IA interna pode ter dobrado o ritmo de pesquisa da Anthropic e elevado produtividade em até 12 vezes

Sistemas internos de inteligência artificial da Anthropic estariam acelerando significativamente o desenvolvimento de novas capacidades e aumentando em até 12 vezes a produtividade dos pesquisadores, segundo uma análise da equipe da METR, organização que estudou de forma aprofundada as rotinas de pesquisa da empresa.

De acordo com o relatório, o avanço das capacidades de IA na Anthropic ocorre atualmente cerca de duas vezes mais rápido do que no ano anterior. A avaliação foi baseada em dados internos medidos por um índice chamado AECI, sigla em inglês para Índice de Capacidades da Epoch.

A própria Anthropic define, em sua política de escalonamento responsável, atualizada em julho, que há “progresso dramaticamente acelerado devido à IA” quando a velocidade de avanço das capacidades dobra em relação ao ritmo mais rápido sustentado antes de a inteligência artificial passar a contribuir de forma relevante para a pesquisa. Na avaliação da METR, esse limite já teria sido ultrapassado.

O relatório afirma que a aceleração não seria explicada apenas pelo aumento da capacidade computacional ou pelo acesso a volumes maiores de dados. A principal causa apontada seria a automação de etapas da pesquisa por sistemas de IA, embora parte das evidências tenha sido apresentada de forma limitada por razões de confidencialidade.

Na prática, os modelos internos da Anthropic estariam sendo usados como assistentes técnicos especializados, capazes de propor experimentos, explorar arquiteturas, analisar resultados e sugerir otimizações. Relatos informais citados pela METR indicam um aumento de produtividade de aproximadamente 12 vezes com o uso dessas ferramentas.

Os autores descrevem esse efeito como uma espécie de “encapsulamento no tempo”: cada pesquisador poderia realizar, em um dia, atividades equivalentes a vários dias de trabalho, incluindo leituras, testes e novas iterações.

Em uma estimativa quantitativa, o estudo calcula que, para as capacidades gerais avançarem duas vezes mais rápido apenas por meio de melhorias de software — conhecidas como multiplicadores de computação, que extraem mais desempenho da mesma quantidade de recursos —, a taxa de crescimento desses multiplicadores precisaria ser de 2,5 a 3 vezes maior.

Como o esforço humano é apenas um dos fatores usados para descobrir esses ganhos, enquanto a experimentação computacional representa outro componente, o relatório estima que a produtividade da pesquisa teria de crescer entre quatro e nove vezes para sustentar o dobro do progresso geral. Após meses sob esse regime, a elevação necessária poderia se aproximar de dez vezes, valor compatível com os ganhos de 10 a 12 vezes relatados internamente.

A análise partiu de um alerta feito recentemente pela Anthropic a investidores, segundo o qual a empresa poderia atingir em breve o patamar de progresso acelerado definido em sua política de escalonamento responsável. Após investigar o caso ao longo dos últimos meses, a METR concluiu que a companhia já teria alcançado esse estágio.

O relatório classifica a constatação como uma das atualizações mais relevantes dos últimos anos no debate sobre riscos de inteligência artificial. O documento também compara suas conclusões com projeções de grupos externos, como o AI 2027, e aponta que os prazos estimados para avanços de alto impacto podem estar subestimados caso a aceleração continue.

A automação da pesquisa reduz os ciclos de inovação. Se o progresso em capacidades passou a ocorrer em metade do tempo, avanços que antes exigiam aproximadamente um ano poderiam ser obtidos em cerca de seis meses. Em um cenário de aceleração contínua, esse intervalo poderia diminuir ainda mais.

Para a Anthropic, a mudança pode representar uma vantagem competitiva, permitindo o lançamento de modelos mais avançados em períodos menores. Para os pesquisadores, o trabalho tende a se concentrar cada vez mais na coordenação, avaliação e supervisão de sistemas automatizados, em vez da execução direta de todas as etapas da descoberta.

A velocidade maior também cria desafios para empresas, reguladores e instituições responsáveis por segurança e governança. Auditorias, atualização de normas e revisão de salvaguardas técnicas se tornam mais complexas quando as capacidades dos modelos avançam significativamente em poucos meses.

O relatório observa ainda que os ganhos mais fáceis de obter, como otimizações evidentes e ajustes diretos, podem se esgotar rapidamente. Com isso, cada nova melhoria exigiria mais criatividade e experimentação, aumentando a dependência de sistemas de IA para sustentar o ritmo de desenvolvimento.

Na avaliação dos autores, a superação do limiar de progresso acelerado indica que capacidades mais avançadas podem estar mais próximas do que se imaginava. Uma possível espiral, na qual sistemas cada vez mais poderosos ajudam a desenvolver novas gerações de inteligência artificial, preocupa especialistas que acompanham riscos relacionados a armas digitais, fraudes em larga escala e à eventual perda de controle humano sobre sistemas avançados.

Até o momento, segundo o documento, não foram identificadas evidências claras de gargalos técnicos ou de uma redução rápida nos retornos capaz de interromper naturalmente a aceleração. O cenário aumenta a pressão para que as empresas reforcem políticas de segurança, monitoramento, auditorias internas e controles de lançamento.

Dentro da Anthropic, as reações iniciais ao relatório teriam reconhecido o salto de produtividade descrito, com relatos internos indicando ganhos entre 10 e 12 vezes por pesquisador. Fora da empresa, a expectativa é que outros laboratórios de IA de fronteira e órgãos reguladores revisem projeções, cronogramas e estratégias de risco diante de um ambiente de inovação mais rápido e menos previsível.

Fonte: Mirai Broadcast