Mark Chen, diretor de pesquisa (Chief Research Officer) da OpenAI, disse que a empresa está se aproximando de modelos de IA que conseguem conduzir suas próprias pesquisas, colocando a inteligência artificial geral cada vez mais ao alcance.
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 afirmou que modelos capazes de pesquisa autossustentada estão próximos, uma mudança que reformularia o papel dos pesquisadores humanos.
- Chen apontou uma crise de avaliação crescente e o aprendizado contínuo não resolvido como os maiores obstáculos da área.
Chen traça o caminho para a AGI
Chen expôs seu raciocínio em uma recente entrevista em podcast, na qual ele cozinhou diante das câmeras enquanto explicava a estratégia de pesquisa da OpenAI.
Ele rebateu a afirmação de que a escalabilidade teria estagnado. Esse argumento reaparece, disse ele, sempre que a área encontra um novo gargalo.
A empresa está em uma curva exponencial que se mantém por quase 10 ordens de magnitude, e há pouco indício de que ela vá se quebrar, ele afirmou.
Chen também destacou a aposta da OpenAI em raciocínio. Ele contou que 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 duram semanas, produzindo ideias que ultrapassam os pontos cegos de especialistas humanos.
O roteiro da OpenAI é de três anos, indicou ele, culminando em modelos que lidam com pesquisa de ponta a ponta, da primeira ideia ao resultado final.
Também leia: BitMine desafia a liquidação com aposta de US$ 43 milhões em Ethereum, estratégia pisca
Por que a ideia do “pesquisador de vibe” importa
Chen apresentou um termo que chamou atenção, o pesquisador de vibe.
Nesse futuro, contou ele aos ouvintes, os melhores pesquisadores deixam de escrever cada linha de código e passam a orientar modelos que cuidam da execução e do agendamento. O trabalho humano se estreita a duas tarefas: fazer perguntas afiadas e julgar se uma resposta tem “sabor” de verdade.
Essa visão se apoia em terreno frágil, e Chen não finge o contrário.
Ele alertou para uma crise de avaliação, descrevendo equipes que correm atrás de 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 permanece como a lacuna mais difícil. Chen o chamou de habilidade básica que a área ainda precisa destravar, mesmo dizendo que muitos esforços já miram o problema.
Se essa trajetória se sustentar, 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 defendeu versões desse argumento antes. Por ocasião do lançamento do GPT-4.5, ele argumentou que o paradigma de escala pode continuar, e há muito tempo ele insiste que não há evidências de que as leis de escala estejam mortas.
Leia a seguir: CZ diz que Binance estava a dias da aprovação da MiCA antes de a política interferir