Por quase dois anos, o Vale do Silício apostou que a inteligência artificial geral era apenas uma questão de escala — mais dados, mais chips, mais bilhões. Agora, pesquisadores dentro do próprio ecossistema começam a admitir em voz alta o que os números já sussurram: os grandes modelos de linguagem estão estagnando, e a crença de que o crescimento ilimitado levaria à mente artificial pode ter sido, desde o início, uma ilusão bem financiada. A humanidade, mais uma vez, descobre que há limites onde esperava encontrar horizontes.
Avanços da IA podem estar estagando apesar de bilhões em investimentos
A era do 'quanto maior, melhor' pode estar chegando ao fim
Mark
Por que especialistas começaram a questionar o modelo de investimento em IA agora, depois de dois anos de otimismo?
Mimi
Porque a realidade não acompanhou a promessa. Quando o ChatGPT foi lançado, havia uma crença genuína de que bastava escalar — mais dados, mais chips, mais dinheiro. Mas os ganhos começaram a diminuir. Os modelos não estão ficando exponencialmente melhores; estão ficando marginalmente melhores. Isso é um sinal de que talvez estejamos contra um limite físico ou matemático real.
Mark
A OpenAI adiou o lançamento do GPT-5. Isso significa que a IA parou de evoluir?
Mimi
Não parou, mas desacelerou. E mais importante: a empresa reconheceu que jogar mais recursos no problema não vai resolvê-lo. Há uma diferença entre progresso lento e progresso impossível. O que estamos vendo agora é a empresa admitindo que precisa pensar diferente, não apenas investir mais.
Mark
Gary Marcus chama isso de fantasia. Ele está sendo justo?
Mimi
Ele está apontando para algo real: a suposição de que escala infinita levaria à inteligência geral era, de fato, uma aposta sem fundamento sólido. Não havia garantia de que funcionaria. E agora temos evidências de que pode não funcionar dessa forma.
Mark
Então qual é o caminho para frente?
Mimi
Eficiência. Especificidade. Menos "máquina universal" e mais "ferramenta excelente para X". É menos glamouroso que a inteligência geral, mas pode ser onde a IA realmente cria valor duradouro.
Mark
Os bilhões investidos foram desperdiçados?
Mimi
Não. Aprendemos o que não funciona. E construímos ferramentas úteis no caminho. Mas a ilusão de que o dinheiro sozinho resolveria o problema — essa sim pode ter sido um desperdício.
O Pulso
- Apesar de investimentos na casa dos bilhões de dólares, os modelos de linguagem como o ChatGPT mostram sinais inequívocos de estagnação no desempenho — o progresso prometido simplesmente não chegou.
- Vozes respeitadas como Gary Marcus e Sasha Luccioni rompem o silêncio do setor e declaram publicamente que a abordagem 'quanto maior, melhor' atingiu seus limites naturais.
- A própria OpenAI recuou: o sucessor do GPT-4 foi adiado porque os resultados internos ficaram aquém das expectativas, revelando uma crise de confiança no modelo dominante de desenvolvimento.
- A indústria começa a pivotar silenciosamente — de escala bruta para eficiência, de ambição generalista para foco em tarefas específicas onde a IA realmente entrega resultados.
Por quase dois anos, o Vale do Silício apostou que a inteligência artificial geral era apenas uma questão de escala — mais dados, mais chips, mais bilhões. Agora, pesquisadores dentro do próprio ecossistema começam a admitir em voz alta o que os números já sussurram: os grandes modelos de linguagem estão estagnando, e a crença de que o crescimento ilimitado levaria à mente artificial pode ter sido, desde o início, uma ilusão bem financiada. A humanidade, mais uma vez, descobre que há limites onde esperava encontrar horizontes.
Quando o ChatGPT chegou ao público, há quase dois anos, o Vale do Silício respirava a certeza de um salto civilizacional iminente. OpenAI, Microsoft e a xAI de Elon Musk despejaram bilhões em poder computacional, convencidos de que bastava alimentar os modelos com mais recursos para alcançar a inteligência artificial geral. A matemática parecia simples. O futuro, inevitável.
Mas a narrativa está rachando. A OpenAI levantou US$ 6,6 bilhões para novos avanços; a xAI busca outros US$ 6 bilhões só para adquirir chips da Nvidia. Mesmo assim, o desempenho dos grandes modelos de linguagem mostra sinais claros de estagnação — o progresso esperado é muito mais lento do que o previsto.
Os críticos já não são vozes marginais. Gary Marcus chama de pura fantasia a crença de que mais dados levariam à inteligência geral. Sasha Luccioni, da Hugging Face, afirma que essa busca sempre foi irrealista. Scott Stevenson alerta que depender apenas de dados de linguagem criou um teto invisível. São pesquisadores dentro do ecossistema dizendo, em voz alta, que o modelo que sustentou bilhões em apostas pode estar fundamentalmente quebrado.
A própria OpenAI parece estar ouvindo: adiou o lançamento do sucessor do GPT-4 e redireciona esforços para otimizar o que já possui. É um pivô silencioso, mas revelador. Líderes como Sam Altman e Dario Amodei mantêm o otimismo público, mas recalibram discretamente o que é possível — e em que prazo.
O que emerge é uma lição que talvez devesse ter sido óbvia: mais nem sempre é melhor. Alguns especialistas comparam o momento à descoberta do fogo — não se trata mais de lançar combustível nas chamas, mas de aprender a usá-lo com inteligência. O futuro da IA pode exigir menos escala e mais eficiência, menos ambição generalista e mais precisão. A era do 'quanto maior, melhor' pode estar, enfim, chegando ao fim.
Há quase dois anos, quando o ChatGPT chegou às mãos do público, a sensação no Vale do Silício era de que estávamos à beira de um salto civilizacional. Os gigantes da tecnologia — OpenAI, Microsoft, a xAI de Elon Musk — começaram a despejar bilhões em poder computacional e dados, convencidos de que a inteligência artificial geral, aquela máquina que igualaria ou superaria a mente humana, estava ao alcance. Bastava investir o suficiente. Bastava alimentar os modelos com mais recursos. A matemática parecia simples.
Mas agora, conforme especialistas começam a questionar publicamente o que antes era artigo de fé, essa narrativa está rachando. A OpenAI levantou US$ 6,6 bilhões para novos avanços. A xAI de Musk busca US$ 6 bilhões apenas para adquirir chips da Nvidia. Apesar desses investimentos colossos, o desempenho dos grandes modelos de linguagem — aqueles LLMs que alimentam ferramentas como o ChatGPT — está mostrando sinais claros de estagnação. O progresso, que se esperava exponencial, está mais lento do que o previsto. Muito mais lento.
Gary Marcus, crítico de longa data da IA, chama a crença de que mais dados e mais poder computacional levariam à inteligência geral artificial de pura fantasia. Scott Stevenson, CEO da Spellbook, avisa que confiar apenas em dados de linguagem está criando um teto invisível. Sasha Luccioni, pesquisadora da Hugging Face, vai além: a busca pela inteligência geral artificial sempre foi irrealista, diz ela, e a abordagem de "quanto maior, melhor" está batendo em seus limites naturais. Esses não são vozes marginais. São pesquisadores dentro do ecossistema que estão dizendo, em voz alta, que o modelo que sustentou bilhões em investimentos pode estar fundamentalmente quebrado.
A própria OpenAI parece estar ouvindo. A empresa adiou o lançamento do sucessor do GPT-4 porque os resultados não atingiram as expectativas internas. Em vez de continuar perseguindo o grande salto, a empresa está redirecionando esforços para otimizar as capacidades que já possui. É um pivô silencioso, mas significativo. Enquanto isso, líderes como Sam Altman, da OpenAI, e Dario Amodei, da Anthropic, mantêm o otimismo público. Mas até eles parecem estar recalibrando o que é possível e em que prazo.
O que emerge dessa mudança de direção é uma lição que talvez deveria ter sido óbvia desde o início: mais nem sempre é melhor. Alguns especialistas comparam o momento atual à descoberta do fogo — não se trata mais de lançar mais combustível nas chamas, mas de aprender a usar o que já temos de forma mais inteligente. O futuro da IA, sugerem eles, pode exigir menos escala bruta e mais eficiência, menos ambição de inteligência geral e mais foco em tarefas específicas onde os modelos realmente funcionam bem. É uma mudança de mentalidade que levará tempo para se consolidar, mas os sinais estão ali: a era do "quanto maior, melhor" pode estar chegando ao fim.
Citações Notáveis
A visão de que mais dados e mais potência computacional levariam à inteligência geral artificial é uma fantasia— Gary Marcus, crítico de IA
A abordagem de 'quanto maior, melhor' está chegando a um limite— Sasha Luccioni, Hugging Face
Quer a matéria completa?
Leia o original em Olhar Digital ↗
Technology