A OpenAI já não quer apenas responder perguntas: quer concentrar, em servidores privados, a própria capacidade de descobrir.
A OpenAI decidiu que seu próximo salto será construir uma inteligência artificial capaz de pesquisar sozinha.
A meta, revelada pelo cientista-chefe Jakub Pachocki à MIT Technology Review, virou o novo eixo estratégico da empresa para os próximos anos.
Se der certo, o que hoje parece ferramenta de apoio pode se transformar em um laboratório inteiro operando dentro de um data center.
O plano já tem calendário e ambição bem definidos. Até setembro, a empresa quer criar um “estagiário de pesquisa autônomo”, um agente de inteligência artificial capaz de resolver sozinho um pequeno número de problemas específicos.
Esse sistema seria apenas a primeira etapa de algo muito maior. A OpenAI planeja apresentar em 2028 um sistema de pesquisa multiagente e totalmente automatizado, voltado a enfrentar desafios grandes ou complexos demais para cérebros humanos.
A mudança de rumo ocorre num momento em que a vantagem inicial da empresa em modelos de linguagem já não parece tão folgada. Rivais como o Claude, da Anthropic, e os modelos do Google DeepMind pressionam a OpenAI a definir qual será sua próxima fronteira.
O que está em jogo não é apenas o futuro de uma companhia, mas a direção de toda a indústria de inteligência artificial. E boa parte dessa guinada passa pela visão de Pachocki, figura central no desenvolvimento do GPT-4 e dos chamados modelos de raciocínio, tecnologia que sustenta os principais chatbots atuais.
Na entrevista, ele afirmou que a empresa se aproxima de um ponto em que os modelos serão capazes de trabalhar indefinidamente de forma coerente, como pessoas. Segundo Pachocki, os humanos ainda definiriam os objetivos, mas o horizonte seria o de ter um laboratório de pesquisa inteiro dentro de um data center.
A frase pode soar grandiosa, mas está longe de ser um delírio isolado no setor. A ideia de usar inteligência artificial para resolver os problemas mais difíceis do mundo virou a missão declarada das principais empresas da área.
Demis Hassabis, do DeepMind, disse em 2022 que essa era a razão de ter fundado a empresa. Dario Amodei, da Anthropic, afirma que está construindo o equivalente a “um país de gênios” em um data center, enquanto Sam Altman já declarou querer curar o câncer.
A diferença, segundo Pachocki, é que a OpenAI acredita já ter reunido a maior parte das peças necessárias para avançar. O primeiro passo concreto dessa estratégia, afirma ele, já existe e atende pelo nome de Codex.
Lançado em janeiro, o Codex é um aplicativo baseado em agentes que pode gerar código instantaneamente para executar tarefas em um computador. Ele também analisa documentos, gera gráficos e cria resumos diários de e-mails e redes sociais.
A OpenAI afirma que a maior parte de sua equipe técnica já usa o Codex no trabalho. Para Pachocki, a ferramenta é uma versão primitiva do pesquisador de inteligência artificial que a empresa quer construir, e a expectativa é que ela melhore de forma fundamental.
O ponto decisivo dessa aposta é a autonomia. O objetivo é criar um sistema que opere por longos períodos com o mínimo de orientação humana, a ponto de receber tarefas que levariam dias para uma pessoa concluir.
Especialistas externos veem sentido nessa direção. Doug Downey, cientista do Allen Institute for AI, disse à mesma publicação que muita gente está animada em construir sistemas capazes de fazer pesquisas científicas de longa duração.
Segundo ele, esse movimento é amplamente impulsionado pelo sucesso dos agentes de codificação. Se ferramentas como o Codex já permitem delegar tarefas substanciais de programação, a pergunta inevitável é se algo parecido pode ser feito fora da codificação, em áreas mais amplas da ciência.
Para a liderança da OpenAI, a resposta é claramente positiva. A empresa aposta que esse avanço depende menos de uma ruptura súbita e mais da continuação de uma trajetória já aberta pelos modelos anteriores.
Pachocki cita como exemplo o salto do GPT-3 para o GPT-4. O GPT-4 passou a conseguir trabalhar em um problema por muito mais tempo que seu predecessor, mesmo sem treinamento especializado, e os modelos de raciocínio deram outro impulso ao ensinar as inteligências artificiais a operar passo a passo e a corrigir rotas.
A empresa também treina seus sistemas com amostras específicas de tarefas complexas. Quebra-cabeças difíceis retirados de competições de matemática e programação forçam os modelos a aprender a lidar com grandes blocos de texto e a dividir problemas em subtarefas.
Ainda assim, o objetivo final não é vencer olimpíadas acadêmicas. Como o próprio Pachocki pondera, esses testes servem para provar que a tecnologia funciona antes de conectá-la ao mundo real.
Ele chega a dizer que, se quisessem, poderiam construir um matemático automatizado incrível com as ferramentas já disponíveis. Mas afirma que isso não é prioridade agora, porque, no momento em que se acredita ser possível fazê-lo, surgem tarefas consideradas mais urgentes.
Essa urgência está no uso prático e generalista. A intenção é pegar o que o Codex já faz na programação e aplicar a problemas em geral, transformando a lógica do agente especializado em uma lógica de pesquisa mais ampla.
Pachocki afirma que já há uma grande mudança em curso, especialmente na programação. Segundo ele, os trabalhos da equipe hoje são totalmente diferentes dos de um ano atrás, porque ninguém mais passa o tempo todo editando código e a função passou a ser gerenciar um grupo de agentes do Codex.
É dessa experiência cotidiana que nasce a ambição maior da empresa. Se um agente já resolve partes relevantes do trabalho de programação, a OpenAI conclui que ele pode, em princípio, avançar para qualquer problema estruturado.
Os resultados recentes ajudam a sustentar esse otimismo. De acordo com Pachocki, pesquisadores usaram o GPT-5, modelo por trás do Codex, para descobrir novas soluções para problemas matemáticos não resolvidos e superar obstáculos em quebra-cabeças de biologia, química e física.
Ele afirma que ver esses modelos chegando a ideias que levariam semanas para a maioria dos doutores o faz esperar uma aceleração muito maior dessa tecnologia no futuro próximo. Ao mesmo tempo, admite que o sucesso não está garantido e que o caminho até um pesquisador de inteligência artificial plenamente funcional é cheio de desafios técnicos e éticos.
É justamente aí que a história deixa de ser apenas tecnológica e se torna política. A corrida por sistemas capazes de pensar, testar hipóteses e produzir descoberta científica levanta a questão central de quem controlará as ferramentas que podem, em tese, desvendar os segredos da natureza e da sociedade.
Para o Sul Global, o alerta é ainda mais direto. Numa era de inteligência artificial agentiva, a dependência tecnológica não será apenas sobre chips ou softwares, mas sobre quem possui as máquinas capazes de pensar, descobrir e inovar com autonomia crescente.
A disputa pela próxima fronteira da inteligência artificial, portanto, não é só uma competição empresarial entre gigantes do Vale do Silício. É uma disputa pela própria capacidade de resolver problemas decisivos do nosso tempo, concentrada desde já em laboratórios privados a milhares de quilômetros de distância.
Nenhum comentário ainda, seja o primeiro!