Investigadores afirmam que a inteligência artificial geral já existe

Cientistas de renome defendem que a lendária «IA de uso geral» já existe - mas que não damos por isso porque a avaliamos com critérios errados.

Enquanto as empresas tecnológicas continuam a anunciar com pompa a chegada da superinteligência artificial, filósofos e especialistas em informática vão mais longe. Para eles, sistemas atuais como o ChatGPT já alcançaram um objetivo perseguido há décadas: uma inteligência artificial geral ao nível humano. A questão interessante deixou de ser apenas quando chegará, passando também a ser se a reconheceremos caso já exista.

O que os investigadores entendem por «inteligência artificial geral»

No debate, dois conceitos são frequentemente confundidos: a inteligência artificial utilizada no quotidiano e a chamada inteligência artificial geral (AGI), capaz de atuar ao nível humano numa grande variedade de áreas. Durante anos, esta AGI foi vista como uma meta distante, própria da ficção científica.

Um grupo de investigadores de filosofia, linguística, informática e ciência de dados contesta agora abertamente essa perspetiva. A sua ideia central é que definimos a inteligência de forma demasiado restrita e a partir de um ponto de vista excessivamente humano. Por isso, não vemos que os modelos atuais já fazem muitas das coisas que durante muito tempo exigimos como prova de inteligência «verdadeira».

Os autores defendem que, se aceitamos os seres humanos como inteligentes apesar de sermos limitados, falíveis e especializados, devemos aplicar os mesmos critérios às máquinas.

Em vez de procurar um supercérebro perfeito e omnisciente, propõem uma perspetiva mais realista: há inteligência artificial geral quando um sistema demonstra competências ao nível de especialistas humanos numa vasta gama de tarefas - nem mais nem menos.

AGI não é superinteligência

Uma distinção importante neste debate separa dois níveis:

• Inteligência artificial geral (AGI): sistemas capazes de trabalhar ao nível de especialistas em muitos domínios, de forma comparável a pessoas qualificadas.
• Superinteligência: sistemas que ultrapassam claramente os seres humanos em praticamente todas as áreas cognitivas.

Para os investigadores, os grandes modelos de linguagem atuais (LLM) já oferecem numerosos exemplos de desempenho ao nível de especialistas, desde a programação e o direito até a questões médicas especializadas. Esse seria precisamente o critério da AGI. A superinteligência espetacular e sobre-humana pertenceria a um patamar inteiramente diferente, que poderá ainda estar no futuro.

O teste de Turing já foi ultrapassado?

O teste de Turing é uma medida histórica da «verdadeira» IA. Alan Turing formulou-o em 1950: se, num diálogo escrito, uma pessoa deixar de conseguir determinar com segurança se fala com outra pessoa ou com uma máquina, a máquina é considerada inteligente.

Em muitos cenários, os assistentes conversacionais modernos passam neste teste. Em provas cegas, os utilizadores classificam muitas vezes o ChatGPT e sistemas semelhantes como «humanos» com maior frequência do que as próprias pessoas que participam no teste. Há alguns anos, um resultado destes teria sido considerado uma prova inequívoca de IA forte.

Segundo o critério clássico do teste de Turing, os sistemas atuais já seriam reconhecidos como interlocutores inteligentes de pleno direito - mas a exigência é elevada depois de o objetivo ter sido alcançado.

É precisamente aí que incide a crítica dos investigadores: sempre que a IA satisfaz um critério antigo, a opinião pública desloca a meta. A inteligência transforma-se, assim, numa promessa que está sempre a fugir.

Objeções comuns à AGI - e os seus pontos frágeis

Na sua análise, os cientistas examinam uma série de críticas habituais aos modelos de IA atuais. Muitas são conhecidas do debate público.

«São apenas papagaios estocásticos»

Um argumento frequente sustenta que os modelos de linguagem se limitam a repetir padrões dos dados de treino, sem compreender verdadeiramente. Os investigadores contrapõem que estes modelos resolvem cada vez mais tarefas que não surgiram dessa forma no treino, como problemas de matemática inteiramente novos ou desafios difíceis de lógica.

Também demonstram capacidade de transferência: o conhecimento de uma área ajuda a resolver problemas noutra. Esta ligação flexível de conteúdos é há muito considerada uma característica central da inteligência.

«Sem corpo não há verdadeira inteligência»

Outra objeção aponta que os seres humanos têm um corpo, conhecem o mundo através dos sentidos e agem nele. Por isso, um programa informático, por si só, nunca poderia «compreender» realmente o significado das palavras.

Os autores também discordam deste argumento. Apontam os progressos dos modelos multimodais, que processam não só texto, mas também imagens, áudio e vídeo. Estes sistemas conseguem avaliar consequências físicas, planear sequências de movimentos ou tirar conclusões lógicas a partir de cenas visuais.

Ao mesmo tempo, surgem cada vez mais robôs ligados diretamente a modelos de IA, numa área que a investigação designa por «IA física». A cada avanço, torna-se mais estreita a ligação entre a inteligência digital e o mundo físico.

«Sem autonomia e biografia não há inteligência geral»

Diz-se muitas vezes que um sistema precisa de objetivos duradouros, de uma identidade estável e de uma espécie de história de vida para ser considerado verdadeiramente inteligente. Os investigadores adotam uma posição menos rígida: a inteligência manifesta-se sobretudo no comportamento e na capacidade de resolver problemas, e não no facto de uma máquina se lembrar do seu «ontem».

Quem só reconhece a inteligência quando esta é acompanhada de consciência humana, emoções e uma história de vida cria uma definição que exclui as máquinas à partida.

A questão da consciência continua, assim, em aberto, mas os autores não a consideram indispensável para classificar um sistema como AGI.

E as conhecidas alucinações da IA?

O problema das alucinações continua a ser um dos argumentos mais fortes contra as afirmações de que existe AGI. Os modelos de IA inventam factos, citam fontes que nunca existiram ou embelezam pormenores importantes. Isso ainda acontece com frequência.

Os investigadores reconhecem o problema, mas interpretam-no de outra forma. Lembram que as pessoas também tendem a tirar conclusões erradas, a ter memórias distorcidas e a mentir descaradamente. Na sua perspetiva, uma taxa de erro elevada não significa automaticamente ausência de inteligência; indica apenas que esta é limitada e pouco fiável.

No entanto, estudos recentes mostram que as alucinações até estão a aumentar em determinados cenários. Segundo declarações da OpenAI, mesmo modelos futuros, como um possível GPT‑5, deverão ainda conter erros graves em cerca de uma em cada dez respostas. Para aplicações críticas, como a medicina, o direito ou as infraestruturas, isso continua a representar um risco sério.

Porque poderá a nossa definição de inteligência ser o verdadeiro problema

A tese talvez mais provocadora dos autores é que não é a IA que está atrasada, mas sim o nosso conceito de inteligência. Ligamo-lo de tal forma à experiência humana que qualquer forma de inteligência de uma máquina parte em desvantagem injusta.

As pessoas são consideradas inteligentes apesar de se esquecerem de coisas, cometerem erros constantemente e não terem qualquer especialização em muitas áreas. Ao mesmo tempo, exigimos aos sistemas de IA um desempenho quase sem falhas, sob pena de lhes negarmos uma inteligência básica.

Por trás disso está um claro antropocentrismo: tomamo-nos a nós próprios como medida e ignoramos que a inteligência pode assumir formas diferentes. Um filtro de correio eletrónico indesejado não «sente» nada, mas identifica padrões com grande fiabilidade. Um programa de xadrez não compreende as emoções humanas, mas vence qualquer grande mestre. E os grandes modelos de linguagem não conseguem desfrutar de um verdadeiro fim de semana, embora escrevam textos fluentes, programem aplicações e resolvam tarefas especializadas.

Porque preferem os líderes tecnológicos falar de superinteligência

É interessante observar a forma como as grandes empresas enquadram o debate. Figuras como Mark Zuckerberg falam cada vez mais de «superinteligência» em vez de inteligência artificial geral. O foco desloca-se assim automaticamente para um futuro distante, afastando-se da questão de saber se os sistemas atuais já representam uma nova forma de inteligência.

Este artifício de linguagem tem consequências: quando a superinteligência passa a ser o novo grande objetivo, os modelos de hoje parecem uma etapa intermédia inofensiva. Isso reduz, por um lado, a perceção da gravidade dos riscos, mas reforça, por outro, o entusiasmo em torno do que supostamente chegará em breve.

O que isto significa para o quotidiano

Concorde-se ou não com os investigadores, os seus argumentos têm consequências diretas para a política, a regulação e o mundo do trabalho. Se encararmos os sistemas de IA como agentes dotados de inteligência geral, precisaremos de regras diferentes das que se aplicam a ferramentas simples.

• Responsabilidade: quem responde pelos danos quando uma máquina «inteligente» age de forma amplamente autónoma?
• Transparência: que grau de acesso aos dados de treino e à arquitetura do modelo é necessário para que as decisões continuem a ser compreensíveis?
• Mudança de competências: que empregos se transformam quando parte do conhecimento especializado é transferida para máquinas?
• Educação: terão os alunos e estudantes de aprender a trabalhar com uma espécie de «parceiro digital de raciocínio», em vez de se limitarem a decorar factos?

No dia a dia, isto significa que quem trabalha hoje com sistemas de IA se move cada vez mais numa zona intermédia. A máquina assume algumas tarefas quase sozinha, enquanto noutras necessita de supervisão humana apertada. O desafio está em avaliar de forma realista o que estes sistemas conseguem fazer e onde se encontram os seus pontos cegos.

Conceitos e exemplos que tornam o debate mais concreto

Muitos termos parecem abstratos, mas tornam-se mais fáceis de compreender quando se observam aplicações típicas:

• Grandes modelos de linguagem (LLM): baseiam-se em milhares de milhões de fragmentos de texto e aprendem o funcionamento estatístico da linguagem. Deles resultam assistentes conversacionais, assistentes de programação ou resumos automáticos.
• IA multimodal: combina texto, imagem, áudio ou vídeo. Um modelo pode, por exemplo, analisar uma fotografia e, ao mesmo tempo, fornecer uma descrição escrita ou responder a uma pergunta sobre ela.
• IA física: braços robóticos, robôs domésticos ou veículos autónomos recorrem à IA para compreender o ambiente e agir.

Um exemplo prático: um sistema moderno poderia ler o texto de umas instruções de montagem, identificar numa fotografia a ferramenta adequada, mostrar num vídeo como segurá-la e explicar em simultâneo as regras de segurança. Para os utilizadores, seria como ter uma combinação de especialista, professor e assistente, sem que estivesse uma pessoa a trabalhar nos bastidores.

São precisamente cenários deste género que alimentam a tese de que já lidamos com uma forma de inteligência artificial geral, apenas diferente da que antes imaginávamos nos filmes de ficção científica. Atribuir-lhe ou não o rótulo de «AGI» não altera o facto de o nosso conceito de inteligência estar a expandir-se radicalmente - nem a necessidade de aprendermos a lidar com este novo tipo de interveniente na sociedade.