Por que não acho que AGI seja iminente

Aqui está a postagem completa do blog – apenas conteúdo do corpo HTML:

---

Por que não acho que AGI seja iminente

Apesar das manchetes de tirar o fôlego e das apostas de bilhões de dólares, a inteligência artificial geral não chegará no próximo ano, nem provavelmente nesta década. A lacuna entre os actuais sistemas de IA, impressionantes mas estreitos, e a verdadeira inteligência geral continua a ser vasta, incompreendida e consistentemente subestimada por aqueles que têm mais incentivos financeiros para exagerar o progresso.

Como fundador da Mewayz, uma plataforma na qual mais de 138.000 usuários confiam para administrar seus negócios com 207 módulos integrados, passo meus dias pensando sobre o que a tecnologia pode realmente fazer versus o que gostaríamos que ela pudesse fazer. Essa lente prática molda meu ceticismo em relação aos cronogramas de AGI, e acredito que deveria moldar o seu também.

O que exatamente as pessoas querem dizer quando dizem que o AGI chegará em breve?

O termo "inteligência artificial geral" refere-se a um sistema que pode realizar qualquer tarefa intelectual que um ser humano possa realizar, com a capacidade de raciocinar, aprender, adaptar e transferir conhecimento em domínios inteiramente novos sem treinamento específico. Não é um chatbot que escreve e-mails decentes. Não é um gerador de imagens que produz arte fotorrealista. Não é nem mesmo um assistente de codificação que pode estruturar um aplicativo.

O que temos hoje são grandes modelos de linguagem e sistemas multimodais que se destacam na correspondência de padrões em enormes conjuntos de dados. São ferramentas extraordinárias. Eles também são fundamentalmente diferentes da inteligência geral. Quando Sam Altman ou Demis Hassabis sugerem que a AGI está ao virar da esquina, estão a combinar capacidade dentro de parâmetros definidos com a adaptabilidade aberta que define a inteligência geral. Estas não são a mesma coisa, e nenhuma escala mostrou evidências de colmatar essa divisão.

Por que o dimensionamento por si só não consegue produzir inteligência geral?

A teoria prevalecente em Silicon Valley é enganosamente simples: aumente os modelos, alimente-os com mais dados e surgirá inteligência geral. Essa “hipótese de escalonamento” gerou bilhões em compras de GPU e construção de data centers. Mas a evidência empírica conta uma história mais complicada.

Retornos decrescentes nos benchmarks: Cada aumento de ordem de grandeza na computação produz melhorias progressivamente menores nas tarefas de raciocínio, sugerindo que estamos atingindo um teto em vez de nos aproximarmos de um avanço.

Fragilidade sob novas condições: Os modelos atuais falham de forma imprevisível quando confrontados com problemas que se desviam, mesmo que ligeiramente, da sua distribuição de treino, uma limitação fundamental que mais parâmetros não resolvem.

Ausência de raciocínio causal: os LLMs operam com base na correlação estatística, não na compreensão causal. Eles não podem modelar por que as coisas acontecem, apenas prever qual texto provavelmente seguirá outro texto.

Sem aprendizagem persistente: Os sistemas actuais não conseguem aprender a partir de uma única interacção e levar esse conhecimento adiante da mesma forma que uma criança humana faz depois de tocar uma vez num fogão quente.

Incorporação e ancoragem: A inteligência humana está profundamente ligada à experiência física e ao feedback sensorial. Nenhuma quantidade de dados de texto replica a compreensão fundamentada que advém da existência no mundo.

O dimensionamento deu-nos ferramentas notáveis, mas não produziu um único sistema que demonstrasse uma compreensão genuína, e não existe nenhum enquadramento teórico que sugira que o fará.

Quem se beneficia com os cronogramas de AGI excessivamente promissores?

Siga o dinheiro. Todos os principais laboratórios de IA estão atualmente arrecadando fundos com avaliações que pressupõem avanços transformadores e de curto prazo. Os aumentos multibilionários da OpenAI, o posicionamento interno do Google DeepMind e a urgência de segurança da Anthropic dependem da narrativa de que a AGI está perto o suficiente para justificar um investimento sem precedentes.

"O preditor mais confiável de um cronograma agressivo de AGI não é a evidência técnica, mas o incentivo financeiro. Aqueles que têm mais a ganhar com a narrativa são as vozes mais altas que a promovem."

Isso não quer dizer que essas empresas estejam agindo de má-fé. Muitos pesquisadores genuinamente

Related Posts

• A Ferramenta de Sandboxing de Linha de Comando Pouco Conhecida do macOS (2025)
• A odisséia criptográfica do DJB: do herói do código ao gadfly dos padrões
• LCM: gerenciamento de contexto sem perdas [pdf]
• A CXMT oferece chips DDR4 por cerca de metade da taxa de mercado vigente