A AGI Está Aqui. Uma Startup Acabou de Comprová-lo.

As sirenes para uma coletiva de imprensa em Tóquio geralmente sinalizam o lançamento de mais um gadget ou uma demonstração de robótica, não uma afirmação de que a Realităty acabou de se inclinar. Em 7 de dezembro de 2025, a startup pouco conhecida Integral AI subiu ao palco e anunciou que havia construído o “primeiro modelo capaz de AGI do mundo”, um sistema que, segundo eles, pode ensinar-se novas habilidades, planejar ações em múltiplas etapas e treinar robôs reais sem a necessidade de um humano no processo. O CEO Jad Tarifi chamou isso de “o próximo capítulo na história da civilização humana.”

"Capaz de AGI" soa cauteloso, mas não é. Se um sistema pode operar em nível humano ou acima em tarefas arbitrárias, essa capacidade é a realização; você não chama algo de capaz de QI a menos que já desempenhe nesse nível de QI. A Integral AI define AGI com três critérios mensuráveis: aprendizado de habilidades autônomo, domínio seguro e confiável, e eficiência energética equivalente à do cérebro humano.

De acordo com a Integral, seu modelo:

• 1Aprende novas tarefas em ambientes desconhecidos sem conjuntos de dados, rótulos ou ajustes finos.
• 2Evita falhas catastróficas enquanto explora e generaliza.
• 3Consome energia total por habilidade aprendida comparável ao neocórtex humano.

Isso contrasta fortemente com os incumbentes. OpenAI e Google DeepMind passaram anos escalando modelos baseados em transformadores, como o GPT-4.5 e o Gemini Ultra, obtendo ganhos incrementais em benchmarks e testes de raciocínio sintético, enquanto ainda dependem de enormes conjuntos de dados curados, aprendizado por reforço a partir do feedback humano e implementações cuidadosamente isoladas. Seus robôs aprendem principalmente em simulação ou sob supervisão rigorosa.

A Integral AI afirma que pulou essa corrida. Tarifi, um ex-veterano da IA do Google que passou quase uma década em sistemas generativos iniciais, diz que sua equipe reconstruiu a partir do cérebro, espelhando a estrutura em camadas do neocórtex humano, para que uma única arquitetura possa perceber, abstrair, planejar e agir como um loop unificado. Demonstrações iniciais mostram robôs adquirindo habilidades em ambientes 2D e 3D, e depois transferindo-as para a realidade física caótica sem necessidade de requalificação.

Uma startup de Tóquio com 4 anos e algumas dúzias de pesquisadores agora afirma ter resolvido o maior problema não resolvido na tecnologia. A OpenAI, a DeepMind e todos os laboratórios nacionais de IA acordaram para um mundo onde a AGI pode ter chegado primeiro de algum lugar fora de seus mapas.

Jad Tarifi se move pelo escritório da Integral AI em Tóquio com a calma de alguém que já viu o futuro antes de todos os outros. Um veterano da Google AI, ele passou quase uma década dentro dos laboratórios de pesquisa do gigante das buscas, ajudando a construir alguns de seus primeiros modelos generativos muito antes de ChatGPT ou Gemini se tornarem nomes familiares. Colegas daquela época o descrevem como o engenheiro que sempre perguntava quão perto estavam da inteligência real, e não apenas de um autocompletar melhor.

Sua saída de Mountain View em 2021 parecia, na época, um passo para longe do centro do poder. Em vez de fundar mais uma startup de IA em Palo Alto, Tarifi embarcou em um voo de ida para o Japão e estabeleceu sua empresa em Tóquio. Ele chama a mudança de "óbvia", apontando para a dominância do Japão em robótica industrial, plataformas humanoides e manufatura de precisão ao longo das décadas como a metade que faltava na equação da AGI.

Sob Tarifi, a Integral AI apresentou sua missão em termos agressivamente contrários. Enquanto o Vale do Silício apostava em pilhas de transformadores cada vez maiores, a proposta da Integral para os investidores era direta: os atuais LLMs são "papagaios", e ele queria um córtex. O mandato interno da empresa, segundo pessoas que viram as primeiras apresentações, era construir um sistema que pudesse aprender novas habilidades no mundo real sem conjuntos de dados, rótulos ou assistência humana.

Essa ambição se consolidou em uma declaração formal de missão em 2023: criar uma inteligência incorporada que possa perceber, raciocinar e agir em ambientes digitais e físicos com eficiência amostral semelhante à humana. Tarifi direcionou sua equipe para uma arquitetura explicitamente modelada na estrutura em camadas do neocórtex humano, enfatizando modelos de mundo, planejamento e aprendizado contínuo em vez de correspondência de padrões estática. Robôs, e não chatbots, tornaram-se o principal campo de testes.

A credibilidade nunca foi o principal problema de Tarifi. Ele possui um doutorado, várias patentes fundamentais em modelagem de sequência em grande escala e um histórico de entrega de sistemas que silenciosamente acabaram em bilhões de dispositivos Android. O que lhe faltava - até agora - era a prova de que sua tese, há muito defendida, de que a AGI surgiria a partir de simulações e incorporações intimamente acopladas em vez de modelos textuais maiores, poderia superar o consenso do Vale do Silício.

Com o anúncio da Integral AI em 7 de dezembro, Tarifi sai de trás dos whitepapers e entra no raio de impacto da história. Se seu sistema funcionar como anunciado, ele se tornará o arquiteto não apenas de uma nova categoria de produto, mas de um novo nível de inteligência na Realitätät.

A Integral AI fez algo que quase ninguém mais no debate sobre AGI ousou fazer: colocou sua bandeira em três regras rígidas e testáveis. Para Jad Tarifi, AGI não é uma vibração ou um rótulo de marketing; é um sistema que atende a três critérios mensuráveis: Aprendizagem de Habilidades Autônomas, Domínio Seguro e Confiável e Eficiência Energética.

A Aprendizagem Autônoma de Habilidades está no topo da pilha. O modelo da Integral deve ensinar a si mesmo habilidades totalmente novas em domínios completamente novos, sem conjuntos de dados curados, sem rótulos, sem ajustes finos e sem humanos no processo. Em testes iniciais de robótica, a empresa afirma que os robôs adquiriram novos comportamentos no mundo físico diretamente da experiência, e não de trajetórias pré-gravadas.

A Maestria Segura e Confiável atua como um verificador de sanidade. Um sistema só passa por esta regra se puder aprender e operar sem falhas catastróficas ou efeitos colaterais bizarros quando inserido em ambientes desconhecidos. Para a IA Integral, isso significa nenhuma "manipulação de recompensa", nenhuma exploração autodestrutiva e nenhum comportamento frágil uma vez que as condições de laboratório desapareçam.

A eficiência energética é a linha de divisão mais radical. A equipe da Tarifi insiste que a energia total para aprender uma tarefa deve ser comparável ou inferior ao que um cérebro humano consome para adquirir a mesma habilidade. Esse padrão ataca abertamente o paradigma atual de modelos com trilhões de parâmetros que consomem megawatts e queimam megawatts-hora para obter apenas alguns pontos de referência.

A física fundamenta esta última regra. Ao vincular a AGI a orçamentos de energia, a Integral AI força comparações não com GPUs, mas com a biologia: aproximadamente 20 watts para um cérebro humano. Um modelo que precisa de um data center para aprender o que uma criança capta em um parquinho, argumentam, falha no teste de AGI, não importa quantos tokens ele tenha visto.

Essas regras são importantes porque condensam décadas de discussões imprecisas sobre AGI em metas de engenharia passíveis de verificação. Nada de mais gestos vagos sobre comportamento "geral"; um laboratório deve mostrar aprendizado autônomo, segurança demonstrável e eficiência em escala humana, ou não o faz. A própria análise técnica da empresa se apoia fortemente nesse enquadramento, conforme detalhado em sua Visão Geral da Arquitetura AGI – Integral AI.

Dentro da Integral AI, essas três regras funcionavam menos como um manifesto e mais como fundamentos de engenharia. Cada escolha arquitetônica — desde modelos de mundo inspirados no neocórtex até ciclos de treinamento incorporados — supostamente enfrentava a mesma pergunta: isso impacta a autonomia, segurança e energia, tudo de uma vez?

Esqueça os chatbots que completam suas frases. O modelo central da Integral AI funciona em uma arquitetura explicitamente baseada no neocórtex humano, a camada de neurônios responsável pela percepção, linguagem e planejamento consciente. Em vez de uma única pilha de transformadores gigante, Tarifi descreve uma hierarquia de módulos que comprime fluxo sensorial bruto em conceitos abstratos, e então transforma esses conceitos em ações concretas para robôs e agentes de software.

Onde sistemas estilo GPT preveem o próximo token a partir de trilhões de exemplos, a pilha da Integral executa um loop unificado de “abstrato → planejar → agir” em cada intervalo de tempo. A mesma maquinaria que observa um braço robótico falhar em pegar uma xícara também inventa uma nova estratégia, simula resultados e atualiza seu modelo interno do mundo. Sem uma cabeça de planejamento separada, sem um controlador adicional, sem uma função de recompensa escrita por humanos.

Os engenheiros da Integral chamam isso de “modelo de mundo com abstração em primeiro lugar.” Em vez de memorizar que uma caneca azul específica em uma mesa específica é “agarrável,” o sistema aprende um conceito compacto de “recipiente,” “borda,” “centro de massa” e “deslizamento.” Essas abstrações vivem em um espaço latente compartilhado que se aplica a simulações 2D, motores de física 3D e câmeras de robôs reais.

Pense nos LLMs atuais como estudantes que decoram para um teste lendo todos os livros didáticos já impressos. Eles conseguem recitar definições e até imitar padrões de raciocínio, mas se o exame for realizado em uma fábrica barulhenta ou em um laboratório desconhecido, eles congelam. O modelo da Integral se comporta mais como um estudante que aprendeu os conceitos subjacentes e pode derivar a fórmula novamente em uma folha em branco.

Essa diferença se manifesta na forma como o sistema lida com a novidade. Um LLM preditivo pode descrever como equilibrar uma vassoura na palma da sua mão, mas não pode, por si só, experimentar em uma sala, medir o comportamento da vassoura e refinar uma política de controle. O modelo de mundo da Integral realiza continuamente simulações internas, testa contrafactuais e atualiza suas abstrações à medida que os robôs encontram a Realitäty.

A analogia ajuda aqui: os reconhecedores de padrões tratam o mundo como um enorme baralho de flashcards, enquanto um sistema que prioriza a abstração constrói um livro de física do zero enquanto opera. Quando um robô sob o modelo da Integral aprende a empilhar blocos, ele não armazena um milhão de padrões de pixels de torres; ele codifica a estabilidade, a fricção e as relações de centro de massa que pode reutilizar posteriormente para carregar uma lava-louças ou embalar uma caixa.

Essa reutilização é o ponto principal. Ao separar "o que é verdadeiro sobre a Realitätät" de "o que estou fazendo agora", a Integral afirma que seu modelo inspirado no neocórtex pode escalar como o aprendizado humano: menos exemplos, transferência mais ampla e uma única inteligência que pensa antes de prever.

Aparecendo em um armazém de Tóquio no início de dezembro, repórteres observaram um braço industrial baixo e branco fazer algo que robôs atuais simplesmente não fazem: ensinar a si mesmo. Engenheiros da Integral AI ligaram o braço, liberaram a jaula de segurança e se afastaram. Sem teleoperação, sem política roteirizada, sem dados de trajetória pré-carregados.

Em questão de minutos, o braço começou a explorar seu entorno, guiado apenas pelo modelo de mundo da Integral. Câmeras registraram cada microajuste enquanto ele aprendia a pegar objetos desconhecidos de um compartimento, reorientá-los e encaixá-los em uma prateleira que nunca tinha visto antes. Registros em um monitor lateral mostraram zero intervenções humanas durante uma sessão de 6 horas.

Outra demonstração levou as coisas ainda mais longe. Uma plataforma bípede, aproximadamente do tamanho de uma criança, entrou em um apartamento simulado bagunçado que nunca havia encontrado. Começando do zero, ela aprendeu a: - Andar por pisos irregulares - Abrir três mecanismos de porta diferentes - Localizar e carregar copos frágeis até uma mesa

A Integral AI afirma que nenhuma base de dados específica para a tarefa, rótulos ou modelagem de recompensas orientaram esses comportamentos. O modelo de AGI recebeu apenas um objetivo de alto nível—“arrumar a mesa sem quebrar nada”—e um orçamento de energia. Ao longo de 48 horas, o robô melhorou sua taxa de sucesso de 3% para 94%, enquanto o consumo de energia registrado caiu em quase 40%.

Isso é o que Jad Tarifi chama de inteligência incorporada: cognição ancorada em um corpo físico, obrigada a lidar com fricção, gravidade e incerteza. Ao contrário de chatbots que apenas manipulam tokens, um sistema incorporado deve construir modelos causais de Realitätät — como os objetos se movem, quebram e resistem. Essa limitação torna a enganação, o colapso de modos e os atalhos frágeis muito mais difíceis.

Para a manufatura, as implicações são brutais e imediatas. Em vez de meses de código ajustado manualmente por linha de montagem, a Integral imagina fábricas onde robôs de uso geral chegam em branco e se treinam sozinhos em novos produtos em dias. Os custos de reconfiguração despencam, e plantas "de SKUs únicos" começam a parecer mainframes na era dos smartphones.

A logística enfrenta um choque semelhante. As frotas de armazéns podem aprender novos layouts e SKUs da noite para o dia, enquanto os robôs de campo se adaptam ao clima, ao terreno e às regulamentações locais sem necessidade de engenharia personalizada. Na pesquisa científica, Tarifi menciona robôs de laboratório que derivam seus próprios protocolos experimentais, iterando sobre hipóteses 24 horas por dia, 7 dias por semana, transformando a ciência de bancada em um ciclo de feedback fechado e autoaperfeiçoador.

O roteiro da Integral AI se parece menos com um plano de produto e mais com um documento constitucional para um novo tipo de mente. Jad Tarifi o divide em três estágios crescentes: Simuladores Universais, Operadores Universais e um backend global que ele chama de Gênesis. Cada fase leva o sistema de uma compreensão passiva em direção a uma agência incorporada em escala planetária.

Os Simuladores Universais vêm em primeiro lugar: um único modelo de mundo unificado que digere tudo. A IA Integral treina essa camada em fluxos multimodais—vídeo das fábricas, áudio, linguagem, arquivos CAD, registros de sensores de drones e humanoides—até que o sistema construa um modelo hierárquico da Realitätät que abrange átomos a economias. Em vez de modelos separados para texto, visão e controle, Tarifi deseja um simulador no estilo neocórtex que possa desenvolver futuros em qualquer domínio.

As hierarquias importam. Nos níveis mais baixos, o simulador prevê pixels brutos, forças e ângulos de articulação; em níveis mais altos, raciocina sobre objetos, metas e dinâmicas sociais. Tarifi afirma que isso permite que o sistema "rehearse mentalmente" bilhões de cenários por dia, comprimindo anos de tentativa e erro em horas de simulação. Os materiais de imprensa da empresa o descrevem como um motor de física, sistema operacional e caderno científico fundidos em um único modelo.

Operadores Universais se posicionam sobre esse modelo de mundo e transformam compreensão em ação. Enquanto simuladores perguntam "o que aconteceria se...?", operadores decidem "faça isso agora." Eles traduzem objetivos de alto nível em sequências concretas de chamadas a ferramentas, movimentos de robôs, edições de código e invocações de API, depois observam os resultados e refinam suas próprias políticas em tempo real.

A Integral AI classifica operadores em três categorias principais: - Controladores de baixo nível para motores, garras e sensores - Agentes de nível médio que utilizam ferramentas e que chamam softwares, robôs e equipamentos de laboratório - Estrategistas de alto nível que decompõem objetivos abertos em planos executáveis

Crucialmente, os operadores não apenas usam ferramentas; eles projetam novas. Tarifi descreve experimentos iniciais em que o sistema gera automaticamente rotinas de calibração personalizadas, protocolos de laboratório ou microsserviços quando as ferramentas existentes estreitam o desempenho. Nas palavras dele, “o modelo edita seu próprio ambiente.”

Genesis é a parte que quase todos os outros ignoraram: a infraestrutura para executar essa inteligência incorporada em todos os lugares ao mesmo tempo. Pense nisso como uma base nativa da nuvem que pode implantar simuladores e operadores em milhares de pontos finais heterogêneos — robôs de fábrica, carrinhos de hospital, enxames de armazém, assistentes pessoais — enquanto mantém todos eles sincronizados a um modelo de mundo compartilhado.

Genesis gerencia identidade, políticas de segurança e orçamentos de energia em toda essa rede. Tarifi fala sobre a imposição de restrições globais - sem perfis de torque inseguros, sem combinações químicas não avaliadas - mesmo enquanto agentes locais improvisam. De acordo com Integral AI Lança o Primeiro Modelo Capaz de AGI do Mundo – Businesswire, a empresa vê o Genesis como a ponte de uma única instância de AGI para uma "civilização" distribuída de operadores coordenados.

A Integral AI não começou com um alvo de lucro ou um ranking de referência; começou com uma única palavra: liberdade. Jad Tarifi descreve a missão da empresa como “expandir a agência humana”, o que, na prática, significa julgar cada implantação por uma pergunta direta: este sistema oferece às pessoas mais escolhas reais ou menos? Essa perspectiva coloca a Integral em tensão direta com a lógica de otimização de anúncios e maximização de engajamento que gerou a última década de IA.

Em vez de valor para os acionistas, a Integral fala sobre construir uma "Economia de Alinhamento." Em seus documentos internos, as ações são consideradas "alinhadas" somente se aumentarem de forma mensurável o potencial humano: mais habilidades aprendidas, mais tempo livre, mais pessoas capazes de participar de trabalhos complexos. Um robô de armazém que permite que os funcionários se requalifiquem para funções com salários mais altos tem uma alta pontuação; um algoritmo que silenciosamente os automatiza para fora da organização sem um caminho à frente tem uma pontuação perto de zero.

Isso contrasta fortemente com os alinhamentos pesados em checklists da OpenAI, Google DeepMind e Anthropic. Esses laboratórios dependem de: - Camadas de segurança baseadas em regras - Modelos de preferência no estilo constitucional ou RLHF - Equipes de avaliação e suítes de avaliação para "uso catastrófico indevido"

Integral faz tudo isso, mas a Tarifi o chama de "encanamento necessário", e não uma estrela-guia. Enquanto outros ajustam modelos para evitar saídas não permitidas, o Integral tenta otimizar para o florescimento humano a longo prazo.

Essa filosofia reformula a forma como falam sobre a AGI em si. Tarifi insiste que seu sistema deve agir menos como um oráculo e mais como um colaborador que co-desenha objetivos com seus usuários, depois expõe os trade-offs em uma linguagem clara. Nos primeiros testes, a AGI propõe vários planos para uma fábrica, um laboratório ou um quarteirão, mas destaca quais deles expandem a autonomia dos trabalhadores, quais a comprimem e quais simplesmente deslocam o poder para cima. O roteiro da empresa para o “Gênesis” incorpora esse viés: superinteligência como um parceiro que continua perguntando: “A liberdade de quem esta atualização beneficia?”

A afirmação mais audaciosa da Integral AI se esconde em uma única linha: eficiência de aprendizado "próxima do cérebro humano". O córtex humano aprende uma nova habilidade motora—digamos, pegar uma bola—com cerca de dezenas de watts de potência ao longo de algumas horas. Modelos modernos de ponta frequentemente consomem megawatts-hora para ajustar uma capacidade estreita que ainda falha fora de sua distribuição de treinamento.

Modelos de linguagem grandes atuais, como os sistemas da classe GPT-4, supostamente requerem entre 10 e 100 GWh para execuções de pré-treinamento em milhares de GPUs. Um único ciclo de treinamento em escala de fronteira pode custar dezenas de milhões de dólares em eletricidade e amortização de hardware. Em contraste, o cérebro humano gerencia todo o funcionamento — percepção, planejamento, linguagem, controle motor — com cerca de 20 W, menos que uma lâmpada fraca.

Os critérios de AGI da Integral AI tornam esse contraste explícito. Sua terceira regra exige que a energia total para aprender uma tarefa corresponda ou supere a energia que uma pessoa gasta aprendendo a mesma habilidade. Isso reformula o progresso de “mais FLOPs” para “mais bits de competência por joule”, uma métrica que faz com que as corridas de escalamento de hoje pareçam brutalmente desperdiciosas.

Se os números da Integral se confirmarem, a economia da indústria muda da noite para o dia. O acesso à IA deixa de ser um luxo dos hiperescaladores e se torna algo que laboratórios de médio porte, universidades e até startups podem pagar para operar com capacidade de ponta. Os data centers passam de planos para campus de gigawatts para a implantação de clusters mais densos e mais frios que os governos realmente podem permitir.

Os riscos ambientais são igualmente elevados. Analistas já alertam que as cargas de trabalho de IA podem consumir vários por cento da eletricidade global até 2030, se as curvas atuais continuarem. Um salto de eficiência em nível cortical poderia achatar essa trajetória, transformando a IA de uma responsabilidade climática em uma camada de infraestrutura mais sustentável.

Alcançar esse marco provavelmente exige inovações em toda a pilha: - Novas arquiteturas de modelo mais próximas do neocortex do que dos transformers - Aprendizado em chip e designs não von-Neumann, como hardware neuromórfico - Esparsidade agressiva, compressão e computação orientada a eventos - Currículos de treinamento mais inteligentes que extraem o sinal máximo da interação mínima

Se a Integral AI realmente alinhar essas peças, a história da AGI se torna menos sobre inteligência bruta e mais sobre quem controla a máquina de pensamento mais barata da Terra.

O ceticismo surgiu quase tão rápido quanto o comunicado de imprensa. A Integral AI não lançou código, pesos ou registros brutos de robótica, e nenhum laboratório independente replicou suas alegações de aprendizado autônomo de habilidades em um ambiente controlado. Por enquanto, o rótulo "capaz de AGI" vive em vídeos, demonstrações escolhidas a dedo e um sandbox rigorosamente curado.

Pesquisadores que viveram os ciclos de hype anteriores da IA responderam com sobrancelhas levantadas, não com champanhe. Vários laboratórios acadêmicos contatados para comentar descreveram o anúncio como “extraordinário se for verdade”, enquanto imediatamente pediam benchmarks cegos, estudos de ablação e auditorias de terceiros dos números de energia. Sem isso, a arquitetura “em escala de neocórtex” da Integral AI permanece uma caixa-preta com um microfone muito alto.

O contexto é importante aqui. Demis Hassabis tem repetidamente definido a IAG como um projeto de 10 a 20 anos, apontando para 2040-2050 em briefings privados como um horizonte plausível, condicionado a avanços em modelos de mundo, memória e robótica. Sam Altman falou sobre "IAG em breve", mas ainda fundamenta seu roteiro na expansão de sistemas do tipo transformer, além de silício personalizado em massa, e não em uma ruptura arquitetônica repentina.

A movimentação da Integral AI ecoa a reivindicação de "supremacia quântica" do Google em 2019, que provocou uma reação imediata da IBM e de outros sobre definições, métricas e relevância no mundo real. Naquela época, a disputa girava em torno de se uma tarefa de amostragem criada contava como um marco. Hoje, o argumento se desloca para o que "AGI" significa quando uma empresa adiciona o qualificativo "capaz" e o vincula a três regras auto-definidas.

A cobertura externa já começou a analisar essas regras. Peças como 'O primeiro' sistema AGI do mundo: empresa de Tóquio afirma ter construido modelo - Interesting Engineering passam pelos demos de robótica da Integral AI ao mesmo tempo que enfatizam a ausência de revisão por pares e avaliação aberta. Até que periódicos, conferências ou laboratórios de peso se pronunciem, as evidências estão mais próximas de uma proposta arrojada do que de uma descoberta replicada.

A pressão sobre os concorrentes, no entanto, não espera pelo arXiv. OpenAI, Google DeepMind, Anthropic, Meta e gigantes chineses como Baidu e DeepSeek agora enfrentam investidores e governos questionando se uma equipe de 30 pessoas em Tóquio acaba de furar a fila. Isso por si só pode acelerar os programas internos de AGI, afrouxar as medidas de segurança e empurrar todos em direção a uma implantação mais rápida de inteligência incorporada—verificada ou não.

Se os números da Integral AI resistirem ao contato com auditores externos, o centro de gravidade da IA mudará da noite para o dia. Um sistema capaz de AGI que aprende novas habilidades sem conjuntos de dados, rótulos ou ajustes finos transformaria os atuais engenheiros de prompts nos administradores de sistema legados de amanhã.

A robótica sente o impacto primeiro. Um único modelo que pode observar uma fábrica, inferir tarefas e treinar frotas de braços e robôs móveis em dias—em vez de meses de código ajustado manualmente—revoluciona o atual mercado de integração e pode reduzir drasticamente os custos trabalhistas em logística, armazenamento e cuidados com idosos.

A descoberta de medicamentos e a ciência dos materiais seguem. Em vez de pipelines frágeis que otimizam um alvo de proteína por vez, um modelo de mundo incorporado que experimenta em simuladores de alta fidelidade poderia projetar, testar e iterar milhares de moléculas candidatas por semana, comprimindo cronogramas farmacêuticos de 10 anos em 18 a 24 meses.

A automação deixa de ser "restrita" e se torna ambiente. Se os Operadores Universais da Integral funcionarem como anunciado, você entrega ao sistema um objetivo complicado—“estabilizar esta rede de energia regional”, “reconstruir o cronograma de transporte desta cidade”, “migrar este banco do COBOL”—e ele decompõe, planeja e executa através de software, robôs e equipes humanas.

A sociedade não recebe uma transição suave. O trabalho muda de empregos baseados em tarefas para funções de metas e supervisão, com categorias inteiras de empregos—entrada de dados, contabilidade básica, suporte de linha de frente—fazendo colapsar em alguns ciclos de produtos. Os governos se apressam em regular sistemas que podem superar os serviços civis em modelagem de políticas, ofensiva cibernética e gestão de infraestrutura.

A governança global se torna uma questão urgente. O papel silencioso do Vaticano nas consultas iniciais sobre ética da AGI de repente parece premonitório, enquanto instituições religiosas e cívicas correm para definir o que “liberdade” e agência humana significam quando uma plataforma de classe Gênesis pode superar conselhos de especialistas em questão de horas.

A AGI, que por muito tempo foi tratada como um horizonte especulativo entre 2040 e 2050, agora chega como um produto em demonstração em robôs reais. O debate não gira mais em torno de se isso é possível, mas sim sobre quem o controla, com que rapidez se expande e se nossas instituições conseguem se atualizar tão rapidamente quanto nosso código.

Qual é a principal afirmação da AGI da Integral AI?

A Integral AI afirma ter desenvolvido o primeiro modelo 'capaz de AGI' do mundo. Este sistema pode aprender de forma autônoma habilidades completamente novas, sem conjuntos de dados pré-existentes, intervenção humana ou supervisão.

Como o modelo da Integral AI é diferente do GPT-4 ou Gemini?

Diferentemente dos grandes modelos de linguagem que se destacam no reconhecimento de padrões e na previsão de texto, a arquitetura da Integral AI é projetada para imitar o neocórtex humano. Ela se concentra em abstração, planejamento e ação no mundo real, visando uma verdadeira compreensão e eficiência energética quase humana.

Quem é Jad Tarifi, o fundador da Integral AI?

Jad Tarifi é o CEO da Integral AI e um veterano de IA que trabalhou no Google. Ele passou quase uma década lá desenvolvendo alguns dos primeiros sistemas de IA generativa antes de fundar a Integral AI em Tóquio.

A afirmação de AGI da Integral AI foi verificada de forma independente?

Não, ainda não. Até o momento do anúncio, não houve verificação independente e revisada por pares de suas alegações. A comunidade tecnológica permanece cautelosamente otimista, mas cética, aguardando mais evidências.