Inteligência artificial geral: onde estamos nela

Inteligência artificial geral é a ideia de um sistema capaz de aprender e resolver qualquer tarefa intelectual que uma pessoa resolve, sem ser construído para cada uma delas. Tudo que existe hoje é o oposto: sistemas muito bons em uma coisa e incapazes fora dela.

Este texto mostra as duas escalas que todo mundo confunde, a escada clássica de quatro degraus e em qual deles estamos, o que contaria como prova de IA geral, e por que a pergunta “estamos perto?” não tem resposta útil sem uma definição.

As duas escalas que se confundem

Existem duas taxonomias diferentes circulando com o mesmo nome, e a confusão entre elas é a causa de metade das discussões improdutivas sobre o assunto.

A primeira é a que interessa para quem decide algo: estreita é o que existe, boa numa tarefa; geral é a hipótese de resolver qualquer tarefa intelectual; superinteligente é a hipótese de superar a humanidade em tudo. A segunda escala, mais citada em conteúdo educativo, descreve mecanismo e não alcance. Um sistema pode ter memória e continuar sendo estreitíssimo.

Quem mistura as duas produz frases sem sentido, do tipo “essa IA já é de teoria da mente porque entende contexto”. Entender contexto de uma conversa é capacidade estreita bem executada, não degrau novo. A definição de base está em o que é inteligência artificial, e o recorte das categorias em uso em tipos de IA.

A escada de quatro degraus

A divisão por mecanismo é atribuída a Arend Hintze, professor da Michigan State University, e continua sendo a mais usada para explicar o assunto:

1. Reativa. Responde ao estímulo presente com base em regra, sem memória e sem aprender com partida anterior. O exemplo clássico é o Deep Blue, o computador de xadrez da IBM que venceu Garry Kasparov: avaliava a posição no tabuleiro e escolhia o lance, sem guardar nada dos jogos passados. A história completa está em evolução da inteligência artificial.
2. Memória limitada. Usa experiência recente para decidir, e essa memória é temporária. Carro autônomo é o exemplo: observa os veículos em volta, projeta o movimento de quem atravessa e ajusta o comportamento, sem guardar nada disso a longo prazo. É o degrau em que quase tudo que funciona hoje mora.
3. Teoria da mente. Um sistema que representa crença, intenção e emoção de outra pessoa como estados separados dos seus. Não existe. É o degrau onde a especulação começa.
4. Autoconsciente. Um sistema com percepção de si mesmo e da própria existência. Também não existe, e aqui a discussão deixa de ser de engenharia e passa a ser de filosofia.

Em qual degrau estamos

No segundo, e vale entender por que a resposta incomoda. Os sistemas atuais são impressionantes justamente em cima do que o segundo degrau permite: usar o contexto imediato com muita competência. O que eles não fazem é o que separa estreito de geral.

• Não aprendem em uso. O modelo não fica melhor porque você conversou com ele: o aprendizado acontece no treino, à parte, e depois ele é o mesmo em toda conversa.
• Não transferem. Competência numa tarefa não vira competência em outra sem alguém treinar de novo para a nova tarefa.
• Não sabem o que não sabem. Não existe sinal interno confiável de ignorância, o que é o motivo pelo qual a resposta inventada sai com a mesma confiança da correta.
• Não têm objetivo próprio, nem persistência entre sessões sem alguém montar essa memória por fora.

Nenhuma dessas quatro limitações é detalhe de acabamento. Cada uma é uma característica do desenho atual, e é por isso que “mais dado e mais capacidade de processamento” não é obviamente o caminho para o degrau seguinte. Os modelos que sustentam o que existe hoje estão descritos em modelos de linguagem.

O que contaria como prova

A conversa fica mais produtiva quando se pergunta o que serviria de evidência, em vez de trocar impressões. Quatro sinais seriam difíceis de explicar sem IA geral:

1. Aprender uma tarefa nova durante o uso, a partir de poucos exemplos, e manter a competência depois.
2. Transferir sozinho o que aprendeu numa área para outra sem relação aparente.
3. Reconhecer o próprio limite de forma calibrada, dizendo não sei quando de fato não sabe.
4. Perseguir um objetivo longo em ambiente que muda, replanejando quando o caminho falha, sem alguém corrigindo o rumo.

Nada disso é teste de conversa. Sistema atual passa em prova escrita e falha nos quatro itens acima, o que diz mais sobre as provas do que sobre os sistemas.

Por que “estamos perto?” não tem resposta

Porque não existe definição operacional aceita de IA geral. Sem um critério de aprovação escrito antes, qualquer resultado pode ser lido como estamos perto ou como continua estreito, e as duas leituras são defensáveis com o mesmo dado.

Some a isso um incentivo que vale reconhecer: quem constrói tem motivo comercial para dizer que está perto, e quem critica tem motivo reputacional para dizer que não. Previsão de prazo nesse campo tem histórico ruim desde os anos 1950, em ambas as direções, e a única postura que envelhece bem é tratar prazo como opinião e não como dado.

Do lado prático, a boa notícia é que a resposta não importa para decisão de empresa. O que já existe muda operação hoje, e o que muda operação é capacidade estreita bem aplicada, como está em o futuro da inteligência artificial.

O que isso muda na prática

Três consequências diretas de estar no segundo degrau, e todas custam dinheiro quando ignoradas.

Não espere transferência. A ferramenta que funciona num processo não vai funcionar noutro só porque é a mesma ferramenta: cada aplicação é um projeto com o seu próprio recorte.

Conte com a verificação. Como o sistema não sabe o que não sabe, alguém precisa conferir a saída onde o erro custa. Isso não é desconfiança da tecnologia, é a consequência de como ela é feita, e é o item que mais se corta e mais se paga depois, como em por que a IA falha nas empresas.

Não aposte em capacidade que não existe. Projeto desenhado supondo que o sistema vai aprender sozinho com o uso, ou vai perceber que errou, está apostando no terceiro degrau com ferramenta do segundo. O antídoto é o de sempre: definir o que precisa existir primeiro e em que condições, em como definir o escopo do primeiro produto digital.

Perguntas frequentes