AI aprendeu a se construir sozinha: Google DeepMind e OpenAI no caminho do autoaperfeiçoamento

Em 1966, o matemático I.J. Good previu que uma máquina superinteligente poderia criar máquinas ainda mais inteligentes, levando a uma "explosão de inteligência". Essa ficção científica está se tornando realidade: OpenAI, Google DeepMind e Anthropic já estão usando IA para criar versões mais avançadas de si mesmas.

IA Começa a Escrever a Si Mesma

A OpenAI recentemente informou que o GPT-5.3-Codex participa ativamente de seu próprio aprimoramento. O modelo escreve código para seu próprio treinamento, depura o processo de treinamento, gerencia a implantação e analisa os resultados das avaliações. Essencialmente, ele se ajuda a ficar melhor.

A Anthropic foi além: a maior parte do código para Claude (seu principal assistente de IA para programação) agora é escrita pelo próprio Claude. Isso cria um ciclo peculiar: a IA melhora a si mesma, mas os humanos permanecem no loop, verificando resultados e tomando decisões.

O Google DeepMind introduziu o AlphaEvolve—um agente para "descoberta científica e algorítmica". O sistema pode otimizar arquiteturas de redes neurais, melhorar a distribuição de tarefas em data centers e aprimorar o design de chips. Cada avanço permite que os cientistas avancem mais rápido em relação ao próximo.

"Frequentemente você analisa o que o sistema descobriu e aprende com essa descoberta", diz Matey Balog do DeepMind. O sistema já surpreendeu seus criadores ao encontrar algoritmos de otimização que escaparam da intuição humana.

Dois criadores do AlphaChip (um sistema de design de chips) fundaram a startup Recursive Intelligence. Eles prometem reduzir ciclos de desenvolvimento de chips de um a dois anos para dias. Na terceira fase, a empresa planeja usar IA para criar chips que treinem melhor a próxima geração de IA.

Por Que Isso Ainda Não Decolou

Apesar dos sucessos impressionantes, a independência completa da IA em relação aos humanos permanece muito distante. Pesquisadores observam que os sistemas atuais geram ideias e as implementam em um nível 'bom, mas não excelente'. Aqui está o que congela o processo:

• Os humanos ainda definem metas e decidem o que conta como sucesso
• O treinamento de modelos de topo custa bilhões—ninguém liberará tal sistema sem supervisão
• O conhecimento em grandes corporações é distribuído entre milhares de pessoas (TSMC emprega 90.000) e não pode ser empacotado em um único algoritmo
• A automação completa exigiria não apenas código e chips, mas também construção de data centers, usinas de energia e operações de mineração

Pesquisadores da Meta propõem um caminho diferente: em vez de automação completa, buscar o 'co-aprimoramento' de humanos e máquinas. Permanecendo no loop de desenvolvimento, os humanos garantem tanto a velocidade do progresso quanto sua segurança.

Por Que Isso Pode Sair do Controle?

Uma pesquisa com 25 especialistas em IA líderes mostrou: 23 deles não descartam uma 'explosão de inteligência' com a automação completa do desenvolvimento. A maioria acredita que as empresas manterão tais modelos em segredo, não os liberando para o público.

David Krueger de Montreal, que defende uma pausa no desenvolvimento de IA, pinta um quadro sombrio:

"Isto é um jogo de azar com as vidas de todos."

Ele propõe parar o desenvolvimento de IA quando as máquinas começarem a escrever 99% do código. "Parece que estamos nos aproximando deste momento agora", acrescenta.

O Que Isso Significa

Estamos no início de uma era em que a IA realmente começa a acelerar seu próprio desenvolvimento. Isso poderia levar a avanços em medicina, ciência e tecnologia. Mas também exige supervisão rigorosa—tanto de reguladores internacionais quanto das próprias empresas. A história mostra: tecnologias poderosas exigem limites.