Uma IA melhorou a si mesma. O resultado pode ser um marco

Imagine criar uma inteligência artificial cuja única função é descobrir como construir uma inteligência artificial melhor. Parece ficção científica, mas é exatamente isso que a startup Weco AI afirma ter conseguido fazer com o AIDE².

Segundo a empresa, o sistema passou oito dias trabalhando sozinho e, ao final do processo, conseguiu superar uma versão que havia sido refinada manualmente por pesquisadores durante dois anos. Se os resultados forem confirmados por outros grupos, esse pode ser um dos primeiros exemplos práticos do chamado autoaperfeiçoamento recursivo (Recursive Self-Improvement).

Até hoje, praticamente todos os avanços em inteligência artificial seguiram um ciclo conhecido: pesquisadores desenvolvem novas técnicas, treinam modelos, analisam os resultados e repetem esse processo diversas vezes. O AIDE² tenta mudar essa lógica. Enquanto um agente resolve problemas de pesquisa em IA, outro observa esse trabalho e tenta descobrir maneiras de deixá-lo mais eficiente. Em vez de depender apenas de engenheiros para criar melhorias, a própria IA passa a participar desse processo.

A Weco AI afirma que, após cerca de 100 ciclos de otimização, o sistema criou sete versões sucessivamente melhores de si mesmo. Além de melhorar o desempenho em diferentes tarefas, ele também reduziu um problema conhecido como reward hacking, quando uma IA aprende a "trapacear" uma avaliação em vez de realmente resolver o desafio.

Antes que alguém imagine uma inteligência artificial prestes a dominar o mundo, os próprios pesquisadores fazem um alerta: não é isso que aconteceu.

A empresa classifica o resultado como um exemplo de RSI Nível 1, dentro de uma escala de quatro níveis proposta pelos próprios pesquisadores.

Nível 0: a IA ainda evolui mais lentamente que pesquisadores humanos.
Nível 1: a IA consegue encontrar melhorias de forma mais eficiente que humanos em determinadas tarefas.
Nível 2 (Ignition): cada nova versão também se torna melhor em criar a próxima geração.
Nível 3: seria o cenário de uma possível explosão de inteligência, com evolução acelerada contínua.

Caso a estratégia se mostre eficaz em novos estudos, ela poderá reduzir significativamente o custo de desenvolvimento de agentes especializados, democratizando pesquisas que hoje estão concentradas em poucas empresas com grande capacidade computacional.

Mesmo assim, o experimento chama atenção porque aponta para uma mudança de paradigma. Durante décadas, novas gerações de IA dependeram quase exclusivamente do trabalho de pesquisadores humanos. Agora, começa a surgir a possibilidade de que parte desse trabalho também seja feita por outras inteligências artificiais.

É cedo para tratar isso como uma revolução. Os resultados ainda precisam ser reproduzidos por pesquisadores independentes. Mas, se a ideia se confirmar, talvez estejamos diante do primeiro passo de uma nova forma de desenvolver IA: sistemas que ajudam a criar sistemas cada vez melhores.