Co-fundador da Anthropic previu o surgimento de uma «IA autoevolutiva» até 2028 - ForkLog: criptomoedas, IA, singularidade, futuro

# Co-fundador da Anthropic previu o surgimento de uma “IA autoevolutiva” até 2028

Até 2028, podem surgir no mercado sistemas de IA capazes de desenvolver e treinar seus próprios sucessores sem intervenção humana. Essa previsão foi feita pelo co-fundador da Anthropic, Jack Clark

“Isso é muito importante. Eu não sei como processar isso. Cheguei a essa conclusão com relutância, porque as consequências são tão grandes que me sinto sobrecarregado por elas, e não tenho certeza se a sociedade está pronta para as mudanças que a automação no desenvolvimento de IA implica”, — destacou ele

Clark descreveu um cenário de automação total de pesquisas em IA — um modelo que autonomamente:

• define tarefas de pesquisa;
• projeta experimentos;
• escreve e testa códigos;
• otimiza o treinamento;
• melhora a arquitetura da próxima versão de IA

O especialista chamou isso de “quebra-cabeça em um futuro quase imprevisível” e avaliou a probabilidade desse cenário em 60% nos próximos dois anos

Sobre o que se baseia a avaliação

A conclusão de Clark é baseada na dinâmica de vários benchmarks:

• SWE-Bench — teste de resolução de problemas de engenharia reais a partir de um repositório GitHub. No final de 2023, os melhores modelos resolviam cerca de 2% dos casos; até a primavera de 2026, esse índice atingiu 94%;
• CORE-Bench — reprodução de resultados de artigos científicos de IA, com instalação do ambiente, execução do código e análise das conclusões. Segundo Clark, o benchmark está praticamente “concluído”: agentes modernos mostram cerca de 95,5%;
• MLE-Bench — execução de tarefas de ML ao nível do Kaggle. Os melhores sistemas de agentes já atingem 64-65%.

Segundo o co-fundador da Anthropic, todas as três métricas demonstram uma coisa: a IA está rapidamente passando de escrever código pontualmente para realizar tarefas completas de engenharia e pesquisa.

Crescimento da autonomia

Outro argumento é o aumento na duração das tarefas que os modelos de IA podem realizar sem intervenção humana.

De acordo com METR, em 2022, os sistemas lidavam com tarefas que levavam dezenas de segundos para humanos. Em 2024, esse tempo aumentou para cerca de 40 minutos, e em 2025 — até seis horas. Atualmente, os modelos avançados conseguem realizar trabalhos de engenharia por cerca de 12 horas seguidas.

Clark relacionou isso à disseminação de ferramentas de agentes para programação. Quanto mais tempo a IA mantém o objetivo, verifica resultados intermediários e corrige erros, mais etapas do ciclo de pesquisa ela pode delegar.

Por que isso é importante para o desenvolvimento de IA

O ciclo atual de desenvolvimento de IA funciona de uma única maneira: estudar materiais, reproduzir resultados, montar experimentos, treinar ou ajustar o modelo, verificar métricas, identificar gargalos e repetir. O crescimento nos benchmarks SWE-Bench, CORE-Bench e MLE-Bench mostra que os modelos já lidam com fragmentos inteiros desse ciclo.

Clark destacou também o progresso em tarefas mais especializadas. Por exemplo, as IAs começam a ser usadas para o design de núcleos de GPU — código que determina a eficiência do treinamento e da inferência de modelos em hardware específico.

Outro campo é o ajuste fino de modelos. No benchmark PostTrainBench, sistemas de IA melhoram pequenos LLMs de código aberto.

Até a primavera de 2026, as melhores redes neurais atingem 25-28% do aumento alvo (para equipes humanas — 51%). Clark considera esse resultado significativo: o objetivo é definido por modelos instrutivos reais, criados por pesquisadores experientes.

A Anthropic mediu como seus modelos otimizam o treinamento de LLMs em CPU. Em um ano, a aceleração aumentou de 2,9 vezes (Claude Opus 4) para 52 (Claude Mythos Preview). Para um humano, uma tarefa semelhante normalmente leva de quatro a oito horas.

A IA já está aprendendo a gerenciar IA

Clark observou que os sistemas atuais começam a coordenar o trabalho de outros agentes. Essa abordagem já é usada em produtos como Claude Code ou OpenCode: um assistente distribui tarefas entre vários subassistentes, os controla e coleta os resultados.

Para o desenvolvimento de IA, isso é importante: raramente se trata de uma única tarefa linear — geralmente, dezenas de processos paralelos, incluindo escrita de código e configuração de ambientes. Se a IA começar a gerenciar esses processos de forma autônoma, a participação humana será drasticamente reduzida.

A IA precisa de criatividade?

Segundo o co-fundador da Anthropic, uma das questões-chave é: no que o desenvolvimento de IA se assemelha mais — à descoberta da teoria da relatividade geral ou à montagem de Lego.

Clark admitiu que as atuais LLMs ainda não são capazes de gerar ideias científicas fundamentalmente novas. No entanto, para automatizar grande parte da pesquisa e desenvolvimento em IA, isso pode não ser necessário.

“Basicamente, a IA avança por meio de execução metódica de um ciclo realizado por humanos: pegar um sistema que funciona bem, escalar algum aspecto dele, observar erros na escala e corrigi-los. Isso requer muito poucas ideias inovadoras, e grande parte desse processo se assemelha a um trabalho de engenharia pouco glamoroso”, — destacou o especialista

Primeiros sinais de contribuição científica

Clark acredita que as IAs já começam a mostrar sinais iniciais de intuição científica. Ele citou alguns exemplos de matemática e ciência da computação:

• uma equipe de matemáticos, usando Gemini, verificou cerca de 700 problemas de Erdős e obteve 13 soluções, uma das quais os pesquisadores chamaram de uma contribuição “ligeiramente não trivial” para um problema em aberto;
• cientistas da Universidade de Columbia Britânica, Universidade de Nova Gales do Sul, Stanford e Google DeepMind publicaram uma prova matemática encontrada com significativa ajuda de ferramentas baseadas em Gemini.

O que acontecerá se a previsão for correta

Clark destacou que os maiores laboratórios de IA já estão caminhando na direção da automação de pesquisas. A OpenAI planeja criar um estagiário de IA para atividades científicas autônomas, enquanto a Anthropic lança trabalhos sobre ajuste automático às valências humanas.

Se o ritmo atual persistir, a indústria entrará na fase de automação total do desenvolvimento de IA, previu o especialista — um ciclo será iniciado, no qual cada nova geração de IA acelera o surgimento da próxima.

Segundo ele, se essa transição ocorrer até o final de 2028, o mundo enfrentará não apenas um avanço tecnológico. Questões fundamentais de segurança, distribuição de capital, papel do trabalho humano e controle sobre sistemas que começam a evoluir mais rápido que seus criadores também virão à tona.

“Se me pedissem para estimar a probabilidade para 2027, diria 30%. Se não vermos isso até o final de 2028, acho que encontraremos alguma limitação na atual paradigma tecnológico, e será necessário um avanço humano para seguir adiante”, — concluiu Clark

Lembrete: em janeiro, o CEO da Anthropic, Dario Amodei, previu a rápida chegada da AGI e a redução de empregos.