Pentágono prepara treinamento de IA com dados classificados, enquanto novos reatores mudam abordagem de resíduos

O Pentágono discute um novo estágio da aplicação militar de IA generativa: as empresas podem ser autorizadas a treinar versões especiais de modelos com dados secretos em redes protegidas. Contra esse pano de fundo, outra linha tecnológica — novos reatores nucleares — também está saindo da teoria para a prática, mas junto com a promessa de energia limpa e barata vêm novas questões sobre gerenciamento de resíduos.

Modelos secretos para o exército

De acordo com MIT Technology Review, o Departamento de Defesa dos EUA quer criar ambientes protegidos onde desenvolvedores de IA possam ajustar versões militares de seus modelos com dados classificados. Não se trata apenas de acessar um modelo dentro de uma rede classificada, mas de personalização mais profunda para tarefas militares reais — desde análise de inteligência até suporte ao planejamento operacional. A lógica é clara: se um modelo treina com materiais não disponíveis na internet aberta, pode entender melhor o contexto, terminologia e cenários com os quais os militares trabalham.

Essa abordagem é notavelmente diferente do que está acontecendo agora. Modelos grandes já estão sendo usados em redes fechadas para responder perguntas e analisar documentos, mas os pesos do modelo geralmente não são treinados em um conjunto de dados classificado. Na nova configuração, o Pentágono quer colocar cópias de modelos em data centers certificados para segredos de estado, mantendo a propriedade dos dados. Em casos raros, funcionários de empresas de IA podem receber aprovação se for impossível realizar a personalização ou verificação do sistema sem isso.

Onde surgem os riscos

O risco principal é que informações classificadas possam se tornar parte do próprio modelo, em vez de simplesmente ficar em um banco de dados ou índice de pesquisa. Isso complica a auditoria, controle de acesso e verificação de que conclusões o modelo pode tirar para usuários com diferentes níveis de autorização. Uma questão separada é o controle das regras de uso. Após os acordos do Pentágono com OpenAI e xAI, ficou claro que os militares querem não um piloto experimental, mas uma infraestrutura completa para tarefas de combate e análise.

"Não permitiremos que nenhuma empresa dite as condições de como tomamos decisões operacionais", disse o

Pentágono.

A disputa em torno da Anthropic mostrou que o conflito não é apenas sobre tecnologia, mas sobre os limites do permitido. A empresa se opôs publicamente a cenários envolvendo vigilância em massa e armas totalmente autônomas, enquanto o Pentágono insiste no acesso mais amplo possível aos modelos para fins militares legítimos. Isso transforma contratos de defesa com laboratórios de IA em uma nova forma de negociação: o governo precisa de modelos poderosos sem restrições, enquanto os desenvolvedores tentam não perder o controle sobre como são usados.

• Respostas mais precisas em dados militares fechados
• Crescentes requisitos de isolamento, logging e auditoria de modelos
• Versões militares separadas de redes neurais para tarefas militares
• Aumento da pressão política e ética sobre empresas de IA

Reatores mudam as regras

Paralelamente, MIT Technology Review chama atenção para outro tema de infraestrutura — uma nova geração de reatores nucleares. A maioria das usinas nucleares em operação ainda é construída de acordo com um padrão familiar: uma grande instalação, resfriamento por água, urânio levemente enriquecido e armazenamento centralizado de combustível gasto. Novos projetos prometem se afastar desse padrão.

Em desenvolvimento estão pequenos reatores modulares, microrreatores e instalações com fluidos de resfriamento e configurações de combustível alternativos que devem ser construídos mais rapidamente, operar com mais flexibilidade e se integrar melhor aos sistemas de energia da era dos data centers. O problema é que junto com a nova arquitetura de reatores, o perfil de resíduos também muda.

Os métodos básicos — piscinas de resfriamento, armazenamento seco em contêineres, isolamento adicional — não desaparecem, mas não há um cenário universal para todas as novas instalações. Diferentes tipos de combustível e resfriamento produzem diferentes materiais com diferentes requisitos de embalagem e logística. É especialmente difícil com pequenos reatores: se forem localizados em vários locais, armazenar resíduos em cada local será inconveniente e caro.

Por isso, algumas empresas já estão considerando um modelo centralizado: enviar microrreatores e seus materiais gastos de volta a um único hub, como uma instalação de manufatura ou local de armazenamento especializado. Especialistas acreditam que a indústria não terá que reescrever todo o sistema de gerenciamento de resíduos nucleares do zero, mas precisará refiná-lo. Por enquanto, muitas conclusões se baseiam em modelos e cálculos, e um quadro mais claro só emergirá após o lançamento de instalações comerciais.

O que isso significa

Ambas as histórias falam da mesma coisa: as tecnologias chave de 2026 cada vez menos se parecem com ferramentas de consumo universais e cada vez mais com infraestrutura estratégica. IA está se movendo para redes militares classificadas, e o setor de energia está procurando novos reatores para atender à crescente demanda de indústria e data centers de IA.

Para o mercado, isso significa uma coisa: vencedores serão não apenas os criadores de modelos e reatores, mas também aqueles que sabem como integrá-los com segurança em sistemas reais.