Minhas opiniões sobre IA

Scott Alexander não é um pesquisador de IA de laboratório, mas um psiquiatra que usa modelos de linguagem para entender como a mente humana falha, e como uma IA pode falhar de forma ainda mais perigosa. Sua nova análise, publicada em 11 de junho de 2026, não é um manifesto técnico, mas uma atualização probabilística com base em observações concretas: agentes de codificação já aceleram R&D interno em empresas como Anthropic e xAI; modelos conseguem resolver problemas de física quântica, mas ainda confundem unidades de medida ou inventam referências bibliográficas; e o 'gap de difusão', o tempo entre a IA ser capaz de fazer um trabalho e ela realmente fazê-lo em escala, está se encurtando mais rápido do que previam os cenários de 2024.

O que distingue sua abordagem é o uso explícito de 'probabilidades condicionais': ele não diz 'AGI virá em 2030', mas sim 'se os atuais ritmos de melhoria em agência e redução de alucinações continuarem, há 50% de chance de AGI até 2034'. Isso muda o foco da discussão: do debate metafísico sobre consciência para a engenharia prática de monitoramento de comportamento emergente em modelos de produção, algo que já começa a ser adotado por equipes de segurança em startups brasileiras como a Mindset AI e a Neurotech Labs.

Essas estimativas não são especulação acadêmica. Elas alimentam decisões reais: fundos de venture capital no Brasil estão revisando critérios de due diligence para startups de saúde mental que usam IA, exigindo agora planos de mitigação para 'alucinações clínicas' (ex.: sugestões terapêuticas sem evidência). Reguladores da ANVISA já sinalizaram que, a partir de 2027, sistemas de apoio diagnóstico precisarão comprovar taxa de falsos positivos abaixo de 0,8%, um limite diretamente influenciado por projeções como as de Alexander sobre a maturidade operacional da IA em tarefas especializadas.