Mark Chen, diretor de pesquisa (Chief Research Officer) da OpenAI, afirmou que a empresa está se aproximando de modelos de IA capazes de conduzir suas próprias pesquisas, aproximando ainda mais a inteligência artificial geral.
Principais pontos:
- Chen argumentou que as leis de escala continuam válidas, com o pré-treinamento e cadeias de raciocínio mais longas ainda impulsionando o progresso rumo à AGI.
- Ele disse que estão próximas as modelos capazes de pesquisa autossustentada, uma mudança que redefiniria o trabalho dos pesquisadores humanos.
- Chen apontou um aprofundamento da crise de avaliação e o aprendizado contínuo não resolvido como os maiores obstáculos do campo.
Chen traça o caminho para a AGI
Chen expôs seu raciocínio em uma entrevista recente de podcast, na qual ele cozinhou diante das câmeras enquanto explicava a estratégia de pesquisa da OpenAI.
Ele contestou a afirmação de que o escalonamento teria estagnado. Segundo ele, esse argumento volta à tona sempre que o campo atinge um novo gargalo.
A empresa está em uma curva exponencial que se mantém por quase 10 ordens de magnitude, e há poucos indícios de que ela vá quebrar, ele afirmou.
Chen também destacou a aposta da OpenAI em raciocínio. Ele disse que, no início, céticos dentro da empresa questionaram o projeto o1, antes que Jakub Pachocki, Ilya Sutskever e alguns outros o impulsionassem.
Agora, ele espera que modelos assumam tarefas de pesquisa que se estendam por semanas, produzindo ideias que ultrapassem os pontos cegos de especialistas humanos.
O roteiro da OpenAI cobre três anos, indicou ele, e termina com modelos que cuidam da pesquisa de ponta a ponta, da primeira ideia ao resultado final.
Veja também: BitMine enfrenta a queda com uma aposta de US$ 43 milhões em Ethereum; estratégia pisca
Por que a ideia de “pesquisador de vibe” importa
Chen lançou um termo que chamou atenção: o pesquisador de vibe.
Nesse futuro, ele disse aos ouvintes, os melhores pesquisadores deixam de escrever cada linha de código e passam a guiar modelos que cuidam da execução e do agendamento. O trabalho humano se estreita em duas tarefas: fazer perguntas precisas e julgar se uma resposta tem “sabor” verdadeiro.
Essa visão se apoia em terreno instável, e Chen não finge o contrário.
Ele alertou para uma crise de avaliação, descrevendo equipes que perseguem pontuações em benchmarks sem ganhos reais, um hábito que ele chama de benchmaxxing. Testes antigos agora estão saturados, e novos perdem valor quase assim que se tornam públicos.
O aprendizado contínuo continua sendo a lacuna mais difícil. Chen o chamou de uma capacidade básica que o campo ainda precisa destravar, embora ele diga que muitos esforços já miram esse problema.
Se essa trajetória se mantiver, sugeriu Chen, o recurso humano mais escasso deixará de ser a inteligência bruta e passará a ser o julgamento e a experiência de vida.
Chen já apresentou versões desse argumento antes. Na época do lançamento do GPT-4.5, ele defendeu que o paradigma de escalonamento poderia continuar, e há muito tempo ele insiste que não há evidências de que as leis de escala tenham morrido.
Leia a seguir: CZ diz que a Binance estava a dias de aprovação da MiCA antes de a política interferir