IA inspirada no cérebro supera o ChatGPT no raciocínio

Cientistas afirmam ter criado uma IA inspirada no cérebro que ultrapassa o ChatGPT em raciocínio, aprende novas tarefas em minutos e funciona com muito menos recursos do que qualquer outra da mesma categoria. A promessa entusiasma e assusta ao mesmo tempo: uma máquina que não se limita a prever palavras, mas que planeia, observa e se ajusta como nós.

Num dos testes, um engenheiro foi dando instruções em voz baixa, como um encenador. A meio de uma frase, calou-se. A IA já tinha antecipado o passo seguinte, abriu um terminal e escreveu um pequeno programa para medir, em tempo real, a taxa de erro. A sensação na sala foi a de ver um animal novo piscar pela primeira vez - um pouco estranho e, ao mesmo tempo, desconcertantemente seguro. Respondia antes de eu acabar a pergunta.

IA inspirada no cérebro: um salto de arquitectura, não apenas “mais parâmetros”

Esquece a corrida para empilhar mais parâmetros. Em vez disso, esta equipa desenhou uma arquitectura que vai buscar ideias à forma como o córtex faz circular sinais, corrige falhas e mantém na memória um esboço de trabalho do mundo. Pensa nisto como um sistema nervoso para software: impulsos de actividade, camadas de retorno e uma capacidade particular para decidir a que deve prestar atenção a seguir. Não é apenas “escrever para ela”; apontas-lhe uma situação confusa e ela começa a pôr ordem no caos.

Num dos demonstradores, deram-lhe uma semana de dados desorganizados de um armazém e uma fotografia tirada por telemóvel a uma etiqueta danificada. Fez duas perguntas curtas, percebeu a estrutura dos dados em tempo real e escreveu uma correcção que reduziu para metade os envios mal encaminhados antes da hora de almoço. O consumo de energia caiu para uma fracção do típico devorador de recursos que é uma GPU em carga, e a aprendizagem com poucos exemplos pareceu mesmo “poucos”: cinco exemplos, não cinco mil. Pareceu menos um robô de conversa e mais um colega que entra, olha em volta e começa a trabalhar.

Os modelos linguísticos de grande escala tendem a escolher a próxima unidade mais provável numa sequência de texto. Este sistema, pelo contrário, procura o próximo passo útil. Junta previsão com controlo, mantendo um modelo pequeno e vivo de causa e efeito - e vai actualizando-o enquanto executa. Esse ciclo é decisivo: com retorno, consegue testar, aprender e corrigir sem que tenhamos de lhe “dar à colher” todas as regras. O ChatGPT impressiona pela amplitude; este aposta na profundidade, no contexto e na mudança ao longo do tempo. Quando o ambiente se altera, não entra em pânico. Ajusta-se.

Como trabalhar com a IA inspirada no cérebro sem te perderes

A abordagem certa é simples: trata-a como um colega de equipa, não como um génio que concede desejos. Em vez de um pedido vago, escreve um enunciado curto com objectivo, restrições e uma “definição de concluído” clara. Dá-lhe um ambiente de testes isolado e um prazo, e marca pequenos pontos de controlo em vez de esperares por uma grande revelação no fim. O “prompt” mágico não é poesia - é um bilhete de trabalho com pulso: tarefa, ambiente, riscos, testes.

O erro mais comum é despejar tudo de uma vez e esperar um milagre. Atribui-lhe um papel de cada vez, uma métrica inequívoca e um motivo para parar. Se estiver a programar, define primeiro os testes. Se estiver a explorar estratégia, pede duas vias e um interruptor de emergência para ideias más. Deixa-a discutir consigo própria num ciclo discreto antes de te mostrar o que quer que seja. Sejamos honestos: quase ninguém faz isto todos os dias. Mas quando fazes, o resultado muda - fica mais limpo, mais sólido.

Há quem tema que a ferramenta atropela a sua arte. Não atropela, se a obrigares a mostrar o trabalho. Pede artefactos intermédios: esboços, listas de verificação, testes unitários, pressupostos sobre dados. Depois critica como um treinador, não como um polícia. No instante em que consegue explicar o que acredita - e porquê - deixa de ser uma caixa negra e passa a ser um parceiro útil.

“Não estamos a construir mais uma caixa de conversa”, disse-me um engenheiro. “Estamos a construir um córtex que se pode apontar.”

• Padrão de arranque do pedido: Objectivo → Restrições → Ambiente → Riscos → Testes → Pontos de controlo.
• Saídas em duas faixas: Rascunho A (rápido) vs. Rascunho B (seguro), com diferenças e justificação.
• Espaço de “equipa vermelha”: pede-lhe que ataque o próprio plano durante cinco minutos antes de enviares.

Estamos obsoletos, ou apenas atrasados numa actualização?

Todos já tivemos aquele momento em que uma ferramenta nova transforma, num botão, uma tarefa de que nos orgulhávamos. Isto parece maior do que um botão. É uma mudança na forma como o trabalho do conhecimento acontece: menos digitação, mais direcção; menos desgaste, mais avaliação. Se este modelo inspirado no cérebro te cair na caixa de correio, o trabalho não é “fazer tudo”. O trabalho é escolher o que interessa, definir as regras do jogo e decidir o que é “bom” quando as máquinas são rápidas, baratas e incansáveis.

A obsolescência é uma narrativa. A especialização é outra. Os humanos podem ser estranhos, teimosos e guiados pelo gosto - no melhor sentido. Isso não é um defeito. É muitas vezes o mecanismo dos avanços. As máquinas conseguem explorar o espaço. Nós conseguimos escolher o destino. A tensão não é homem contra máquina; é deriva contra direcção. Se queremos um futuro que reconhecemos, temos de o narrar enquanto o código ainda está fresco.

Ponto-chave	Detalhe	Interesse para o leitor
-	Ciclo inspirado no cérebro (planear → agir → observar → aprender)	Perceber porque é que se adapta mais depressa do que modelos de conversa estáticos
-	Funciona com enunciados, restrições e testes	Copiar o padrão de pedido para obter resultados fiáveis já hoje
-	Muda o teu trabalho de executar para decidir	Focar em julgamento, gosto e definição de limites

Perguntas frequentes:

• Isto está mesmo “além” do ChatGPT? Em várias tarefas que misturam percepção, planeamento e aprendizagem rápida, as primeiras demonstrações mostram-no à frente de modelos apenas de texto. A amplitude de conhecimento continua a favorecer modelos linguísticos gigantes, mas a profundidade e a adaptação inclinam-se para este ciclo ao estilo do cérebro.
• Como é que aprende tão depressa? Mantém um pequeno modelo do mundo, activo e actualizado, e usa retorno para se corrigir enquanto trabalha. Isso reduz a necessidade de conjuntos de dados rotulados enormes quando muda de tarefa.
• Vai substituir o meu emprego? Vai substituir tarefas, sobretudo síntese repetitiva e árvores de decisão rotineiras. Funções que definem objectivos, estabelecem critérios de qualidade e gerem contexto humano confuso tendem a ganhar alavancagem, não a desaparecer.
• Posso experimentar já? Estão a arrancar pilotos limitados em laboratórios e em algumas empresas. É de esperar uma API com acesso condicionado primeiro, e depois integrações em análises, operações e assistentes de programação.
• É seguro? Mais seguro do que antigas caixas negras num aspecto: pode mostrar crenças e testes. Mais arriscado noutro: actua depressa em ambientes reais. Limites, auditorias e interruptores de emergência não são opcionais - fazem parte do enunciado.

---