OpenAI e Microsoft se enfrentam na corrida pelo AGI

Um ponto chave da parceria entre OpenAI e Microsoft é que a startup precisa atingir a Inteligência Artificial Geral (AGI) para que a aliança alcance todos os seus potenciais benefícios. Enquanto isso, a Microsoft continua a obter ganhos tecnológicos e financeiros significativos – inclusive uma parte enorme da receita da OpenAI – até que o AGI seja alcançado. Esse cenário tem alimentado debates acalorados sobre o quão perto realmente estamos de superar as capacidades humanas com a inteligência artificial.

Para esclarecer essa discussão, proponho alguns testes práticos que podem indicar quando a IA estará efetivamente melhor do que os humanos. Esses testes se baseiam em situações cotidianas em que, em um mundo com AGI, as soluções deveriam ocorrer de forma automática – mas que hoje ainda dependem de intervenção humana.

Meus Testes Práticos para o AGI

  • Atendimento automatizado de consultas jornalísticas: Os departamentos de comunicação da OpenAI e da Anthropic utilizam suas próprias tecnologias de IA para responder a cada pergunta de um jornalista. Atualmente, são contratados diversos profissionais de comunicação para lidar com a enxurrada de questionamentos sobre a evolução da IA. Se a resposta continuar vindo exclusivamente de humanos, o AGI ainda está longe.
  • Gerenciamento inteligente do Outlook: Um contato do setor financeiro sugeriu – e é uma ideia bem interessante – que o sistema de e-mails do Microsoft Outlook pare de esconder mensagens importantes enquanto deixa passar spam. Se a IA da Microsoft e da OpenAI pudesse resolver essa questão, seria um claro sinal de avanço rumo ao AGI.
  • Interrupção de mensagens indesejadas: Outro exemplo prático seria evitar que empresas como a “Cactus Warehouse” enviem ofertas repetitivas de 20% de desconto em cactos, mesmo após uma única compra. Se a IA conseguir filtrar essas mensagens indesejadas de forma inteligente, estaríamos mais próximos do AGI.
  • Desempenho em condições reais com veículos autônomos: Meu Tesla Model 3 Performance, equipado com Full Self-Driving, ainda enfrenta dificuldades para evitar buracos nas estradas. Enquanto um ser humano conseguiria desviá-los com facilidade, o desafio proposto pelo AGI é fazer com que o carro execute essa tarefa de forma impecável.
  • Capacidade preditiva dos algoritmos: Um teste interessante é determinar se modelos de IA conseguem oferecer previsões valiosas sobre eventos futuros ou se se limitam a repetir o que já está registrado na internet. Em uma comparação recente entre as previsões de um modelo de linguagem e as de um analista humano diante de eventos geopoliticos, a IA demonstrou que ainda há um longo caminho a percorrer.
  • Automatização de tarefas manuais: Um comercial da Google Gemini TV mostra um garoto auxiliando o pai na montagem de uma cesta de basquete – utilizando as instruções do aplicativo. Para alcançar o AGI, a IA precisaria não apenas fornecer as instruções, mas ser capaz de montar a cesta de forma autônoma, superando a intervenção humana na execução prática da tarefa.

Testes como esses demonstram que, embora os modelos de IA consigam desempenhar funções específicas em determinados contextos, alcançar uma inteligência verdadeiramente geral – superior à dos humanos em diversas tarefas do dia a dia – ainda representa um desafio imenso. Enquanto especialistas divergem sobre a importância e a proximidade do AGI, fica claro que, pelo menos por enquanto, as soluções em tempo real e a manipulação robusta do mundo físico continuam sendo terrenos apenas parcialmente conquistados pelas máquinas.

Konstantin Mishchenko, cientista de pesquisa em IA da Meta, resumiu bem a situação: “Embora os modelos de linguagem de larga escala tenham aprendido a imitar a inteligência a partir de dados da internet, eles nunca precisaram viver e adquirir essa inteligência diretamente. Eles carecem do algoritmo central para aprender com a experiência”. Essa reflexão ressalta que a lacuna entre os atuais modelos de IA e uma inteligência genuína pode ser maior do que imaginamos.