou um rótulo de marketing, conveniente para comunicados à imprensa e captação de investimento, mas muito inconveniente para a ciência. O novo trabalho tenta resolver exatamente esse problema.

Dez escalas em vez de uma única nota

O trabalho, publicado em março de 2026, propõe uma abordagem radicalmente diferente. Em vez de um ranking geral único, define dez escalas separadas, cada uma medindo um aspecto específico da capacidade cognitiva. As escalas são independentes: um sistema pode ir muito bem em raciocínio e mal em adaptação a tarefas novas, e essa discrepância ficará evidente, em vez de escondida atrás de uma média. O resultado é um retrato multidimensional do sistema, não um número só.

A diferença essencial em relação ao benchmarking tradicional é que as escalas não se baseiam em datasets nem em conjuntos de problemas, mas no ferramental da psicologia cognitiva, ciência que há décadas estuda a inteligência em pessoas reais e desenvolveu métodos resistentes a efeitos de treinamento. Entre os aspectos medidos estão:

• Memória de trabalho e retenção de contexto
• Planejamento e raciocínio em várias etapas
• Transferência de conhecimento para novos domínios
• Aprendizado com poucos exemplos (few-shot)
• Metacognição: compreender os limites do próprio conhecimento
• Raciocínio causal
• Adaptação a dados fora da distribuição de treinamento

Os autores apresentam o framework como ponto de partida para o debate, não como padrão final. A lista de escalas está aberta a ampliações.

Por que isso importa mais que os benchmarks

Até agora, o progresso em IA era medido de forma indireta: MMLU, HumanEval, ARC-Challenge, GSM8K. O problema é que os modelos aprenderam a se "overfitar" deliberadamente a benchmarks específicos. Uma nota alta no MMLU deixou há tempos de ser um indicador confiável de raciocínio real. Todos na indústria sabem disso, mas os padrões não mudam.

Uma abordagem de psicologia cognitiva é bem mais difícil de driblar. Se um modelo não sabe generalizar para tarefas radicalmente novas, nenhum ajuste fino no conjunto de teste vai esconder isso. Métodos criados para medir a inteligência humana resistem ao "treino direcionado" por sua própria natureza.

Para investidores, compradores corporativos de IA e reguladores, isso potencialmente significa o fim de uma era em que qualquer laboratório podia anunciar um "avanço rumo à AGI" sem possibilidade de verificação independente. Escalas comuns e mensuráveis tornam comparáveis os sistemas de empresas diferentes e, portanto, permitem cobrar responsabilidade.

O que isso significa

O DeepMind desloca a conversa sobre AGI de "temos o nível N" para "é assim, concretamente, que dá para medir". Não é uma resposta sobre prazos da AGI nem garantia de consenso: cada laboratório vai interpretar as escalas à sua maneira. Mas é o primeiro passo sério rumo a padrões comuns de avaliação baseados em ciência, e não em marketing.