A IA acaba de apagar 200 páginas de sua própria bíblia.
O livro didático de inteligência artificial de Stuart Russell — aquele que tem ensinado estudantes de ciência da computação desde 1995 — acabou de receber uma grande atualização para 2026. Mas aqui está a reviravolta: Russell não apenas adicionou novos capítulos. Ele cortou cerca de 200 páginas de material que costumavam ser considerados essenciais, incluindo explicações detalhadas sobre algoritmos de busca A* que gerações de estudantes decoraram.
Isso não é limpeza de primavera. É um sinal.
Métricas Antigas Estão Quebrando
Por décadas, medimos o progresso científico da mesma forma que medimos tudo o mais: contando. Mais artigos publicados. Velocidades de processamento mais rápidas. Conjuntos de dados maiores. Melhores pontuações de precisão. Os números subiam, e nós chamávamos de progresso.
Mas a IA está fazendo algo estranho a esse sistema. Quando um modelo de linguagem pode gerar milhares de artigos de pesquisa em uma tarde, o que a contagem de publicações realmente mede? Quando os algoritmos se otimizam mais rapidamente do que os humanos podem avaliar os resultados, o que “melhor” realmente significa?
O edit da obra de Russell sugere um problema mais profundo. As técnicas que ele Removeu não estão erradas — elas estão apenas se tornando cada vez mais irrelevantes. A IA passou por elas tão rapidamente que ensinar esses conceitos em detalhes desperdiça o tempo que os alunos poderiam passar aprendendo o que realmente importa agora.
Ciência na Velocidade das Máquinas
Aqui está o que torna isso desconfortável: a ciência sempre foi uma atividade com ritmo humano. Publicamos artigos para que outros humanos possam lê-los. Fazemos revisão por pares para que especialistas possam verificar as afirmações. Construímos sobre trabalhos anteriores porque é assim que o conhecimento se acumula ao longo do tempo.
A IA não precisa de nada disso. O AlphaFold não leu todos os artigos sobre o dobramento de proteínas já escritos — ele aprendeu padrões diretamente dos dados. O GPT-4 não cita fontes em seu processo de treinamento. Esses sistemas descobrem relações que funcionam sem necessariamente entender por que funcionam, pelo menos não de maneiras que os humanos possam verificar facilmente.
Então, como medimos o progresso quando a coisa que está progredindo não pensa como nós?
O que Conta Agora
Alguns pesquisadores estão propondo novas estruturas. Em vez de contar publicações, medir o impacto no mundo real. Em vez de fazer benchmarking contra o desempenho humano, testar se os sistemas de IA podem lidar com situações genuinamente novas. Em vez de otimizar apenas para precisão, avaliar robustez, justiça e interpretabilidade.
Mas mesmo essas métricas parecem temporárias. Elas são medidas projetadas pelo humano para inteligências não humanas. É como julgar um peixe pela sua capacidade de escalar árvores — as categorias em si podem ser o problema.
O Problema do Livro Didático
As páginas deletadas de Russell representam algo maior do que atualizações curriculares. Elas são evidências de que nosso conhecimento está se estratificando. Existe uma lacuna crescente entre “coisas que os humanos precisam entender sobre IA” e “coisas que a IA realmente faz”.
Essa lacuna cria uma crise de medição. Se as pessoas que avaliam o progresso da IA não conseguem entender completamente como os sistemas modernos funcionam, como sabemos que estamos medindo as coisas certas? Acabamos dependendo de métricas proxy — benchmarks, classificações, vídeos de demonstração — que podem perder o que realmente importa.
A verdade desconfortável é que estamos entrando em uma era onde as regras para medir o progresso científico estão sendo escritas pelos próprios sistemas que estamos tentando medir. Não explicitamente, não conscientemente, mas pelo simples fato de que a IA se move mais rápido do que nossas estruturas de avaliação podem acompanhar.
Talvez isso esteja tudo bem. Talvez a ciência sempre tenha sido assim — nossos métodos evoluindo apenas um passo atrás de nossas descobertas, tentando fazer sentido do que já construímos. Mas vale a pena notar quando uma deleção de 200 páginas nos diz mais sobre o futuro do que um acréscimo de mil páginas alguma vez poderia.
🕒 Published: