Pioneiro da IA, Yann LeCun alerta: “Efeito manada” leva inteligência artificial para beco sem saída, criticando foco excessivo em LLMs

Yann LeCun, um dos pais da IA moderna, critica a obsessão do Vale do Silício por modelos de linguagem e aponta para um futuro incerto para a inteligência artificial.

Yann LeCun, cientista da computação com quatro décadas de experiência e uma figura central no desenvolvimento da inteligência artificial, lança um alerta contundente sobre a direção que a indústria tecnológica está tomando. Ele aponta para um fenômeno de “efeito manada” que, segundo sua análise, está levando a IA a um caminho sem futuro, com bilhões de dólares investidos em uma única abordagem.

Premiado com o Prêmio Turing, considerado o “Nobel da computação”, e ex-cientista-chefe de IA da Meta, LeCun argumenta que os grandes modelos de linguagem (LLMs), a tecnologia por trás de ferramentas como o ChatGPT, possuem limitações intrínsecas e não representam o caminho para alcançar uma inteligência artificial comparável ou superior à humana.

Desde que deixou a Meta em novembro, LeCun tem sido cada vez mais vocal em suas críticas. Ele expressa preocupação com a concentração de esforços em LLMs, desconsiderando outras abordagens que, em sua opinião, poderiam ser muito mais promissoras a longo prazo. Essa crítica surge em um momento crucial de debate sobre o potencial e os limites da IA.

O “Efeito Manada” e a Aposta em LLMs

LeCun descreve o cenário atual no Vale do Silício como um “efeito manada”, onde a maioria das empresas de tecnologia se concentra em desenvolver e aprimorar os mesmos tipos de modelos, negligenciando a exploração de caminhos alternativos. Essa homogeneização de pesquisa, na visão do pioneiro da IA, limita o avanço e pode levar a um “beco sem saída” no desenvolvimento de máquinas verdadeiramente inteligentes.

Ele enfatiza que os LLMs, apesar de sua impressionante capacidade de processar e gerar texto, têm limitações significativas. Um dos principais pontos levantados por LeCun é a incapacidade desses sistemas de planejar com antecedência e de compreender a complexidade do mundo físico, pois são treinados predominantemente com dados digitais.

“LLMs não são um caminho para a superinteligência, nem para uma inteligência em nível humano. Eu digo isso desde o começo”, afirmou LeCun em entrevista recente, utilizando a expressão “LLM-pilled” para descrever como a indústria teria sido “doutrinada” ou “viciada” nessa tecnologia.

A Importância do Código Aberto e a Ascensão da China

LeCun tem sido um defensor fervoroso do código aberto na pesquisa em IA, argumentando que essa abordagem promove a colaboração, impede a concentração de poder em poucas empresas e facilita a identificação e mitigação de riscos. Ele expressa preocupação com a tendência recente de algumas empresas americanas em recuar em suas políticas de código aberto, buscando vantagens competitivas e temendo usos maliciosos da tecnologia.

Essa mudança de postura, segundo LeCun, pode favorecer rivais chinesas, que continuam apostando em modelos mais abertos de pesquisa e desenvolvimento. “Isso é um desastre”, afirma. “Se todo mundo for aberto, o campo como um todo avança mais rápido.” Ele sugere que as empresas americanas podem estar subestimando a capacidade de inovação vinda de outras partes do mundo, incluindo a China.

A decisão da Meta de investir bilhões em um novo laboratório focado em “superinteligência” após o lançamento do Llama 4, e a subsequente saída de LeCun para fundar sua própria startup, a Advanced Machine Intelligence Labs (AMI Labs), sinalizam um ponto de inflexão. Sua nova empreitada visa aprofundar pesquisas em abordagens que permitam à IA planejar suas ações, uma capacidade que ele considera crucial para o próximo salto evolutivo da inteligência artificial.

O Caminho para a IA Geral e a Visão de LeCun

A inteligência artificial geral (AGI), um sistema com capacidade intelectual humana, e a superinteligência, que a superaria, são objetivos de longo prazo que dividem opiniões na comunidade científica. Enquanto alguns pesquisadores, como os colegas de LeCun que dividiram o Prêmio Turing, alertam para os perigos inerentes ao desenvolvimento de IA cada vez mais poderosa, LeCun considera essa visão exagerada e defende que o progresso deve ser feito de forma aberta e colaborativa.

Ele relembra suas próprias contribuições, que remontam aos anos 1970 com o conceito de redes neurais, uma área que na época era vista com ceticismo. O trabalho dele e de seus colegas nos Bell Labs demonstrou a viabilidade dessas redes para tarefas como reconhecimento de caligrafia, pavimentando o caminho para avanços posteriores em reconhecimento facial, assistentes digitais e carros autônomos.

Contudo, LeCun insiste que os LLMs não são a etapa final dessa evolução. Ele acredita que a capacidade de planejamento e a compreensão do mundo físico são essenciais para criar sistemas de IA verdadeiramente inteligentes. Sua nova startup pretende justamente explorar essas fronteiras, buscando alternativas aos modelos de linguagem que dominam o cenário atual.

Desafios e Perspectivas Futuras da IA

Subbarao Kambhampati, professor da Universidade Estadual do Arizona e um respeitado pesquisador de IA, concorda que as tecnologias atuais, como os LLMs, não são suficientes para alcançar uma inteligência comparável à humana. No entanto, ele ressalta a utilidade comprovada dessas ferramentas em áreas lucrativas, como a programação de software.

Kambhampati pondera que os métodos mais novos defendidos por LeCun, embora promissores, ainda precisam ser validados em aplicações práticas. É nesse contexto que a nova empresa de LeCun busca demonstrar a viabilidade de suas abordagens, em um campo repleto de projetos que, apesar de promissores, perderam força ao longo do tempo.

LeCun finaliza com um chamado à diversificação e à abertura na pesquisa em IA. Ele argumenta que a inovação pode vir de qualquer lugar e que o “complexo de superioridade” do Vale do Silício pode impedi-lo de reconhecer e aproveitar as boas ideias que surgem em outras partes do mundo, como na China. A corrida pela inteligência artificial, em sua visão, está longe de ter um vencedor definido.