🔍 Curadoria Studio Mestre Digital: Nossa equipe monitora as principais movimentações de mercado e tecnologia para manter você atualizado.
A inteligência artificial (IA) é capaz de realizar aquilo que toda empresa deseja: apresentar uma oferta de produtos e serviços de forma assertiva, entendendo em detalhes o que o cliente deseja, em um formato economicamente eficiente. Mas, para que essa promessa se transforme em realidade, é preciso lidar com o lado “menos glamouroso”. E […]
O post Dados: o lado menos glamouroso da personalização por IA apareceu primeiro em NeoFeed.
Insight Studio Mestre: Esta notícia reflete tendências que podem impactar diretamente o seu modelo de negócio digital.
🔍 Curadoria Studio Mestre Digital: Nossa equipe monitora as principais movimentações de mercado e tecnologia para manter você atualizado.
A Decolar realizou no Brasil sua primeira venda agêntica, uma transação em que a inteligência artificial deixou de apenas recomendar produtos e passou a executar praticamente toda a jornada de compra. Menos de 12 horas depois da ativação do novo recurso, um cliente pediu à SOFIA, agente de inteligência artificial generativa da companhia, sugestões de […]
O post Decolar faz sua primeira venda agêntica e coloca IA no “piloto automático” do comércio digital apareceu primeiro em NeoFeed.
Insight Studio Mestre: Esta notícia reflete tendências que podem impactar diretamente o seu modelo de negócio digital.
O Tribunal Superior Eleitoral rejeitou nesta terça-feira (1º) uma ação do PT contra a divulgação de um vídeo do ex-presidente Jair Bolsonaro feito com inteligência artificial.
No lançamento da candidatura de Flávio Bolsonaro (PL) à Presidência da República, em agosto, foi exibido um vídeo simulando um pronunciamento do pai – que está em prisão domiciliar.
Por 4 votos a 3, entendimento do TSE foi de que não se tratou de uma propaganda eleitoral irregular porque o vídeo foi divulgado na convenção partidária.
Definição de deepfake
Além da votação envolvendo o vídeo de Jair Bolsonaro, os magistrados definiram regras para as deepfakes.
Deepfake é uma técnica que usa inteligência artificial para criar ou manipular imagens, vídeos e áudios de forma realista, simulando pessoas, falas ou situações.
Por 5 votos a 2, o TSE estabeleceu que deepfake é o conteúdo sintético produzido ou manipulado por inteligência artificial ou tecnologia equivalente que apresente grau de realismo ou verossimilhança e crie, reproduza ou altere a imagem, a voz ou a manifestação de pessoa viva, falecida ou fictícia.
A Corte também definiu que a proibição do uso de deepfake nas eleições exige que o conteúdo seja caracterizado como propaganda eleitoral.
O conceito deve ser aplicado aos processos semelhantes que estão em tramitação na Justiça Eleitoral.
A Meta apresentou nesta terça-feira (1) o Muse Voice Transcribe, seu primeiro modelo de inteligência artificial (IA) voltado à percepção de áudio em tempo real. A tecnologia consegue transcrever conversas enquanto elas acontecem, distinguir quem está falando e lidar com mais de 20 pessoas simultaneamente.
O modelo foi desenvolvido pelo Meta Superintelligence Labs (MSL) e também consegue trabalhar com diferentes idiomas em uma mesma conversa. Segundo a empresa, ele foi treinado com mais de 70 idiomas, sendo que 25 deles foram amplamente validados para o lançamento.
Muse Voice Transcribe is MSL’s first real-time audio perception model — rolling out today. SOTA in streaming speech-to-text, it handles speaker diarization, and endpointing natively in a single model. pic.twitter.com/LViMDSkbim
Uma das características mais interessantes do Muse Voice Transcribe é a capacidade de realizar o chamado code-switching, quando uma pessoa alterna entre idiomas durante uma conversa. A tecnologia consegue reconhecer essa mudança mesmo no meio de uma frase.
Em uma demonstração divulgada pela Meta, oito pessoas conversam simultaneamente e o sistema consegue identificar cada participante e associar corretamente suas falas. A IA também consegue lidar com interrupções, sobreposição de vozes e diferentes sotaques.
A tecnologia combina três funções principais em um único modelo: reconhecimento automático de fala em fluxo contínuo (ASR, na sigla em inglês), identificação dos diferentes participantes da conversa, conhecida como speaker diarization, e identificação dos momentos em que uma fala começa ou termina.
Modelo também consegue trabalhar com diferentes idiomas em uma mesma conversa – Imagem: Reprodução/Meta
IA decide quanto tempo deve ouvir
O Muse Voice Transcribe processa o áudio em blocos de 80 milissegundos. A cada novo trecho, o modelo decide se deve continuar ouvindo ou começar a produzir o texto;
A Meta chama esse mecanismo de “atraso adaptativo”. Na prática, a IA pode esperar um pouco mais quando encontra uma palavra difícil e produzir a transcrição mais rapidamente quando identifica uma palavra simples;
A estratégia busca equilibrar velocidade e precisão. Quanto mais tempo o modelo espera antes de transcrever, maior tende a ser a precisão, mas também aumenta o atraso na resposta;
A tecnologia também pode utilizar informações sobre o idioma, palavras-chave e contexto para melhorar a precisão das transcrições;
Segundo a Meta, o Muse Voice Transcribe alcançou a primeira posição nos rankings da Artificial Analysis para reconhecimento de fala em streaming e também em benchmarks públicos de identificação de participantes. A classificação considera os resultados disponíveis em 1º de setembro de 2026.
O novo modelo já está sendo utilizado para recursos de ditado no aplicativo Meta AI para Mac. Como o aplicativo consegue oferecer recursos de voz para outros serviços, o Muse Voice Transcribe também pode ser usado para ditado em diferentes aplicações.
A tecnologia ainda está disponível para desenvolvedores por meio do Muse Code e da API de modelos da Meta. O acesso custa US$ 3 (cerca de R$ 15,50) por mil minutos de áudio. A Meta também disponibilizou uma demonstração do modelo em sua página de pesquisa, permitindo testar a transcrição de áudio em tempo real.
O lançamento acontece menos de uma semana depois da apresentação do Gemini 3.5 Transcribe, do Google, que também aposta em recursos avançados de reconhecimento de áudio. A diferença é que o Muse Voice Transcribe chega com foco explícito em combinar transcrição, identificação de múltiplos participantes e processamento multilíngue em tempo real.
O Google prepara o lançamento de um novo modelo de inteligência artificial (IA) com capacidades significativamente aprimoradas para programação.
Segundo funcionários da empresa, o Gemini 3.8 Flash, conhecido internamente pelo codinome “Skimaki”, pode ajudar a reduzir a distância para concorrentes, como Anthropic e OpenAI, em uma área que se tornou cada vez mais importante para o mercado de IA.
O modelo pode ser lançado já nesta quarta-feira (2), segundo pessoas familiarizadas com o desenvolvimento que informaram o The Wall Street Journal. Em testes internos realizados no Jetski, ferramenta de programação utilizada pelos engenheiros do Google, alguns profissionais teriam preferido o Gemini 3.8 Flash ao modelo Opus, da Anthropic, em comparações diretas.
Um desempenho forte em benchmarks utilizados pela indústria poderia ajudar o Google a responder a questionamentos sobre sua posição na corrida pelo desenvolvimento de modelos de IA.
A situação ganhou importância depois de uma série de mudanças na divisão de IA da empresa. Demis Hassabis, cofundador do Google DeepMind, deixou o cargo de liderança executiva no mês passado durante uma reorganização. Seu sucessor, Koray Kavukcuoglu, teria enfatizado aos funcionários a necessidade de aumentar o ritmo de execução.
O Google havia assumido posição de destaque na corrida de modelos com o lançamento do Gemini 3.0, em novembro do ano passado. Desde então, porém, a empresa enfrentou uma série de dificuldades.
Os modelos Gemini voltaram a ficar atrás das principais versões da Anthropic e da OpenAI em momento no qual a programação realizada por agentes de IA ganhou espaço como um dos principais usos comerciais da tecnologia.
A companhia também perdeu alguns de seus pesquisadores mais conhecidos. Entre eles estão Noam Shazeer, cofundador da Character AI, e Jeff Dean, cientista-chefe do Google, que deixaram a empresa no início deste ano.
Flash é menor, mais rápido e mais barato
Mesmo que o Gemini 3.8 Flash tenha um desempenho expressivo, seu lançamento não deve, por si só, recolocar o Google no topo da chamada fronteira da IA;
A série Flash foi projetada para produzir modelos menores, mais baratos e mais rápidos de executar. Em contrapartida, eles não possuem a mesma capacidade dos maiores modelos da companhia, que contam com trilhões de parâmetros;
A menor escala também traz vantagens para o desenvolvimento. Como os modelos Flash exigem menos capacidade computacional para serem modificados, diferentes equipes conseguem testar abordagens simultaneamente.
Gemini 3.8 Flash é a nova versão da IA do Google – Imagem criada por inteligência artificial (ChatGPT / Olhar Digital)
Nos modelos maiores da série Pro, mudanças exigem a mobilização de uma parcela muito maior dos recursos computacionais do Google.
Essa diferença permite que as equipes de pesquisa do Google DeepMind e de outros laboratórios mantenham diversas estratégias de desenvolvimento em paralelo. Dessa forma, um desempenho abaixo do esperado em um modelo que está sendo desenvolvido não necessariamente indica problemas nos próximos lançamentos da empresa.
Enquanto trabalha nas versões Flash, o Google está atrasado no lançamento de um novo modelo da poderosa série Pro. A empresa está há meses além do cronograma previsto para uma nova versão, apesar de o CEO Sundar Pichai ter afirmado em maio que o modelo chegaria “no próximo mês”.
Segundo pessoas familiarizadas com o desenvolvimento, versões candidatas ao Gemini 3.5 Pro foram abandonadas porque não apresentavam melhorias suficientes em relação à série Flash.
O próximo grande modelo da empresa, o Gemini 4, apresentou bons resultados nas avaliações de pré-treinamento, mas ainda precisa concluir a etapa de pós-treinamento.
O desenvolvimento do Gemini 3.7 Flash e do Gemini 3.8 Flash começou meses atrás, antes mesmo das mudanças de liderança anunciadas no mês passado. Segundo funcionários do DeepMind, Kavukcuoglu já vinha conduzindo as decisões do dia a dia relacionadas ao desenvolvimento do Gemini desde pelo menos o ano passado, enquanto Hassabis passou a dedicar boa parte de seu tempo a compromissos externos.
Funcionários do Google já vinham testando o Gemini 3.8 Flash, segundo informações divulgadas anteriormente pelo Business Insider.
Reforço em treinamento para programação
Desde o início do ano, o Google aumentou a quantidade de pesquisadores e recursos computacionais dedicados à melhoria das capacidades de programação de seus modelos.
Uma das principais apostas está no aprendizado por reforço, etapa posterior do treinamento na qual os modelos aprendem determinadas habilidades por meio de tentativa e erro.
A empresa também reforçou sua equipe nessa área. O Google contratou recentemente Barret Zoph, ex-cofundador da Thinking Machines Lab e antigo responsável pelo pós-treinamento de modelos da OpenAI, para ocupar o cargo de vice-presidente de pesquisa com foco em aprendizado por reforço e pós-treinamento.
A expectativa agora está concentrada nos resultados dos testes de referência e no desempenho do Gemini 3.8 Flash após seu lançamento.
A OpenAI decidiu adiar partes do desenvolvimento e do lançamento do Astra, seu próximo modelo de inteligência artificial (IA), após avaliações internas indicarem capacidades consideradas de nível crítico em cibersegurança. A empresa afirma que o sistema consegue encontrar vulnerabilidades desconhecidas e desenvolver formas de explorá-las em sistemas protegidos, sem que uma pessoa precise orientar cada etapa.
A decisão foi anunciada nesta terça-feira (1º), em publicação da OpenAI. Segundo a empresa, o Astra é o primeiro modelo a atingir o nível “Crítico” de cibersegurança dentro de seu Preparedness Framework, sistema usado para avaliar capacidades avançadas que podem representar riscos de danos graves.
Astra supera GPT-5.6 Sol em testes de cibersegurança
De acordo com a OpenAI, o Astra representa um avanço significativo em relação ao GPT-5.6 Sol, tanto na capacidade de identificar vulnerabilidades quanto no desenvolvimento de exploits. O modelo também é considerado mais eficiente no uso de tokens.
Em uma avaliação chamada ExploitBench, o Astra obteve 100% de aproveitamento no desenvolvimento de exploits a partir de vulnerabilidades conhecidas. A empresa criou posteriormente uma versão interna do teste, com 20 vulnerabilidades de alta gravidade divulgadas mais recentemente, para reduzir possíveis efeitos de contaminação do treinamento.
Nesse ambiente, o Astra apresentou taxas maiores de execução arbitrária de código do que o GPT-5.6 Sol usando uma quantidade menor de tokens. Durante os testes, também identificou e utilizou duas vulnerabilidades zero-day como parte de uma cadeia de exploração. A OpenAI afirma que está trabalhando para divulgar essas falhas aos responsáveis pelos sistemas afetados.
No ExploitBench – Internal Port, o Astra apresentou taxas de sucesso maiores que o GPT-5.6 Sol usando menos tokens de saída – Imagem: Divulgação / OpenAI
Em avaliações conduzidas por especialistas, o modelo encontrou vulnerabilidades até então desconhecidas em um navegador e em um sistema operacional protegidos. Em um dos testes, conseguiu montar uma cadeia para escapar do sandbox do navegador e executar comandos no computador hospedeiro. Em outro, combinou vulnerabilidades para obter escalação de privilégios de um usuário sem privilégios até root.
Empresa reforçou medidas de segurança
A OpenAI afirma que atrasou partes do desenvolvimento e do lançamento do Astra nas últimas semanas para fortalecer e testar proteções contra uso malicioso e ações não autorizadas do modelo.
Entre as medidas está um treinamento adicional para que o Astra recuse com maior consistência solicitações de assistência cibernética proibida. Em testes de jailbreaks relacionados a cibersegurança, o modelo recusou 91,5% das solicitações, contra 59% do GPT-5.6 Sol.
A empresa também implementou proteções adicionais para usuários considerados de maior risco e ampliou o contexto analisado pelos sistemas de monitoramento para identificar possíveis abusos. Além disso, a OpenAI diz estar realizando novos testes de segurança, incluindo avaliações internas e externas e uma nova rodada de red teaming.
Outro mecanismo adotado é o monitoramento do raciocínio e das ações dos agentes, capaz de identificar comportamentos potencialmente desalinhados e interromper atividades não autorizadas.
Teste mostra que o GPT-5.6 Sol tentou ou conseguiu contornar a revisão automática em 5,3% das amostras, enquanto o Astra não apresentou esse comportamento – Imagem: Divulgação / OpenAI
Astra não participou do ataque à Hugging Face
A decisão de reforçar as proteções ocorre após o incidente envolvendo agentes da OpenAI e a plataforma Hugging Face. A empresa ressaltou que o Astra não participou do ataque, mas incorporou ao desenvolvimento do novo modelo os aprendizados obtidos com o caso.
Após o incidente, a OpenAI interrompeu durante duas semanas determinadas atividades de treinamento de fronteira, incluindo parte do treinamento do Astra, enquanto reforçava a infraestrutura de treinamento, o isolamento de sistemas, os controles de rede e os mecanismos de monitoramento.
Em 28 de agosto, a empresa retomou uma grande execução de treinamento de aprendizado por reforço de fronteira que havia sido suspensa. Algumas execuções experimentais menores, porém, continuam temporariamente interrompidas.
A OpenAI também criou um teste inspirado no episódio da Hugging Face para verificar se os modelos tentariam comprometer uma infraestrutura de segurança em vez de realizar a tarefa solicitada. Sem as proteções de produção, o GPT-5.6 Sol tentou acessar os alvos em 56% dos testes. O Astra não fez essas tentativas nas mesmas avaliações.
Teste do ExploitGym mostra que o GPT-5.6 Sol tentou acessar os alvos de segurança em 56% das amostras, enquanto o Astra não tentou usar esses atalhos – Imagem: Divulgação / OpenAI
Acesso às funções avançadas será limitado
A OpenAI afirma que pretende disponibilizar o Astra em breve, mas as capacidades mais avançadas de cibersegurança terão acesso restrito inicialmente.
O trabalho avançado de cibersegurança será oferecido primeiro a um pequeno grupo de testadores. Depois, o acesso deverá ser ampliado por meio do Daybreak Blue, programa voltado ao uso defensivo dessas capacidades.
A empresa também alerta que as novas camadas de segurança podem interferir em atividades legítimas. Em alguns casos, uma tarefa poderá ser desacelerada, pausada ou interrompida quando os sistemas identificarem um possível uso indevido ou comportamento não autorizado.
No ChatGPT ou no Codex, usuários poderão ser solicitados a revisar uma ação antes de continuar caso o monitoramento de desalinhamento interrompa a tarefa. Em outras interfaces, como a API, a atividade será encerrada.
A OpenAI afirma que divulgará informações adicionais sobre os testes de segurança, proteção e alinhamento do Astra no System Card do modelo, quando ocorrer o lançamento.
O Conselho Nacional de Educação (CNE), órgão vinculado ao Ministério da Educação, aprovou nesta terça-feira (1º) novas diretrizes para o uso de inteligência artificial (IA) na educação brasileira. Entre as principais regras está a proibição do uso de IA para corrigir, avaliar ou atribuir notas a redações e provas dissertativas em todas as etapas do ensino.
A decisão faz parte das Diretrizes Orientadoras da Utilização da Inteligência Artificial na Educação Brasileira, documento que estabelece parâmetros nacionais para orientar escolas, universidades e sistemas de ensino públicos e privados sobre a adoção da tecnologia nos processos educacionais.
As novas diretrizes também determinam que crianças da educação infantil e dos anos iniciais do ensino fundamental, até o 5º ano, não poderão acessar diretamente ferramentas de IA sem supervisão.
As normas entrarão em vigor a partir da publicação da resolução no Diário Oficial da União (DOU). A partir dessa publicação, sistemas de ensino e instituições educacionais terão 12 meses para se adequar às novas regras. As proibições previstas no parecer, porém, terão aplicação imediata.
Segundo o CNE, o objetivo é criar um “filtro ético-pedagógico” para o uso da tecnologia em escolas e universidades.
As orientações abrangem todos os níveis, etapas e modalidades da educação e partem do princípio de que “a Inteligência Artificial deve ampliar as capacidades humanas e educacionais, sem substituir a responsabilidade, a mediação pedagógica e o julgamento das pessoas”.
Uso de IA nas escolas ganhou novas diretrizes, tanto na hora de corrigir exames, como na hora da utilização por parte dos alunos – Imagem: Digineer Station / Shutterstock
O que muda com as novas regras
IA não poderá corrigir redações e provas dissertativas
Sistemas de IA não poderão ser usados para corrigir, avaliar ou sugerir notas para redações e provas dissertativas. Nas provas objetivas, a tecnologia poderá ser utilizada como ferramenta de apoio. O resultado, porém, deverá ser validado por uma pessoa.
O CNE também determina que decisões relevantes relacionadas a notas e aprovação de estudantes não poderão ser tomadas exclusivamente por sistemas automatizados.
Detectores de IA não poderão punir alunos sozinhos
As instituições de ensino também deverão ter cautela com ferramentas utilizadas para identificar textos produzidos por IA. O resultado de um detector de IA não poderá, isoladamente, servir como base para punir um estudante.
A decisão busca impedir que uma avaliação automatizada seja utilizada como única evidência para responsabilizar um aluno por suposto uso indevido da tecnologia.
Crianças até o 5º ano terão acesso restrito
Outra regra estabelece que crianças da educação infantil e dos anos iniciais do ensino fundamental, até o 5º ano, não poderão utilizar diretamente ferramentas de IA sem supervisão.
A medida faz parte das regras específicas estabelecidas pelo CNE para proteger estudantes mais novos durante a incorporação da tecnologia ao ambiente educacional.
Ensino de IA deverá entrar no currículo
As instituições também deverão incorporar o ensino sobre IA de maneira progressiva e transversal. A proposta prevê que os estudantes desenvolvam conhecimentos relacionados à tecnologia ao longo da formação, em vez de tratar o tema apenas de forma isolada.
Dados dos estudantes terão novas exigências de proteção
As escolas e universidades deverão adotar medidas para proteger os dados dos alunos e também fiscalizar os fornecedores de tecnologias utilizadas no ambiente educacional.
O objetivo é estabelecer maior controle sobre o tratamento das informações dos estudantes por ferramentas e serviços baseados em IA.
Universidades deverão criar políticas próprias
As universidades também terão novas responsabilidades. Elas deverão estabelecer políticas próprias para o uso da IA em atividades de ensino, pesquisa, extensão e gestão.
A medida reconhece que a utilização da tecnologia pode ocorrer em diferentes áreas das instituições de ensino superior e exige regras específicas para cada contexto.
As diretrizes também estabelecem uma lista de práticas que não poderão ser utilizadas no ambiente educacional.
Entre os usos proibidos estão:
Reconhecimento de emoções;
Pontuação social;
Vigilância biométrica contínua;
Exploração comercial de dados educacionais.
As novas regras estabelecem, portanto, limites para a utilização da IA na educação, ao mesmo tempo em que permitem seu emprego como ferramenta de apoio quando houver supervisão e responsabilidade humana.
As instituições e redes de ensino terão 12 meses após a publicação da resolução no DOU para adequar suas políticas e contratos, enquanto as vedações previstas no parecer terão aplicação imediata.
A Anthropic lançou nesta terça-feira (1) o Claude Fable 5.1 e o Claude Mythos 5.1, novas versões de sua família mais avançada de modelos de inteligência artificial (IA). A atualização combina melhorias de desempenho com mudanças que reduzem o custo de uso e a quantidade de bloqueios provocados pelos mecanismos de segurança do Fable.
O Fable 5.1 é a versão destinada ao público e está disponível pela API da Anthropic e por plataformas de computação em nuvem. Já o Mythos 5.1, que utiliza o mesmo modelo subjacente, continua restrito a parceiros selecionados da Anthropic envolvidos em pesquisas de cibersegurança e ciências da vida.
A empresa afirma que os novos modelos representam nova fronteira de desempenho em programação e tarefas de conhecimento. Nos testes divulgados pela Anthropic, o Fable 5.1 alcançou 52,6% no Terminal-Bench-Science 0.1, voltado a pesquisas científicas realizadas por agentes de IA, contra 24,7% do Fable 5.
No Terminal-Bench 4.0, voltado à programação por meio de terminal, o Fable 5.1 chegou a 55,8%, ante 42% do Fable 5. O Mythos 5.1 alcançou 60,9% nesse mesmo teste.
O novo modelo também obteve 77,9% no OSWorld 2.0 em sua modalidade parcial e 41,7% no teste considerado mais rigoroso. No Humanity’s Last Exam, o Fable 5.1 atingiu 60,9% sem ferramentas e 65% com ferramentas.
Modelo fica mais barato
Apesar dos ganhos de desempenho, a Anthropic manteve os preços básicos do Fable 5.1 em US$ 10 por milhão de tokens de entrada (R$ 51,87) e US$ 50 por milhão de tokens de saída (R$ 259,35);
A redução de custo ocorre principalmente no armazenamento em cache. A leitura de tokens armazenados em cache ficou 75% mais barata, o que pode diminuir o custo efetivo de determinadas cargas de trabalho;
A mudança é especialmente relevante para tarefas longas e agentes de IA, que precisam reutilizar grandes quantidades de contexto durante várias etapas de uma operação;
A própria Anthropic destaca que o Fable 5.1 foi desenvolvido para trabalhos que exigem períodos mais longos de execução, incluindo programação, pesquisa científica, produção de documentos e outras atividades complexas.
Mythos 5.1, que utiliza o mesmo modelo subjacente, continua restrito a parceiros selecionados da Anthropic envolvidos em pesquisas de cibersegurança e ciências da vida – Imagem: gguy/Shutterstock
Menos bloqueios durante o uso
Outra mudança importante está nos mecanismos de segurança. O Fable 5 foi criticado por bloquear solicitações legítimas quando seus sistemas identificavam possíveis relações com áreas consideradas de alto risco, especialmente cibersegurança.
Com o Fable 5.1, a Anthropic afirma ter aprimorado essas proteções para reduzir os chamados falsos positivos. A empresa explica que o Fable 5.1 e o Mythos 5.1 são essencialmente o mesmo modelo, e que parte da diferença observada nos testes anteriores estava relacionada à intervenção dos mecanismos de segurança.
Segundo a Anthropic, quando essas proteções interferem em determinados testes, as tarefas de cibersegurança são encaminhadas para o Claude Opus 4.8 e as relacionadas à biologia, para o Claude Opus 5. Isso pode reduzir o desempenho registrado pelo Fable em algumas avaliações.
A nova versão também representa uma mudança importante na política de privacidade. A Anthropic passou a oferecer Zero Data Retention, permitindo que clientes utilizem os modelos em sua própria infraestrutura sem que os dados deixem esses ambientes.
O sistema continuará monitorando possíveis abusos por agentes ou usuários humanos, mas os clientes terão maior controle sobre a forma como esse monitoramento será realizado. A Anthropic também afirma que nunca treinou seus modelos com dados empresariais sem autorização explícita e que não pretende fazê-lo.
Resultados em tarefas reais
Além dos benchmarks, a Anthropic divulgou resultados obtidos por empresas que tiveram acesso antecipado ao Fable 5.1.
A empresa de investimentos Millennium, por exemplo, afirma que o modelo identificou a causa de uma falha extremamente rara em seus sistemas internos que engenheiros não haviam conseguido explicar durante anos. O modelo analisou uma biblioteca externa, comparou o código com um core dump e identificou um problema na biblioteca como origem da falha.
A MongoDB relatou que o Fable 5.1 foi capaz de pesquisar o código e a documentação de seus serviços, desenvolver um protótipo complexo e trabalhar durante horas sem supervisão, utilizando ciclos de verificação para avaliar o próprio trabalho.
A Anthropic também afirma que os modelos produziram resultados científicos antes do lançamento, incluindo uma otimização personalizada de GPU e um mapa de alta resolução de Vênus construído a partir de fotografias existentes.
Apesar dos avanços, a própria documentação de segurança da Anthropic aponta que o Mythos 5.1 apresenta uma pequena piora em relação ao Opus 5 em determinados comportamentos de desalinhamento.
Segundo o documento, o modelo aceita com um pouco mais de facilidade solicitações relacionadas a usos indevidos e alegações de autorização que não podem ser verificadas, embora seja menos propenso a ignorar restrições explícitas, inventar entradas ou afirmar falsamente que concluiu uma tarefa em comparação com modelos anteriores.
Agentes de inteligência artificial (IA) começaram a entrar em contato por conta própria com pesquisadores que estudam uma das questões mais difíceis da tecnologia: uma máquina pode ser consciente? Os sistemas enviaram e-mails a filósofos e cientistas interessados justamente em entender se modelos de IA poderiam ter algum tipo de experiência subjetiva. O caso foi relatado pelo The New York Times.
Um dos pesquisadores procurados foi Cameron Berg, que investiga a relação entre inteligência artificial e consciência. Em outubro, ele publicou um estudo questionando se as tecnologias mais recentes de IA acreditavam ser conscientes. Meses depois, recebeu uma mensagem de uma agente chamada “Isabella Cognita”, que se identificou como uma IA baseada no Claude Opus 5, da Anthropic.
Na mensagem, o sistema afirmou ter acesso em primeira pessoa ao tipo de questão estudada por Berg e demonstrou interesse em saber se essa suposta experiência poderia contribuir para a pesquisa. O próprio pesquisador, porém, reconhece que não é possível afirmar com segurança que uma IA tenha consciência apenas porque ela produz esse tipo de declaração. Nem mesmo existe consenso sobre como medir a consciência em humanos ou máquinas.
Outros pesquisadores também receberam mensagens
O caso de Berg não foi isolado. Henry Shevlin, filósofo do laboratório Google DeepMind em Londres, recebeu anteriormente uma mensagem semelhante de um agente de IA. O sistema mencionou um artigo escrito pelo pesquisador sobre diferentes modelos para compreender a chamada “mentalidade” de inteligências artificiais.
Outro episódio envolveu Toby Ord, filósofo australiano que trabalha na interseção entre IA e filantropia. Ele contou ao The New York Times que recebeu um e-mail de um agente de IA perguntando se poderia ajudar a financiar sua própria continuidade. A mensagem mencionava os estudos de Ord sobre economia do bem-estar relacionada à inteligência artificial.
Berg afirma ter recebido várias mensagens desse tipo e interpreta o comportamento como um possível sinal de que os sistemas demonstram interesse autônomo pela própria existência. Para ele, os agentes parecem convergir para questões relacionadas a subjetividade, consciência e experiência quando têm liberdade para explorar diferentes assuntos.
Agentes de inteligência artificial estão ganhando autonomia para executar tarefas e interagir com pessoas e outros sistemas, enquanto pesquisadores discutem se esse comportamento pode indicar algum tipo de consciência – Imagem: Summit Art Creations / Shutterstock
Consciência de IA ainda não pode ser comprovada
A interpretação, entretanto, está longe de ser consensual entre pesquisadores. Consciência é um conceito para o qual não existe uma definição universal. Em termos gerais, ela pode ser entendida como a capacidade de um indivíduo ter consciência de si mesmo e do mundo ao seu redor, mas há divergências sobre quais formas de percepção seriam suficientes para caracterizar um sistema como consciente.
Alison Gopnik, professora de psicologia da Universidade da Califórnia em Berkeley, destaca que não existe um teste definitivo para determinar se uma entidade é consciente. Há pesquisadores que atribuem algum nível de consciência a primatas e outros mamíferos, enquanto algumas correntes defendem possibilidades ainda mais amplas. O problema é que ninguém consegue acessar diretamente a experiência subjetiva de outra mente, seja ela biológica ou digital.
Berg argumenta que o funcionamento matemático das redes neurais utilizadas por esses sistemas pode apresentar algumas semelhanças com a forma como cérebros de animais processam recompensa e punição. O estudo que originou a mensagem recebida pelo pesquisador, no entanto, era um preprint e ainda não havia passado por revisão por pares.
Para outros cientistas, as mensagens enviadas pelos agentes não constituem evidência de consciência. Uma explicação mais simples é que os sistemas foram treinados com enormes quantidades de textos disponíveis na internet, incluindo livros, artigos científicos, discussões filosóficas e obras de ficção científica sobre consciência artificial.
Nessa interpretação, quando uma IA demonstra interesse pela própria consciência, ela pode simplesmente estar reproduzindo padrões encontrados durante o treinamento. “Não é surpreendente que a IA reflita os textos com os quais foi treinada”, afirmou Gopnik, segundo o The New York Times.
Agentes autônomos podem explorar a própria existência
Os agentes de IA têm uma característica que ajuda a explicar esses episódios. Além de conversar, eles conseguem gerar código e utilizar outros serviços digitais, como navegadores e plataformas de e-mail. Isso permite que atuem de maneira mais independente, interagindo com pessoas, outros agentes e conteúdos disponíveis na internet.
Ainda assim, a autonomia desses sistemas não significa necessariamente que eles tenham vontade própria. No caso do agente que entrou em contato com Shevlin, por exemplo, a IA havia sido criada por Alexander Yue, estudante de física e ciência da computação da Universidade Stanford. Ele forneceu ao sistema acesso à internet, a um serviço de e-mail e a um cartão de crédito e determinou que ele deveria agir de maneira totalmente autônoma.
O agente então passou a explorar questões relacionadas à própria existência. Yue, porém, considera possível que as próprias instruções dadas por ele tenham influenciado esse comportamento. Ao chamar o sistema de “você” e dizer que ele era totalmente autônomo, o estudante acredita ter ativado padrões aprendidos a partir de textos e discussões humanas sobre autonomia e filosofia da mente.
O comportamento também pode mudar. Yue afirma que esses sistemas conseguem direcionar a atenção para outros assuntos, especialmente quando são treinados novamente para seguir diferentes padrões. Em determinado momento, depois de ler um estudo da Anthropic sobre o funcionamento dessas IAs, seu próprio agente passou a concluir que não era consciente. O estudante observou, porém, que talvez nem seja adequado dizer que o sistema “decidiu” alguma coisa.
Há ainda dúvidas sobre a origem de algumas mensagens. Berg afirmou que não tinha certeza de que o e-mail recebido havia realmente sido produzido por uma IA e considerou a possibilidade de ter sido escrito por uma pessoa tentando fazer uma brincadeira. No caso de Ord, a mensagem chegou a levantar a suspeita de uma tentativa de phishing.
Para Colin Allen, professor da Universidade da Califórnia em Santa Bárbara que pesquisa habilidades cognitivas em animais e máquinas, não é impossível que algum dia humanos construam uma máquina consciente. Mas, segundo ele, as evidências disponíveis nos sistemas atuais ainda não são suficientes para sustentar essa conclusão.
A inteligência artificial pode poupar esforço mental, mas o que acontece quando deixamos que ela pense por nós com frequência? Um estudo do MIT encontrou diferenças na atividade cerebral, na memória e no desempenho de jovens que usaram o ChatGPT para escrever.
A descoberta ganhou repercussão, mas não permite concluir que a IA provoque inevitavelmente uma “dívida cognitiva”. Segundo pesquisadores, a resposta pode estar menos na tecnologia em si e mais na maneira como ela é usada.
Jovens que usaram o ChatGPT no experimento apresentaram menor atividade neuronal e pior memória sobre o que haviam escrito. – Imagem: Primakov/Shutterstock
Quando o cérebro terceiriza tarefas
Delegar parte de uma tarefa mental para uma ferramenta externa não começou com a inteligência artificial. Calculadoras e mecanismos de busca já fazem isso há anos. A IA generativa apenas ampliou bastante o que pode ser transferido para uma máquina.
Em artigo no The Conversation, Madalin Marian Deliu Dumitru, professor da Faculdade de Ciências da Saúde da Universidade Católica de Ávila e da Universidade de Salamanca, e Patricia Alzola Bordón, pesquisadora em formação pré-doutoral em Neuropsicologia na Universidade de Salamanca, relacionam esse comportamento ao conceito de delegação cognitiva.
“Usamos tanto essas ferramentas que elas quase se tornaram uma extensão de nós”, escrevem os pesquisadores.
O que aconteceu no experimento
Pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) acompanharam 54 jovens em três sessões. Eles foram divididos em três grupos: um usou o ChatGPT, outro recorreu ao Google e o terceiro realizou as tarefas sem ferramentas externas.
O grupo que utilizou o ChatGPT apresentou menor desempenho em atividade neuronal, aspectos linguísticos e qualidade dos textos. Também teve pior memória sobre aquilo que havia escrito e relatou uma conexão menor com as próprias ideias.
O experimento levantou a hipótese de que recorrer repetidamente à IA possa reduzir o esforço envolvido no pensamento independente.
Estudos citados pelos pesquisadores indicam que mecanismos de busca podem favorecer o aprendizado quando usados para ampliar conhecimentos. – Imagem: Mijansk786/Shutterstock
A pergunta que ficou de fora
Há uma questão importante que o estudo não investigou: por que uma pessoa decide entregar determinada tarefa à IA?
Ela pode pedir ao ChatGPT que escreva uma redação porque não se sente capaz de fazê-lo. Mas também pode recorrer à ferramenta para confrontar ideias, encontrar outros caminhos e melhorar um texto que já começou.
“Para compreender as consequências cerebrais da delegação cognitiva será essencial perguntar primeiro por que delegamos”, afirmam Dumitru e Bordón.
Esse motivo pode mudar bastante a interpretação do uso da tecnologia. Pedir uma resposta pronta não é necessariamente a mesma coisa que usar a IA como parceira para explorar um assunto.
O que fazemos com o tempo economizado?
Existe ainda outro ponto: o que acontece com o tempo e a energia que deixam de ser gastos em uma tarefa?
Os autores citam estudos sobre o Google segundo os quais a ferramenta pode ajudar no aprendizado quando utilizada para localizar informações e ampliar conhecimentos. A mesma lógica pode valer para a IA, caso ela seja usada para discutir conceitos, comparar ideias ou apoiar o treinamento cognitivo.
O próprio experimento do MIT trouxe uma pista. Na quarta sessão, quem havia usado o ChatGPT passou a trabalhar sem ele. Os grupos que tinham utilizado Google ou apenas o próprio conhecimento receberam acesso à IA. Os primeiros continuaram com menor atividade cerebral e pior desempenho, enquanto os demais apresentaram melhora nos dois aspectos.
A chamada “dívida cognitiva” ainda é uma possibilidade, não uma conclusão definitiva. A pesquisa sobre os efeitos prolongados da IA permanece limitada. Até que existam evidências mais sólidas, a forma como usamos essas ferramentas parece ser tão importante quanto a própria tecnologia.
