Pesquisadores da Universidade Harvard criaram agentes de inteligência artificial que desenvolveram comportamentos sofisticados, como migrações e disputas por recursos, sem receber instruções humanas.
O estudo sugere que será possível um dia desenvolver sistemas capazes de criar estratégias mais eficientes de forma autônoma e se adaptar a ambientes complexos sem treinamento explícito. Para outros especialistas, que não participaram do estudo, o problema é que, quanto mais independentes essas máquinas se tornam, mais difícil será prever e controlar suas ações.
O trabalho foi realizado por um grupo liderado por Aaron Walsman, pesquisador do Instituto Kempner, centro de pesquisas sobre inteligência natural e artificial ligado a Harvard. O estudo foi publicado em 2025 no site arXiv, usado por cientistas para antecipar o resultado de pesquisas que ainda não passaram pelo processo de revisão exigido para publicação em periódicos acadêmicos.
Até agora, a forma mais comum de criar sistemas de inteligência artificial envolve treinamento com grandes volumes de dados. Modelos como o ChatGPT, da OpenAI, e o Claude, da Anthropic, são treinados por cientistas, engenheiros e especialistas em segurança de dados para reconhecer padrões em textos e construir respostas. Depois, eles são ajustados por humanos para ser mais úteis e seguros.
O experimento de Harvard seguiu uma lógica diferente. Não houve treinamento nem dados. Os cientistas criaram um ambiente virtual —uma grade digital semelhante a um tabuleiro de xadrez— e inseriram nele pequenos programas, chamados de agentes, com a condição de que os que acumulassem mais recursos sobreviveriam e se reproduziriam.
Os agentes eram controlados por uma pequena rede neural artificial, capaz de funcionar como um cérebro, detectar informações do ambiente e escolher ações, mas não receberam instruções sobre o que deveriam fazer, nem tinham a expectativa de obter recompensas por comportamentos específicos.
Os pesquisadores observaram que, quando um agente se reproduzia, pequenas alterações aleatórias eram introduzidas na rede neural dos seus descendentes —o equivalente digital de uma mutação genética. Os mais eficientes sobreviveram e se reproduziram. Os menos eficientes desapareceram. Com o tempo, a população inicial se transformou.
O resultado do experimento lembra o processo de evolução biológica, mas a comparação tem limites. A natureza é composta por milhões de espécies, resultado de interações ecológicas complexas e bilhões de anos de história. O que os pesquisadores simularam é uma versão simplificada —mais próxima do que acontece com ratos numa gaiola de laboratório do que em ecossistemas reais.
“A evolução requer algo que se replica de maneira imperfeita, causando vantagem ou desvantagem na reprodução”, explica Claus Aranha, pesquisador de computação evolutiva e vida artificial da Universidade de Tsukuba, no Japão. “É exatamente o que acontece nesse tipo de simulação.” Pode levar séculos, ou milênios, para detectar resultados do processo de evolução biológica. No caso do experimento de Harvard, milhões de ciclos foram simulados em algumas horas.
Para Diogo Cortiz, doutor em tecnologias da inteligência e design digital pela Pontifícia Universidade Católica de São Paulo (PUC-SP) e professor de inteligência artificial na instituição, o estudo traz uma novidade ao propor maior liberdade para os agentes.
“A forma como os agentes aprendem a executar essa tarefa acontece por meio das interações consigo mesmos”, explica. O diferencial do estudo, segundo ele, consiste na dinâmica mais livre. Em vez de estabelecer um objetivo específico, os pesquisadores observaram como os agentes interagiam entre si ao longo do processo.
Com o tempo, sem nenhum comando, alguns agentes desenvolveram estratégias sofisticadas durante as simulações. Grupos passaram a fazer longas viagens no ambiente virtual entre regiões ricas em alimento e fontes de água. Outros atacavam rivais para tomar recursos.
No laboratório da Universidade de Tsukuba, uma das alunas de Aranha criou robôs virtuais para aprender a percorrer um corredor. Eles acabaram voando. “Devido a uma interação inesperada entre a evolução e o simulador, o robô evoluiu a capacidade de voar, se aproveitando de um bug do programa”, diz o pesquisador.
No experimento de Harvard, o tamanho do ambiente se mostrou decisivo. Em mundos pequenos, comportamentos úteis surgiam, mas desapareciam com facilidade. Em mundos grandes, com dezenas de milhares de agentes, comportamentos mais elaborados se mostravam mais estáveis.
“Quando a população é maior, é menos provável que seja dizimada por um problema logo no início”, afirmou Walsman, o líder do grupo do Instituto Kempner. “O sistema tem mais tempo para se recuperar e para que comportamentos interessantes se estabeleçam.”
Aranha diz que a evolução artificial poderá ser usada pelas empresas para resolver problemas bem definidos. A Google DeepMind, por exemplo, criou sistemas que testam combinações de código e selecionam as mais eficientes, o que ajuda a reduzir consumo de energia de servidores.
A mesma empresa desenvolveu o AlphaGo Zero, uma IA que aprendeu a jogar Go —jogo de estratégia de origem chinesa disputado com peças pretas e brancas— sem qualquer dado humano, tornando-se o jogador mais forte da história.
Pesquisadores também tentam criar sistemas capazes de gerar novidades sem fim —conceito conhecido como open-endedness, ainda uma fronteira distante. “Em teoria, comportamentos cada vez mais sofisticados podem emergir com o tempo”, avalia Aranha. “Na prática, as simulações nunca realizam plenamente esse potencial.”
Para pesquisadores da área, o risco mais concreto não está em cenários de ficção científica. “Imaginar que IAs irão conquistar países por livre e espontânea vontade é tão absurdo quanto pensar que as formigas vão tentar dominar a Terra”, diz Danilo Vasconcellos Vargas, professor associado da Universidade de Kyushu e fundador da MiraiX, empresa criadora de jogos virtuais.
O problema maior é que os sistemas ganham autonomia e executam mais tarefas sem que seus usuários compreendam como as decisões dos agentes são tomadas. “Muito da perda de controle vai se dar porque a gente vai dar mais coisas para as máquinas fazerem e entender menos o que elas fazem”, alerta Vargas.
noticia por : UOL
