IA que se aprimora sozinha? Uma nova startup quer fazer isso acontecer
Sabe aquela ideia de uma inteligência artificial que aprende, identifica as próprias falhas e se corrige sozinha? Parece coisa de filme, né? Mas é exatamente isso que a Recursive Superintelligence, uma nova startup de São Francisco, quer fazer. Eles acabaram de sair do modo ‘stealth’ com um investimento de US$ 650 milhões, e o nome por trás disso é Richard Socher, alguém que você talvez conheça do You.com ou do trabalho com o Imagenet.
Socher não está sozinho nessa. Ele trouxe uma galera de peso da pesquisa em IA, incluindo Peter Norvig e Tim Shi, cofundador da Cresta. O objetivo é ambicioso: desenvolver um modelo de IA que se aprimore de forma recursiva. Pensa assim: a IA consegue ver onde está errando e se redesenha para melhorar, tudo por conta própria. É o que muitos chamam de ‘Santo Graal’ da pesquisa em IA.
Conversei com o Socher e ele explicou que o diferencial deles é usar algo chamado ‘open-endedness’ para chegar a essa auto-melhora recursiva. Não é só pedir para a IA melhorar uma coisa específica, tipo um texto ou um sistema de machine learning. Isso seria só uma melhoria. O que eles buscam é um processo onde a IA automatiza todo o ciclo de criação, implementação e validação de ideias de pesquisa, começando pelas próprias ideias de IA e, quem sabe, um dia até em outras áreas.
O termo ‘open-endedness’ não é só um jargão. Tim Rocktäschel, um dos cofundadores, já liderou equipes de ‘open-endedness’ no Google DeepMind e trabalhou no modelo Genie 3. Imagina uma IA que você dá um conceito, um mundo, um agente, e ela simplesmente cria e interage com isso? É tipo a evolução biológica, onde as espécies se adaptam e contra-adaptam, gerando novidades por bilhões de anos. É assim que a gente desenvolveu os olhos, por exemplo.
Outro exemplo legal que ele citou é o ‘rainbow teaming’. Você já ouviu falar de ‘red teaming’ em cibersegurança? É quando você tenta fazer uma IA falar algo que não deveria, tipo como montar uma bomba, pra garantir que ela não faça isso. Agora, e se você colocasse uma segunda IA pra testar a primeira? Essa segunda IA teria a missão de fazer a primeira dizer todas as coisas erradas possíveis. Elas poderiam interagir por milhões de vezes, co-evoluindo. Uma ataca, a outra se defende e aprende, ficando mais segura. Essa ideia do Tim Rocktäschel já é usada nos maiores laboratórios hoje em dia.
A pergunta que fica é: quando isso termina? Socher diz que algumas coisas nunca terminam. A inteligência sempre pode melhorar, seja em programação ou matemática. Ele está tentando formalizar esses limites, mas são tão distantes que estamos muito longe de alcançá-los.
Ele não se vê como um ‘neolab’ comum, que só faz pesquisa. A ideia é ser uma empresa viável, com produtos incríveis que as pessoas amem usar e que tragam um impacto positivo. E quando veremos esses produtos? Ele diz que o time fez tanto progresso que os prazos podem até ser adiantados. A gente vai ter que esperar alguns trimestres, não anos.
Uma das grandes discussões sobre a auto-melhora recursiva é que, uma vez que a gente tenha um sistema desses, o poder de processamento se torna o recurso mais importante. Quanto mais rápido você roda o sistema, mais rápido ele melhora, e a intervenção humana externa faria pouca diferença. A corrida seria sobre quem consegue mais capacidade de computação. Socher concorda que o ‘compute’ é essencial e que no futuro, a questão será: quanto de poder de computação a humanidade quer gastar para resolver quais problemas?
Fonte: https://techcrunch.com/2026/05/14/what-happens-when-ai-starts-building-itself/
