Os laboratórios de fronteira estão obcecados. Eles estão correndo em direção a modelos de autoaperfeiçoamento, convencidos de que é a única maneira de chegar lá. A lógica é circular, mas sedutora: a IA melhora a IA. É uma espiral. Isso nos supera. Pode até nos prender.
Isso parece ótimo para uma distopia. Inútil para um boletim informativo.
Eu precisava soltar as palavras. Rápido. Então me fiz uma pergunta prática. Posso usar o autoaperfeiçoamento recursivo para automatizar meu próprio trabalho? Não por inteligência divina. Apenas para trabalho pesado.
Passei uma semana testando.
A resposta é sim. Surpreendentemente, sim.
Mais importante ainda, sugere um caminho diferente. Um que não dependa de cinco empresas serem donas do céu.
Começando pequeno (e quebrando coisas)
Comecei treinando um pequeno modelo de linguagem do zero. Por “treinamento” quero dizer que entreguei todas as reflexões difíceis para Claude.
Usei a AutoResearch. O projeto favorito de Andrej Karpathy. Você o conhece. Fundador da OpenAI, líder da Tesla AI, agora na Anthropic. Essa ferramenta ajuda IAs prontas para uso a construir versões melhores e menores de si mesmas.
Eu digitei o comando. “Olá, veja program.md, vamos iniciar um novo experimento.”
Então eu forneci o resto. Hardware (um supercomputador desktop Nvidia DGX). Eletricidade (quente, direto durante a noite). E uma disposição imprudente de deixar o código correr solto, ignorando as verificações de segurança padrão.
Deixe-o cozinhar.
A cada poucas horas, eu espiava. Claude estava ajustando os parâmetros. Ajustando regimes de treinamento. Observando como o modelo menor respondeu. Então ajustando novamente. Foi um loop. Autônomo. Implacável.
Testei os primeiros resultados. Aviso: “No começo…”
Saída: “No início do início do e fim do fim fim do fim começo…”
Bobagem. Ruído repetitivo.
Mas mais tarde? À medida que Claude refinava o processo, o jargão se acalmou. As frases faziam sentido. Ainda não é GPT-5. Mas a trajetória era clara. O modelo estava melhorando ao fazer o trabalho de melhorar.
Algo útil (realmente útil)
Treinar um modelo de brinquedo foi divertido. Mas escrevo sobre artigos sobre IA. Eu tenho pilhas deles.
Eu precisava de um curador.
Mudei para Prime Intellect. Uma startup que visa democratizar o treinamento de modelos. O argumento deles é simples. Crie modelos personalizados para tarefas específicas. Não gigantes gerais. Ferramentas afiadas.
Eu os alimentei com 100 entradas da minha seção “Em outro lugar na fronteira”. Poucos e bobs. Destaques da pesquisa. Então pedi a Claude que ajudasse a construir um modelo chamado Frontier_Paper_Curator. Seu trabalho? Encontre e resuma artigos interessantes.
Foi aqui que tudo ficou complexo. Claude encontrou mais papéis. Gerou dados sintéticos. Depois utilizou outro modelo para criticar o seu próprio trabalho. A aprendizagem por reforço entrou em ação. O próprio ambiente tornou-se o professor.
Vincent Weisser dirige o Prime Intellect. Sua empresa acabou de arrecadar US$ 15 milhões. Ele odeia a narrativa da centralização.
“Não queremos uma inteligência divina. Queremos um bilhão de inteligências.”
Ele acredita em nichos. Ferramentas especializadas desenvolvidas por todos, não apenas pelos laboratórios. Se todas as empresas obtiverem infra-estruturas de fronteira, a criatividade colectiva do mercado vencerá alguns monopolistas. Ele argumenta que a IA centralizada é um gargalo. Descentralizado é lindo.
Outras startups concordam. A Adaption vende uma ferramenta chamada AutoScientist. A CEO Sara Hooker observa que grandes empresas estão queimando dinheiro em tokens. Eles não têm especialistas internos. Eles precisam de uma automação que realmente funcione.
Depois, há o fator de risco. Quando a Antrópica bloqueou certos pedidos de Claude, isso destacou a fragilidade da dependência. Alex Karp, da Palantir, alerta sobre isso. Usar laboratórios de fronteira significa abrir mão de dados. Significa perder o controle.
Eu queria controle. Ou pelo menos, alavancagem.
Passei menos de um dia com o Prime Intellect. O resultado foi um agente curatorial funcional.
Produziu este resumo para iFLYTEK:
Pesquisadores da iFLYTEK desenvolveram o iFLYTEK-Empowered-Ai, um modelo multimodal que combina visão, linguagem e ação. Os métodos antigos separavam essas tarefas. Este modelo compartilha a atenção entre eles. Como um cérebro e um cerebelo conversando diretamente. Reduz cascatas de erros. Ele treina em diversos dados de vídeo. O resultado é um agente capaz de raciocinar e controlar simultaneamente. Um novo paradigma arquitetônico para robótica.
É perfeito? Não.
Está muito ansioso. Ele seleciona artigos que eu pularia. Os resumos são ligeiramente genéricos.
Mas funciona.
Isso me libertou de um pouco do trabalho penoso. Não se tornou um deus. Tornou-se uma ferramenta.
E talvez esse seja o melhor resultado. Não estamos construindo deuses. Estamos construindo rascunhos melhores.
Quem sabe o que acontece quando eles se refinam novamente.
