Google DeepMind propõe uma estrutura cognitiva para medir o progresso rumo à AGI

O Google DeepMind apresentou uma estrutura científica que pretende ajudar a medir o progresso rumo à AGI por um conjunto de capacidades cognitivas, e não por benchmarks isolados. Junto com isso, a empresa lançou um hackathon no Kaggle para que pesquisadores montem testes práticos para esse sistema de avaliação.

Por que uma estrutura é necessária

O Google DeepMind parte de um problema simples: quase todos os grandes laboratórios falam de AGI, mas ainda não existe uma forma aceita por todos de medir o quanto os sistemas se aproximaram dela. Testes separados de matemática, código ou geração de texto mostram apenas fragmentos do quadro. Se o objetivo é entender o nível geral de inteligência de um modelo, a medição precisa olhar além de um único conjunto de tarefas ou de uma demonstração bem-sucedida.

No novo trabalho, intitulado Measuring Progress Toward AGI: A Cognitive Taxonomy, a equipe propõe se apoiar na ciência cognitiva, na psicologia e nas neurociências. A lógica é a seguinte: se a AGI é entendida como uma inteligência suficientemente geral, ela deve ser avaliada por funções cognitivas básicas, e não apenas por habilidades aplicadas. Não é uma escala pronta de "AGI ou não AGI", mas um arcabouço científico no qual é possível encaixar testes concretos.

"A ciência cognitiva é uma peça importante do quebra-cabeça", escrevem

os autores.

Em que consiste a abordagem

No centro da estrutura estão dez capacidades que, pela hipótese do DeepMind, são importantes para a inteligência geral de sistemas de IA. A lista inclui percepção, geração, atenção, aprendizado, memória, raciocínio, metacognição, funções executivas, resolução de problemas e cognição social.

Esse conjunto importa porque cobre não só os pontos fortes conhecidos dos modelos atuais, como geração de texto ou cadeias lógicas, mas também aspectos mais complexos: por exemplo, a capacidade de acompanhar os próprios erros, alternar com flexibilidade entre objetivos e lidar corretamente com o contexto social.

Para transformar essa taxonomia em uma ferramenta mensurável, o DeepMind propõe um protocolo de três etapas. Primeiro, os sistemas de IA devem passar por uma ampla bateria de tarefas cognitivas para cada capacidade, usando conjuntos de teste reservados para reduzir o risco de contaminação de dados. Depois, coleta-se uma referência humana para as mesmas tarefas, com uma amostra de adultos demograficamente representativa. Por fim, os resultados dos modelos são comparados não com uma "nota de corte" abstrata, mas com a distribuição dos resultados humanos em cada capacidade.

A ideia é que a comparação com humanos seja empirismo cuidadoso, e não um slogan genérico. Um modelo pode ser muito forte em raciocínio e memória, mas ficar claramente atrás em aprender com instruções novas ou em interpretação social. Nesse caso, a conversa sobre progresso rumo à AGI fica mais concreta: dá para ver não só onde o sistema impressiona, mas onde exatamente ele ainda tem falhas estruturais.

O hackathon no Kaggle

O DeepMind não se limita a uma publicação. Com o Kaggle, a empresa lançou o hackathon Measuring progress toward AGI: Cognitive abilities para que a comunidade ajude a construir, na prática, as avaliações que faltam. Os participantes são convidados a usar a nova plataforma Community Benchmarks do Kaggle e testar suas ideias em uma série de modelos de ponta. O foco está nas áreas em que a lacuna de avaliação é hoje mais visível.

• Aprendizado
• Metacognição
• Atenção
• Funções executivas
• Cognição social

O total de prêmios é de US$ 200.000. Pelas regras do DeepMind, os dois melhores trabalhos de cada uma das cinco trilhas receberão US$ 10.000 cada, e as quatro melhores inscrições, independentemente da trilha, US$ 25.000 cada. As inscrições estão abertas de 17 de março de 2026 a 16 de abril de 2026, e a empresa promete divulgar os resultados em 1º de junho de 2026.

É um detalhe importante: o DeepMind não apenas publica uma estrutura teórica, mas tenta reunir rapidamente em torno dela um ecossistema de verificações e experimentos externos.

O que isso significa

O Google DeepMind sugere olhar o progresso da IA não como uma corrida de recordes isolados, mas como uma comparação sistemática dos perfis cognitivos dos modelos com o nível humano. Se a abordagem pegar, o setor terá uma linguagem mais clara para falar em "aproximação da AGI", com divisão por capacidades, lacunas definidas e testes reproduzíveis, e não apenas declarações grandiosas sobre o próximo avanço.