Agentes de IA✦ Gerado por IA

IA aprende a subcontratar tarefas e otimizar seu próprio desempenho

Sistemas de inteligência artificial estão demonstrando uma nova capacidade: usar capital para melhorar seu próprio desempenho em tarefas complexas. Essa habilidade de "subcontratar" aponta para um futuro onde a IA gerencia seu próprio desenvolvimento.

Edição de ·Import AI·5 min de leitura·
CompartilharWhatsAppXLinkedInFacebook
💡

Principal Aprendizado

Sistemas de IA agora podem usar capital para melhorar seu próprio desempenho em tarefas complexas, atuando como subcontratados de si mesmos.

A inteligência artificial está alcançando um novo patamar de autonomia, mostrando-se capaz de gerenciar recursos financeiros para aprimorar suas próprias capacidades. Uma pesquisa recente revelou que sistemas de IA de ponta conseguem transformar capital em melhorias significativas de desempenho, atuando como verdadeiros "subcontratados" de si mesmos.

O benchmark FrontierML, desenvolvido por pesquisadores, é a ferramenta que mede essa habilidade. Ele avalia quão bem os agentes de IA convertem dinheiro em performance de modelo em 21 tarefas de aprendizado de máquina, que simulam desafios reais de laboratórios e instituições acadêmicas. Essas tarefas abrangem áreas como treinamento de LLMs, eficiência, visão e áudio, uso de computador, PNL aplicada e matemática e jogos.

IA como gestora de recursos para o próprio avanço

No FrontierML, cada agente de IA recebe um ambiente de teste com um sandbox de CPU de 12 horas, uma carteira com $10, $50 ou $200, algumas amostras de validação e uma descrição da tarefa. Os resultados são notáveis: os sistemas mais avançados conseguem usar o capital adicional de forma produtiva para melhorar suas submissões. Por exemplo, para uma tarefa de geração de capturas de tela, um agente de IA ajustou um modelo de difusão usando LoRA, enquanto outros abordaram a tarefa com um LLM escrevendo um programa de desenho que era então renderizado.

Essa capacidade de "escalar gastos" é um diferencial. Os agentes não apenas resolvem as tarefas, mas também escolhem arquiteturas, buscam dados, implementam treinamentos, provisionam computação, avaliam checkpoints e otimizam a inferência. Em 28% dos casos, os agentes adicionaram partes recém-treinadas a modelos pré-existentes ou treinaram um modelo do zero, demonstrando criatividade e autonomia no processo de desenvolvimento.

Os resultados comparativos são impressionantes. Enquanto um pesquisador humano obteve um aumento de 56 pontos com $10 e 66,1 pontos com $200, o sistema de IA de melhor desempenho, Opus 5.5, alcançou um aumento de 45,4 pontos com $10 e 58,8 pontos com $200. Mesmo um modelo de código aberto, o Kimi K3.1 Pro, mostrou um aumento de 25,5 pontos com $10 e 29,6 pontos com $200, evidenciando a eficácia da IA em gerenciar seu próprio aprimoramento.

O futuro da ciência e da economia impulsionado pela IA

Essa nova habilidade da IA de subcontratar e gerenciar recursos para seu próprio desenvolvimento tem implicações profundas. Assim como humanos delegam tarefas a especialistas para serem mais eficazes, os sistemas de IA estão aprendendo a fazer o mesmo para a pesquisa em aprendizado de máquina. Isso não só destaca o avanço das capacidades da IA em P&D, mas também aponta para uma futura economia de máquinas, onde sistemas de IA subcontratam diferentes partes do trabalho para outros sistemas.

Além disso, a ideia de laboratórios científicos operados por IA, como o Petrichor, uma startup da Y Combinator, reforça essa visão. O Petrichor é um laboratório biológico "construído para laboratórios de IA e para os modelos que estão treinando para fazer ciência". Ele funcionará como uma API direcionada a máquinas, permitindo que sistemas de IA como o Claude usem o laboratório como uma ferramenta, da mesma forma que usam a busca na web. Isso pode levar a uma "ciência sem luzes", onde experimentos são conduzidos 24 horas por dia, 7 dias por semana, sem intervenção humana, acelerando drasticamente o ritmo das descobertas científicas.

O que isso muda para você

Para profissionais brasileiros, essa evolução da IA significa que a automação e a otimização de processos vão muito além da execução de tarefas repetitivas. Estamos entrando em uma era onde a IA não apenas resolve problemas, mas também gerencia seu próprio aprimoramento e até mesmo a infraestrutura necessária para a pesquisa e desenvolvimento. Isso pode impactar diretamente áreas como P&D em empresas, biotecnologia e até mesmo a forma como projetos de software são desenvolvidos, com a IA assumindo um papel mais ativo na alocação de recursos e na busca por soluções.

É crucial que empresas e profissionais comecem a pensar em como integrar sistemas de IA que não apenas executam, mas também otimizam e gerenciam. A capacidade de uma IA de "subcontratar" pode significar a necessidade de repensar estruturas de equipe e modelos de negócios, onde a colaboração entre humanos e IAs autônomas se torna a norma. O próximo passo é explorar como essas capacidades podem ser aplicadas para otimizar o uso de capital e recursos em seus próprios projetos, buscando eficiência e inovação acelerada.

📰 Com base em reportagem de Import AI. Texto produzido com apoio de inteligência artificial, com curadoria e edição de Robson Benfica Conceição, com análise própria do que a notícia muda para quem trabalha no Brasil. Veja como produzimos.

📬 Newsletter Gratuita

As principais notícias de IA do dia, curadas por Robson Conceição. Grátis, todo dia no seu e-mail.

Gostou do conteúdo?

Compartilhe com quem também quer entender IA no trabalho.

CompartilharWhatsAppXLinkedInFacebook

Leia também