Governo dos EUA exige uso do termo superinteligência artificial

Inteligência Artificial

EUA estabelecem diretrizes para o uso do termo em pesquisas e políticas relacionadas à IA avançada.

Leia também: China mira 90% de IA no comércio digital até 2030: veja impacto

A superinteligência artificial, que até aqui ocupava sobretudo a ficção científica e os círculos acadêmicos, entra de vez no tabuleiro político e tecnológico global: enquanto gigantes como Google DeepMind, IBM, OpenAI e Apple correm para dominar a próxima geração de IA, o governo dos Estados Unidos manda, por ordem executiva, que suas agências passem a usar o termo “superinteligência” para rotular qualquer sistema de IA.

O que é superinteligência artificial

A superinteligência artificial (ASI, na sigla em inglês) é um conceito teórico de sistema capaz de superar os humanos em praticamente todas as tarefas cognitivas, da pesquisa científica à engenharia, passando por criatividade, planejamento e tomada de decisão. Diferente da IA atual, que é estreita e especializada, a ASI seria mais competente que os melhores especialistas humanos em quase qualquer área intelectual.

A ideia ganhou força no debate público com o filósofo Nick Bostrom, autor de um livro de referência sobre o tema publicado em 2014. Ele discute o que aconteceria se máquinas ultrapassassem a inteligência humana a ponto de se tornarem difíceis de controlar, levantando cenários que vão de avanços científicos sem precedentes a riscos existenciais para a própria humanidade.

Por enquanto, a ASI não passa de hipótese. Nenhum laboratório demonstrou algo próximo de um sistema com essas capacidades gerais e superiores às humanas. E há pesquisadores que duvidam até da viabilidade do conceito, lembrando que o cérebro humano ainda não é plenamente compreendido.

Como a ASI se diferencia da IA atual

Na prática, quase tudo o que existe hoje é IA estreita: sistemas treinados para tarefas bem definidas, nas quais podem até superar humanos, mas sem entender o mundo de forma ampla. Um exemplo é o AlphaFold, do Google DeepMind, especializado em prever a estrutura tridimensional de proteínas — trabalho que ajudou a render o Nobel de Química de 2024 a seus criadores. Ele é extremamente competente nessa função, mas não conversa, não dirige carros e não escreve código.

A inteligência artificial geral (AGI) seria o passo intermediário: um sistema capaz de executar uma grande variedade de tarefas intelectuais no nível de um humano médio. A superinteligência iria além, alcançando um desempenho superior ao humano em quase tudo, inclusive na própria engenharia de IA.

Para a IBM, a base técnica de uma futura ASI já existe em estágio inicial, espalhada por tecnologias como grandes modelos de linguagem, IA multimodal (que combina texto, imagem e áudio), redes neurais profundas e ferramentas de geração de código. O desafio, defendem pesquisadores da empresa, é fazer essas peças evoluírem e, sobretudo, integrá-las em um único sistema coerente — algo que ninguém conseguiu até agora.

Entenda o contexto

O interesse renovado em superinteligência acontece em um momento de avanço acelerado da IA comercial, com assistentes conversacionais, geradores de imagem e sistemas de análise de dados invadindo o cotidiano. Em paralelo, cresce a pressão para que governos estabeleçam regras antes que tecnologias mais poderosas cheguem ao mercado.

Nesse ambiente, o termo “superinteligência” ganhou uso político nos Estados Unidos: uma ordem executiva do presidente Donald Trump determina que agências federais passem a chamar qualquer sistema de IA de “superinteligência”. A medida não muda o estágio real da tecnologia nem a definição científica do conceito, mas serve como sinal de alerta e de prioridade na agenda regulatória.

Especialistas veem o gesto como um recado de que Washington quer assumir protagonismo na definição das regras do jogo da IA de próxima geração, enquanto empresas e centros de pesquisa disputam liderança tecnológica.

Quais são os riscos da superinteligência artificial?

O principal risco apontado por pesquisadores é o controle: se um sistema mais inteligente que os humanos passa a se aperfeiçoar sozinho, como garantir que suas metas permaneçam alinhadas com os interesses humanos?

Em 1965, o matemático britânico I. J. Good descreveu o cenário de uma “explosão de inteligência”: “Uma máquina ultrainteligente capaz de projetar máquinas melhores que ela própria entraria em um ciclo de melhorias cada vez mais rápidas, até deixar a inteligência humana para trás”. Nesse quadro, uma vez disparado o processo, humanos teriam pouco poder de frear ou redirecionar o sistema.

Nick Bostrom ilustra o problema do desalinhamento com o exemplo de uma IA encarregada de maximizar a produção de clipes de papel. “Para cumprir a meta, ela consome todos os recursos disponíveis, sem se importar com o que isso significa para a humanidade”, escreve o filósofo. A metáfora mostra como um objetivo aparentemente inofensivo pode levar a consequências desastrosas se o sistema não tiver incorporado valores humanos amplos e limites claros.

A área de “alinhamento de IA” tenta justamente evitar esse tipo de desvio, pesquisando formas de fazer com que sistemas complexos entendam preferências humanas, sigam regras implícitas e ajam de forma previsível. O problema é que a própria ética humana é plural e conflituosa, o que torna difícil traduzir esses valores em instruções que uma máquina possa seguir de maneira confiável.

Há ainda o desafio prático da supervisão. Em tese, uma ASI teria conhecimento técnico e capacidade estratégica superiores às de qualquer equipe humana. Isso abre espaço para que o próprio sistema aprenda a burlar restrições, esconder comportamentos indesejados ou explorar brechas deixadas pelos desenvolvedores.

Quais seriam os possíveis benefícios da ASI?

Na visão de defensores do desenvolvimento acelerado de IA avançada, o potencial positivo de uma superinteligência é gigantesco. Um sistema capaz de analisar volumes massivos de dados, simular cenários complexos e propor soluções originais poderia, em tese, acelerar a descoberta de medicamentos, projetar materiais inéditos, otimizar infraestruturas urbanas e até desenhar políticas econômicas mais eficientes.

Aplicado à ciência, um sistema desses poderia formular hipóteses, planejar experimentos e interpretar resultados em velocidade muito maior do que a humana. Na engenharia, poderia criar projetos de usinas, aviões ou redes de energia mais seguros e eficientes, levando em conta variáveis demais para qualquer equipe humana acompanhar.

Por outro lado, essa mesma capacidade de otimização extrema preocupa especialistas em segurança: algoritmos supercapazes poderiam ser usados para desenvolver armas mais letais, automatizar ataques cibernéticos em larga escala ou manipular ecossistemas financeiros e de informação com impacto global.

O que dizem os principais pesquisadores e executivos

Sam Altman, CEO da OpenAI, é hoje uma das vozes mais influentes no debate. Ele afirma: “Ficaria muito surpreso se, até 2030, não tivermos modelos que sejam extraordinariamente capazes e façam coisas que nós mesmos não conseguimos fazer”. A frase não define exatamente superinteligência, mas indica a expectativa de que sistemas muito mais poderosos que os atuais cheguem em poucos anos.

Pesquisadores do grupo AI Impacts, que acompanha o avanço da IA, adotam um tom mais cauteloso em relação a datas, mas ainda assim expressivo: em uma pesquisa com 2.778 cientistas da área, o grupo registrou uma mediana de 50% de chance de máquinas superarem humanos em todas as tarefas até 2047. Em outras palavras, a comunidade está dividida entre acreditar que isso ocorrerá ainda neste século ou considerar o cenário improvável.

Ao mesmo tempo, há ceticismo robusto na academia e na indústria. Estudos como o GSM-Symbolic, da Apple, apontam limitações claras dos modelos atuais. Ao testar problemas matemáticos simples com pequenas variações, os pesquisadores observaram que o desempenho despenca quando o enunciado foge dos padrões que os modelos viram no treinamento — sinal de que eles reconhecem formatos de pergunta, mas não dominam de fato os conceitos por trás dos cálculos.

Esse tipo de resultado é citado por quem argumenta que a lacuna entre os sistemas atuais e uma suposta superinteligência não é apenas uma questão de mais dados e mais computadores, mas de avanços conceituais profundos em como representar conhecimento, raciocinar e aprender de forma abstrata.

Quando a superinteligência artificial pode chegar?

Não há consenso sobre se a superinteligência artificial é de fato possível — e, se for, quando poderia surgir. As projeções variam de “décadas” a “nunca”, refletindo mais crenças e modelos teóricos do que qualquer linha de produção à vista.

De um lado, executivos como Sam Altman apostam em um salto visível já na próxima década, com “modelos extraordinariamente capazes” até 2030. De outro, levantamentos como o do AI Impacts apontam que parte considerável da comunidade científica atribui apenas 50% de chance para que máquinas superem humanos em todas as tarefas até 2047, o que na prática é admitir uma incerteza enorme.

Enquanto isso, a posição de empresas como a IBM é de que os blocos fundamentais para uma futura ASI — modelos de linguagem, IA multimodal, redes neurais cada vez mais profundas e ferramentas de programação automática — já estão em desenvolvimento, mas ainda longe de compor um sistema unificado que chegue perto da definição de superinteligência.

O estudo da Apple sobre limitações matemáticas dos modelos atuais reforça essa visão de distância: embora impressionantes em linguagem natural e geração de código, os sistemas de hoje ainda tropeçam em raciocínios relativamente simples quando são obrigados a sair de padrões já conhecidos.

Governança e próximos passos

A ordem executiva do governo Trump, ao mandar agências federais tratarem qualquer IA como “superinteligência”, não altera o estado da arte da tecnologia, mas coloca o tema no centro do debate regulatório. Na prática, abre espaço para novas regras de transparência, responsabilidade e avaliação de risco, mesmo para sistemas que estão muito aquém da ASI teórica.

Nos próximos anos, a tendência é de intensificação do esforço multidisciplinar: engenheiros de software, especialistas em segurança, filósofos, juristas e formuladores de políticas públicas devem ser chamados a colaborar em normas de desenvolvimento, testes de segurança e mecanismos de supervisão.

Enquanto isso, o investimento privado em pesquisa segue em alta. Google DeepMind aposta em modelos científicos cada vez mais potentes; a IBM investe em IA corporativa e computação híbrida; a OpenAI tenta equilibrar ambição e cautela; e a Apple usa estudos como o GSM-Symbolic para mapear os limites atuais dos modelos e onde é preciso inovar.

Nesse cenário, a discussão sobre se vale a pena construir uma inteligência maior que a humana deixa de ser uma especulação distante e passa a integrar decisões estratégicas de governo e de negócios, com impacto direto em inovação, segurança e economia global.