Os principais pesquisadores de IA do Vale do Silício estão enfrentando um desafio ao pensamento convencional sobre inteligência artificial geral (AGI). Yann LeCun, ex-chefe da Meta AI e crítico proeminente da abordagem do modelo de linguagem grande (LLM), está apoiando uma startup chamada Logical Intelligence que é pioneira em um método diferente. LeCun argumenta que a atual obsessão com LLMs – sistemas que prevêem a próxima palavra numa sequência – é um beco sem saída. Em vez disso, ele acredita que o caminho para a verdadeira IA reside em sistemas que raciocinam em vez de apenas adivinhar.
Raciocínio Baseado em Energia: Uma Nova Abordagem para IA
A Logical Intelligence desenvolveu um “modelo baseado em energia” (EBM), que aprende absorvendo restrições em vez de prever resultados. Ao contrário dos LLMs, os EBMs operam dentro de parâmetros definidos – como as regras de um quebra-cabeça Sudoku – para resolver problemas sem tentativa e erro. A startup afirma que este método requer significativamente menos poder de computação e elimina erros.
O primeiro modelo da empresa, Kona 1.0, demonstrou desempenho superior aos principais LLMs na resolução de quebra-cabeças de Sudoku, rodando em uma única GPU Nvidia H100. Isto sugere que o raciocínio eficiente pode ser alcançado sem a enorme escala dos atuais LLMs. A Inteligência Lógica é a primeira a desenvolver um EBM funcional, anteriormente apenas um conceito teórico.
Além da linguagem: o futuro da IA
A startup prevê que os EBMs resolvam problemas do mundo real onde a precisão é crítica, como a otimização de redes de energia ou a automação de manufaturas complexas. A fundadora e CEO Eve Bodnia enfatiza que essas tarefas são “tudo menos linguagem”, o que implica que o foco deve se afastar dos pontos fortes linguísticos dos LLMs.
A Logical Intelligence planeja colaborar com a AMI Labs, outra startup fundada por LeCun, que está desenvolvendo “modelos mundiais” – sistemas de IA que compreendem dimensões físicas, retêm memória e prevêem resultados. O objetivo final é combinar estas abordagens: LLMs para interação humana, EBMs para raciocínio e modelos mundiais para ação no mundo real.
Uma mudança de perspectiva
O argumento principal é que o atual desenvolvimento da IA está mal direcionado. Os LLMs dependem de escala absoluta e probabilidade estatística, enquanto a verdadeira inteligência requer uma abordagem mais fundamental ao raciocínio. LeCun e Bodnia sugerem que imitar a linguagem humana não é a chave para desbloquear a AGI; em vez disso, a IA deveria concentrar-se na resolução abstrata de problemas, sem as restrições da linguagem.
A equipe espera implantar EBMs em setores como energia, produtos farmacêuticos e manufatura. A abordagem da empresa de desenvolver modelos mais pequenos e especializados para tarefas específicas – em vez de uma IA universal – pode oferecer um caminho mais prático a seguir.
O caminho para a AGI, de acordo com a Logical Intelligence, começa com uma abordagem em camadas que combina diferentes tipos de IA, cada uma otimizada para funções específicas.
Este novo modelo representa um desafio ousado à narrativa prevalecente em Silicon Valley, sugerindo que o futuro da IA pode residir não em LLMs maiores, mas em sistemas de raciocínio mais inteligentes.
