Uma análise crítica sobre a ascensão da inteligência artificial geral (IAG) e os interesses mercadológicos por trás dessas narrativas.

Por José Aluízio Ferreira Lima[1]

Ex-CEO da Alphabet (Google), Eric Schmidt, fez um alerta que parece saído de um filme de ficção científica: a inteligência artificial está prestes a romper seu vínculo com a inteligência humana.

Ele afirmou que, como indústria, acredita-se que, dentro de um ano, a maioria dos programadores será substituída por cientistas da computação. Além disso, no mesmo período, surgirão matemáticos com nível de graduação ocupando o topo dos programas acadêmicos mais exigentes.

Programação e matemática são as bases do nosso mundo digital. As evidências e projeções de grupos de pesquisa como OpenAI e Anthropic indicam que, atualmente, cerca de 10% a 20% do código nesses laboratórios já está sendo gerado por computadores. Esse fenômeno é conhecido como “autoaperfeiçoamento recursivo”.

Schmidt questiona: o que acontece quando esse processo começa a escalar? Segundo ele, em um período de três a cinco anos, teremos a chamada Inteligência Artificial Geral (AGI), que pode ser definida como um sistema tão inteligente quanto os melhores matemáticos, físicos, artistas, escritores e pensadores humanos. Ele chama essa visão de “consenso de San Francisco”, pois muitos que acreditam nela estão concentrados nessa região — talvez, brinca, por causa da água.

Ele ainda pondera sobre o impacto de cada pessoa ter, no bolso, uma ferramenta com a inteligência equivalente à do ser humano mais brilhante em qualquer área. O ponto central, segundo Schmidt, é que, nos próximos um ou dois anos, essa base tecnológica estará consolidada e não será possível detê-la, pois os computadores já estão aprendendo a se autoaperfeiçoar e a planejar, sem precisar ouvir os humanos.

Esse estágio é chamado de superinteligência ou AGI — uma inteligência artificial geral, superior à maioria dos seres humanos. O “consenso de San Francisco” prevê que esse cenário se concretize em cerca de seis anos, impulsionado pela escalada tecnológica.

Schmidt conclui destacando que esse caminho ainda não é plenamente compreendido pela sociedade. Não há uma linguagem adequada para descrever o impacto dessa transformação, o que faz com que a situação seja frequentemente subestimada. As pessoas ainda não percebem o que significa ter uma inteligência desse nível, amplamente acessível e, em grande parte, livre.

A Superinteligência Está Logo Ali?

Entre o Hype da IA-Geral e os Limites Matemáticos que Não Podemos Ignorar

Nos últimos meses, um discurso apocalíptico — ou triunfalista, dependendo do ponto de vista — ganhou força no Vale do Silício e se espalhou pelo mundo: a Inteligência Artificial Geral (IAG) estaria prestes a emergir. O ex-CEO da Alphabet, Eric Schmidt, engrossou o coro ao afirmar, em tom de alerta, que em até cinco anos surgirá uma IA capaz de igualar ou superar matemáticos, artistas, físicos e escritores. Para ele, esse é o “consenso de San Francisco”, uma crença compartilhada pelos visionários e empreendedores que comandam as big techs mais influentes do planeta.

O argumento é sedutor. Segundo Schmidt, computadores já estariam produzindo 10% a 20% do código em laboratórios como OpenAI e Anthropic, um processo que tende a acelerar por meio do chamado “autoaperfeiçoamento recursivo” — máquinas aprimorando suas próprias capacidades sem intervenção humana direta. O raciocínio segue: em poucos anos, esse ciclo tornaria inevitável o surgimento da chamada superinteligência, ou AGI (Artificial General Intelligence), uma entidade digital que rivalizaria com a inteligência humana em qualquer domínio.

Mas será mesmo que estamos à beira dessa revolução? Ou será que, mais uma vez, estamos testemunhando o velho fenômeno do hype tecnológico, em que previsões excessivamente otimistas acabam colapsando diante dos limites intransponíveis da matemática, da computação e da própria natureza da inteligência?

---

O Otimismo das Big Techs: Profecia ou Estratégia de Mercado?

O “consenso de San Francisco” é alimentado não apenas pelos avanços técnicos reais, mas também pelo marketing agressivo das empresas que disputam o bilionário mercado da inteligência artificial. Desde 2022, modelos como GPT-4, Gemini e Claude impressionam o público e especialistas com suas capacidades de gerar textos, imagens, músicas e até escrever códigos complexos.

Para muitos, essas demonstrações são provas cabais de que a barreira da inteligência geral já foi, ou será em breve, superada. O argumento repousa sobre o crescimento exponencial do poder computacional e do volume de dados, além do avanço da computação quântica, que, segundo alguns, poderia resolver problemas antes considerados intransponíveis.

Contudo, esse entusiasmo ignora uma distinção fundamental: a diferença entre simular inteligência e possuir inteligência. Modelos estatísticos, por mais sofisticados que sejam, operam calculando padrões e probabilidades com base em imensos bancos de dados. Não compreendem o que fazem, não têm intenções, consciência ou compreensão verdadeira. São, essencialmente, autômatos simbólicos, não mentes.

E mais: essa visão otimista parece desconsiderar as limitações estruturais da computação, que permanecem imutáveis apesar dos avanços tecnológicos.

---

Computabilidade e Indecidibilidade: Lições de Turing, Church e Chaitin

As bases do que hoje entendemos como limites estruturais da inteligência artificial foram lançadas no século passado por três gigantes: Alan Turing, Alonzo Church e, mais recentemente, Gregory Chaitin.

Em 1936, Turing demonstrou que existem problemas que não podem ser resolvidos por nenhum algoritmo. O exemplo clássico é o problema da parada: não há um método geral para determinar se qualquer programa de computador, com uma determinada entrada, vai parar ou rodar indefinidamente. Isso significa que, mesmo com todo poder computacional concebível, há limites definitivos sobre o que qualquer máquina — ou inteligência artificial — pode calcular.

Paralelamente, Church formalizou a noção de função efetivamente calculável, demonstrando, em sua Tese de Church-Turing, que tudo o que pode ser computado de forma algorítmica está contido no modelo de uma máquina de Turing. Assim, mesmo com avanços em hardware, computação paralela ou quântica, a essência do que é computável permanece restrita a esse modelo.

Já nos anos 1970, Chaitin introduziu a ideia de incompletude algorítmica, mostrando que existem números e sequências cuja complexidade é tão alta que não podem ser reduzidas a nenhuma descrição computacional mais curta do que elas mesmas. Sua famosa constante Ω (Ômega de Chaitin) expressa a probabilidade de um programa parar, sendo um número real específico, mas cuja sequência de dígitos é irremediavelmente aleatória e, portanto, não calculável.

O impacto desses resultados é profundo: não importa quão avançada seja uma IA, haverá verdades matemáticas inatingíveis, problemas insolúveis e processos indecidíveis. O sonho de uma superinteligência capaz de resolver qualquer questão esbarra, irremediavelmente, nesses limites fundamentais.

---

O Problema P vs NP: O Limite Invisível que Não Pode Ser Quebrado

Entre essas limitações, destaca-se também o famoso problema P vs NP, uma das questões em aberto mais importantes da ciência da computação.

Em termos simples, P representa os problemas que podem ser resolvidos eficientemente por um algoritmo. NP representa aqueles cujas soluções podem ser verificadas rapidamente, mas não necessariamente encontradas com facilidade. A grande questão é: será que todo problema cuja solução pode ser verificada rapidamente também pode ser resolvido rapidamente?

Se a resposta for “sim” (ou seja, se P = NP), o mundo seria radicalmente transformado: problemas hoje considerados praticamente insolúveis, como otimizações logísticas, diagnósticos médicos complexos ou provas matemáticas sofisticadas, poderiam ser resolvidos em tempo hábil, inclusive por uma IA.

Mas o consenso científico é que P ≠ NP. Se for assim — e tudo indica que é —, então existem limites intransponíveis: há problemas que nem mesmo uma superinteligência conseguirá resolver eficientemente, ainda que tenha acesso a poder computacional infinito. A explosão combinatória de possibilidades torna a solução prática inviável.

Portanto, o salto para a IAG esbarra não em limitações tecnológicas, mas em leis fundamentais da lógica e da matemática.

---

Computação Quântica: Salvação ou Novo Exagero?

Outro elemento frequente no discurso otimista é a computação quântica. De fato, ela representa uma mudança paradigmática, com potencial para resolver certos problemas muito mais rapidamente que os computadores clássicos. O algoritmo de Shor, por exemplo, pode fatorar grandes números inteiros de forma exponencialmente mais eficiente, ameaçando os sistemas de criptografia atuais.

No entanto, há dois pontos cruciais que os entusiastas muitas vezes ignoram. Primeiro: a computação quântica não resolve problemas indecidíveis, como o clássico problema da parada. Tais problemas são intrinsecamente insolúveis, independentemente da arquitetura computacional. Segundo: até hoje, não se provou que computadores quânticos possam resolver todos os problemas da classe NP de maneira eficiente. Ou seja, mesmo que consigam acelerar alguns cálculos, eles não eliminam a distinção entre o que é verificável e o que é solucionável.

A computação quântica é, sem dúvida, uma revolução, mas não é a chave mágica que abre as portas da Inteligência Artificial Geral.

---

O que Realmente Podemos Esperar da IA nos Próximos Anos?

O que, então, podemos esperar realisticamente da IA no futuro próximo?

Em primeiro lugar, um avanço contínuo das chamadas IAs estreitas, capazes de desempenhar tarefas específicas com eficiência cada vez maior: diagnósticos médicos, recomendação de conteúdo, geração automática de texto e imagem, automação de processos, entre outros.

Em segundo lugar, veremos a ampliação do uso de IA como ferramenta de apoio à criação e ao desenvolvimento tecnológico. Como apontou Eric Schmidt, hoje já existem sistemas que geram código automaticamente. Esse fenômeno tende a crescer, mas está longe de significar a substituição completa de programadores ou cientistas humanos.

A IA será cada vez mais uma parceira, não necessariamente uma sucessora.

Finalmente, é importante reconhecer que a ideia de uma superinteligência autônoma, capaz de autoaperfeiçoamento ilimitado e tomada de decisões fora do controle humano, permanece, até agora, mais no campo da ficção científica do que da ciência estabelecida.

O impacto social, político e econômico da IA será enorme, sem dúvida. Mas será um impacto gradual, incremental, cheio de nuances, desafios éticos e questões regulatórias. Não será, como muitos anunciam, uma explosão repentina que deixará a humanidade à mercê de máquinas superinteligentes em um piscar de olhos.

---

Cuidado com as Promessas Exageradas

O discurso do “consenso de San Francisco” é sedutor, mas também perigoso. Ele alimenta expectativas irreais, influencia políticas públicas, orienta investimentos bilionários e molda a percepção social sobre o futuro da tecnologia.

Aceitar a narrativa de que a IA-Geral é inevitável e iminente pode nos levar a negligenciar questões muito mais imediatas e relevantes: como regular o uso atual da IA? Como evitar seus vieses? Como garantir sua segurança? Como proteger empregos, privacidade e direitos fundamentais diante da automação crescente?

O verdadeiro desafio não é preparar-se para uma superinteligência que pode nunca surgir, mas lidar com as transformações reais que a IA já está provocando em nossas sociedades.

---

Conclusão: Realismo Crítico, Não Tecnoeuforia

Não se trata de negar os avanços da inteligência artificial. Eles são extraordinários, e seu impacto será profundo e duradouro. Mas é preciso olhar para eles com realismo crítico, e não com tecnoeuforia.

Os limites da matemática, da computabilidade e da lógica são intransponíveis, independentemente da potência das máquinas ou da quantidade de dados disponíveis. A Inteligência Artificial Geral, se é que um dia será possível, não está logo ali, como anunciam os arautos da revolução digital.

Até lá, sigamos admirando o progresso, mas sem perder de vista os limites — e, sobretudo, sem abandonar a responsabilidade ética e política de moldar o futuro da IA para servir ao bem comum, e não ao fascínio cego pela superinteligência.

Referências

CHURCH, Alonzo. An unsolvable problem of elementary number theory. American Journal of Mathematics, v. 58, n. 2, p. 345-363, 1936.

CHAITIN, Gregory J. Meta Math!: The quest for Omega. New York: Vintage Books, 2005.

FLOREIDI, Luciano. The fourth revolution: how the infosphere is reshaping human reality. Oxford: Oxford University Press, 2014.

INSTITUTO ALTAIR SALES. Site oficial. Disponível em: https://altairsalesbarbosa.wpcomstaging.com/. Acesso em: 21 jul. 2025.

KURZWEIL, Ray. The singularity is near: when humans transcend biology. New York: Viking, 2005.

KUHN, Thomas S. The structure of scientific revolutions. Chicago: University of Chicago Press, 1962.

MORIN, Edgar. Introdução ao pensamento complexo. Porto Alegre: Sulina, 2005.

RUSSELL, Stuart; NORVIG, Peter. Artificial intelligence: a modern approach. 4. ed. Hoboken: Pearson, 2020.

TONONI, Giulio. Phi: a voyage from the brain to the soul. New York: Pantheon Books, 2012.

TURING, Alan M. On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, v. 42, n. 2, p. 230-265, 1936.

VARELA, Francisco J.; THOMPSON, Evan; ROSCH, Eleanor. The embodied mind: cognitive science and human experience. Cambridge: MIT Press, 1991.

[1] Artigo escrito com apoio de IA generativa. Ao autor coube: a) definir tópicos do artigo; b) estabelecer o contexto para cada tópico; c) elaborar os comandados significativos para cada tópico; d) revisar e validar o conteúdo gerado em cada tópico; e e) definição da redação final de cada tópico. O material foi revisado com base na literatura e bibliografia.