Pesquisadores de Xangai desenvolvem inteligência artificial capaz de se aprimorar de forma autônoma

Pesquisadores da Universidade Jiao Tong, em Xangai, desenvolveram o ASI-Evolve, um sistema de inteligência artificial capaz de se aprimorar autonomamente. O modelo opera por meio de ciclos automáticos de iteração, nos quais gera variações de si mesmo, ajusta dados de entrada e altera métodos de treinamento sem a necessidade de intervenção externa a cada etapa. A tecnologia, cujo código foi disponibilizado no GitHub e detalhado no repositório arXiv, mimetiza o processo de teste de cientistas humanos, porém com uma velocidade de execução significativamente superior.

O ASI-Evolve é o primeiro sistema unificado a realizar descobertas conduzidas por IA em três eixos centrais da área: métodos de aprendizado, estruturas de rede e conjuntos de dados. O funcionamento baseia-se em um laço operacional fechado que executa experimentos, analisa os resultados e aplica as conclusões na rodada seguinte. Para evitar que o sistema parta do zero a cada ciclo, ele utiliza uma base cognitiva com experiências humanas acumuladas e um módulo analítico que transforma resultados complexos em conclusões reutilizáveis.

A eficiência do modelo foi comprovada em testes de otimização de funções de atenção, componente essencial da arquitetura de IAs modernas. Em um benchmark padrão, o ASI-Evolve atingiu a pontuação de 0,97, enquanto pesquisadores humanos, partindo das mesmas condições, alcançaram 0,34. Essa margem, quase três vezes superior, evidencia a capacidade da máquina de explorar volumes de combinações impossíveis de serem percorridas por equipes humanas no mesmo período.

A aplicação da autoevolução também demonstrou resultados positivos fora do campo da computação. Ao ser utilizado na descoberta de fármacos, o sistema superou modelos existentes, sugerindo que a tecnologia pode ser transferida para setores como biomedicina, finanças, desenvolvimento de jogos e ciência do clima.

Diferente da tendência de laboratórios americanos e europeus de criar modelos de linguagem massivos com alto custo energético, a abordagem chinesa foca no aprendizado iterativo em ciclo fechado. Embora os custos energéticos exatos não tenham sido divulgados, a eficiência do processo alinha-se às diretrizes de sustentabilidade da China, que exige tecnologia verde em novos centros de processamento de dados.

O pesquisador Xu Weixian enfatiza que o ASI-Evolve não é uma entidade autônoma, mas uma ferramenta de aceleração científica. No modelo proposto, a definição dos conceitos fundamentais e a finalidade dos experimentos permanecem sob controle humano. A mudança reside na função do profissional: em vez de resolver problemas técnicos diretamente, o humano assume o papel estratégico de definir quais questões a IA deve atacar.