O relógio da inteligência artificial volta a acertar a data A inteligência artificial geral (AGI) é a miragem que volta sempre ao horizonte tecnológico. Sempre que parece aproximar-se, alguém muda o calendário. A mais recente previsão vem novamente de Elon Musk, que situa a chegada da AGI em 2026. É uma aposta ousada, sobretudo porque, há poucos meses, a mesma meta estava fixada em 2025 e antes disso era… “em breve”. O discurso público acelera, a realidade técnica pede travões.
Musk tem insistido que a chave para desbloquear a AGI é “escalar”: mais dados, mais chips, mais centros de dados. Na sua visão, se a capacidade de computação disparar, a inteligência que emerge dos modelos ultrapassará a humana. Dentro desta narrativa apareceu ainda a afirmação de que o Grok 5, a próxima iteração do modelo da xAI, teria cerca de 10% de probabilidade de alcançar AGI. Agora, com 2026 no horizonte, a fasquia subiu de novo.
O problema das datas é que criam uma expectativa binária: ou chegamos lá ou “falhámos”. A história recente da IA mostra outra coisa: ganhos graduais, às vezes impressionantes, outras vezes limitados por gargalos menos glamorosos: custos, energia, dados de qualidade, segurança e fiabilidade.
Existe um consenso parcial: escalar funciona até certo ponto. As chamadas “scaling laws” mostraram que modelos maiores, treinadas com mais dados e mais computação, tendem a apresentar melhorias previsíveis. Mas será isso suficiente para uma inteligência geral? Vários líderes científicos dizem que não.
Yann LeCun, um dos nomes incontornáveis da IA moderna, tem defendido que os grandes modelos de linguagem são notáveis a prever a próxima palavra, mas não “compreendem” o mundo. Para aproximar a IA da inteligência humana, seriam precisos “modelos de mundo”: sistemas capazes de construir representações causais, navegar incerteza, aprender com interações longas e planear no tempo. Em paralelo, Andrej Karpathy, membro fundador da OpenAI, tem recorrido a um realismo prudente: a AGI virá, mas é plausível que demore pelo menos mais uma década.
A tradução disto para o consumidor é simples: veremos, sim, assistentes mais úteis, agentes autónomos mais capazes e robôs com menos tropeções. Mas chamar a isso “AGI” implica resolver problemas de memória a longo prazo, raciocínio abstrato, senso comum, coordenação motora no mundo físico e, sobretudo, robustez fora de ambientes controlados.
A corrida atual está a erguer centros de dados do tamanho de pequenas cidades. O apetite por energia e arrefecimento é colossal. Daí ideias que parecem ficção científica, como colocar infraestrutura de computação em órbita para contornar limitações terrestres. Musk já admitiu publicamente cenários de data centers no espaço e a eventual utilização de robots humanoides, como o Tesla Optimus, para operar essas instalações – visão que encaixa com a ambição interplanetária de colonizar Marte.
Mesmo que tais projetos avancem, há obstáculos imediatos: custo por watt útil, latências de comunicação, manutenção, reciclagem de hardware e regulamentação. No curto prazo, a otimização passará mais por eficiência de modelos, chips especializados, recuperação de calor e integração direta com renováveis.
Parte do ruído vem da própria definição. Para uns, AGI é um sistema que iguala um humano médio em quase todas as tarefas cognitivas. Para outros, é autonomia sustentada: capacidade de decompor objetivos, planear, executar e aprender com erros, sem tutoria constante. Se medirmos AGI apenas com testes padronizados e benchmarks, arriscamos confundir memorização e treino sobre o exame com inteligência. Se a medirmos no mundo real, entram variáveis de segurança, responsabilidade legal e risco – temas que não se resolvem com “mais GPUs”.
A discussão sobre 2026 é útil se nos obrigar a clarificar critérios, métricas e investimentos. É menos útil se servir para inflacionar expectativas. A história recente da IA mostra que o progresso vem de ciclos de engenharia, ciência e ecosistema: hardware, dados curados, arquiteturas novas, segurança e integração no mundo real. Se chegarmos à AGI será por acumulação de avanços e não por um único salto mágico. Até lá, vale a pena celebrar as vitórias discretas e manter os olhos no consumo energético, na qualidade dos dados e na segurança. São esses detalhes que, ironicamente, mais nos aproximam de qualquer “inteligência geral”.
Fonte: Business Insider
