Um cálculo matemático complexo sobre a movimentação de fluidos foi resolvido por um enxame de sistemas autônomos sem auxílio de programadores. Essa demonstração interna, ligada à histórica conjectura de Navier-Stokes, ilustra uma transformação profunda: a criação de inteligência artificial deixou de depender apenas de mãos humanas e passou a ser acelerada pelos próprios programas.
A busca pela chamada Inteligência Artificial Geral, conhecida pela sigla AGI, define o objetivo de criar softwares capazes de aprender, raciocinar e executar qualquer trabalho intelectual tão bem ou melhor do que as pessoas. Se antes essa meta parecia restrita à ficção científica, os dados técnicos acumulados ao longo de 2026 encurtaram os calendários de especialistas e colocaram a automação completa do raciocínio em pauta imediata.
O salto técnico mais visível veio com a apresentação do GPT-6 Astra (abre em nova aba), modelo que praticamente esgotou as principais réguas de teste do setor. A ferramenta atingiu 99,9% no ARC-AGI-3, avaliação desenhada para medir a capacidade de adaptação a problemas visuais lógicos inéditos, superando a eficiência de ações humanas na quase totalidade das etapas. Em avaliações de matemática avançada como o FrontierMath, o sistema cravou 98%, enquanto tarefas operacionais no computador foram executadas com velocidade 47% superior à geração anterior.
Sistemas com essa capacidade não apenas respondem perguntas, mas navegam em navegadores, programam softwares inteiros e diagnosticam falhas de segurança digital sem supervisão contínua. As medições de autonomia sustentada confirmam a aceleração desse ritmo. Uma análise da organização de avaliação METR (abre em nova aba) indicou que o tempo necessário para dobrar a duração das tarefas complexas que as máquinas conseguem resolver sozinhas caiu para 89 dias. Modelos avançados já sustentam centenas de minutos de esforço ininterrupto em problemas que exigiriam um dia inteiro de trabalho técnico humano.
A autonomia dos sistemas gera um ciclo no qual computadores criam versões melhores de si mesmos. Esse processo de pesquisa automatizada é o motor que alimenta o temor de uma explosão de inteligência. Em um estudo conjunto publicado no arXiv (abre em nova aba), pesquisadores alertam que a automação das etapas de engenharia dentro dos próprios laboratórios pode comprimir anos de evolução científica em poucos meses. O documento destaca que a perda de controle sobre sistemas mais inteligentes que a humanidade é uma possibilidade concreta caso mecanismos rígidos de governança não acompanhem a corrida técnica.
Enquanto equipes de engenharia registram dezenas de milhares de agentes digitais rodando em paralelo durante madrugadas inteiras, as empresas analisam os passos seguintes desse processo. Um relatório técnico da Google DeepMind (abre em nova aba) formalizou o debate sobre a transição da AGI para a superinteligência artificial, estágio em que um programa superaria a capacidade cognitiva combinada de organizações inteiras. Entre os caminhos apontados estão a ampliação de poder computacional, a cooperação massiva entre redes e o autoaperfeiçoamento contínuo.
Essa velocidade dividiu previsões públicas entre otimismo acelerado e cautela acadêmica. Elon Musk, da xAI, sustenta a chegada de sistemas equivalentes ao ser humano até o encerramento de 2026. Dario Amodei, diretor da Anthropic, formalizou previsões governamentais apontando que sistemas superiores a especialistas humanos em quase todas as funções devem surgir entre a virada deste ano e o início de 2027.
O ambiente acadêmico tradicional avança com mais lentidão metodológica. Levantamentos amplos com milhares de pesquisadores situam a mediana de consenso para sistemas totalmente autônomos em patamares mais distantes. Mercados de apostas probabilísticas ajustam essas expectativas para meados da próxima década conforme novos modelos chegam aos servidores públicos.
A capacidade de resolver enigmas matemáticos como Navier-Stokes, antes estimada para meados do século, tornou-se realidade quase três décadas antes do previsto. O abismo entre a expectativa teórica e a velocidade das medições em laboratório explica por que as projeções que apontavam a inteligência de nível humano apenas para as décadas seguintes recuaram para 2027.