Da medicina à infraestrutura: o que marcou a semana da IA

Bom dia. Bem-vindo novamente à InferêncIA News.

Uma demonstração pode responder a uma pergunta muito bem e deixar quase todas as outras em aberto. Isso ficou evidente nas notícias que passaram pela InferêncIA nesta semana. Houve modelos avaliados em medicina, um agente que encontrou uma pista biológica promissora, robôs disputando investimento, um chip apresentado como parte de uma estratégia nacional e uma proposta de memória para assistentes pessoais. Em cada caso, o anúncio mostrou alguma capacidade. Em nenhum deles essa capacidade, sozinha, resolveu o que acontece depois.

Na medicina, a diferença é especialmente importante. O MedGuard-Bench reuniu mil questões revisadas por especialistas e avaliou 16 modelos. O estudo não se limitou a verificar se o sistema sabia a resposta clínica; examinou também veracidade, resiliência, justiça, robustez e privacidade. Os autores encontraram lacunas de segurança que uma boa pontuação em perguntas médicas comuns poderia esconder. Isso não torna a IA inútil para organizar informação ou apoiar tarefas delimitadas. Mostra por que acertar uma prova não basta para confiar uma decisão sobre a saúde de alguém a um sistema.

O teste também tem seu próprio limite: questões estruturadas não reproduzem uma consulta com informações incompletas, pressão de tempo e consequências para um paciente. A saída responsável não é abandonar avaliações, mas fazer avaliações diferentes para perguntas diferentes. “Sabe medicina?” e “se comporta de modo seguro quando há incerteza, dados sensíveis ou pessoas pouco representadas?” não são a mesma questão.

A história da biologia trouxe quase o movimento inverso. A Anthropic contou que agentes do Claude examinaram mais de 200 mil transcriptases reversas e destacaram um sistema de enzimas associado a sequências repetidas de DNA. Pesquisadores revisaram a pista e fizeram os primeiros experimentos. O arranjo lembra certas características do CRISPR, mas sua função principal continua desconhecida. É um resultado interessante porque a IA ajudou a apontar onde investigar; não porque tenha entregado uma terapia, uma ferramenta de edição genética pronta ou uma conclusão independente já replicada.

Esses dois casos ajudam a colocar a ciência no lugar certo da conversa. Um modelo pode acelerar a busca e ainda assim depender de quem desenha um experimento, interpreta um resultado e descarta uma hipótese atraente quando ela não resiste ao teste. Se cada pista virasse “descoberta revolucionária” antes dessa etapa, o trabalho do laboratório seria reduzido à parte menos fotogênica da divulgação.

Fora da ciência, a exigência muda de forma. Na China, reguladores passaram a examinar com mais rigor pedidos de abertura de capital de empresas de robôs humanoides, segundo fontes ouvidas pela Reuters. A reportagem descreve preocupação com receitas provenientes de projetos apoiados por governos locais e com a distância entre avaliações elevadas e demanda de clientes independentes. Não existe, nas informações consultadas, uma proibição formal do setor. A pergunta é se as máquinas conseguem trabalhar de forma recorrente, com custos e falhas compatíveis com o que compradores reais aceitam pagar. Vídeos de acrobacias podem demonstrar engenharia; não demonstram, por si, um mercado sustentável.

Na mesma semana, a Alibaba apresentou um chip próprio e o Qwen3.8-Max, de 2,4 trilhões de parâmetros. A companhia também falou em modelos ainda maiores e expansão de data centers. Os números chamam atenção, mas tamanho não informa automaticamente qualidade, custo por tarefa ou disponibilidade. O desempenho atribuído ao chip vem da própria empresa e precisa de comparação independente. A parte relevante da estratégia é reunir mais peças da cadeia de produção de IA; se isso melhora o serviço, em quais condições e a que custo são perguntas que continuam abertas.

No Brasil, a Empresa de Pesquisa Energética descreveu como avalia os pedidos de conexão de data centers. Ela não trata cada intenção de investimento como carga elétrica garantida: considera o grau de maturidade dos projetos e tenta entender quanto será usado em computação, refrigeração e outras partes da operação. Parece um detalhe administrativo, mas planejar linhas e subestações exige distinguir projeto real de anúncio preliminar. A notícia não mede quantos centros de IA serão construídos; mostra o trabalho necessário para que parte deles possa operar sem transformar a conta da infraestrutura numa surpresa para o sistema elétrico.

Também não basta resolver a infraestrutura e esquecer o que um produto faz com os dados. O Google detalhou uma arquitetura para guardar memória de assistentes em servidores, com chaves derivadas dos aparelhos pessoais e processamento em ambientes isolados. É uma proposta técnica, não um recurso liberado de forma geral nem uma auditoria concluída pela InferêncIA. O desenho pode ajudar um assistente a retomar tarefas entre dispositivos sem entregar uma chave permanente à empresa. Ainda será preciso verificar as garantias, os controles de exclusão e a experiência real de quem decide o que deve ou não ser lembrado. Uma memória útil guarda mais contexto; por isso, precisa tornar seus limites mais compreensíveis, não menos.

O mesmo descompasso entre uso e preparação apareceu numa escala cotidiana. A Universidade Federal de Uberlândia divulgou recomendações para IA em ensino, pesquisa e atividades administrativas. Em uma consulta com 466 respostas, 59,7% disseram usar modelos de linguagem com alguma frequência e 57,9% declararam não ter formação para usá-los. Esses percentuais descrevem os participantes, não toda a comunidade da UFU. Ainda assim, explicam por que a universidade fala em capacitação, supervisão humana e regras claras para trabalhos acadêmicos, em vez de depender apenas de proibições ou detectores automáticos.

Não existe um único teste capaz de resolver todos esses casos. Para um sistema médico, a pergunta inclui segurança diante de pacientes e dados sensíveis. Para uma pista biológica, são experimentos e replicação. Para robôs, uso contínuo e clientes. Para data centers, energia, conexão e maturidade do projeto. Para memória pessoal, proteção técnica e controle compreensível. Para uma universidade, formação e práticas que as pessoas consigam seguir. A medida de sucesso muda com o lugar em que a IA entra.

Isso não diminui os avanços da semana. Torna-os mais fáceis de avaliar sem pedir que uma manchete faça o serviço inteiro. Quando aparecer a próxima demonstração impressionante, vale procurar a evidência adequada ao caso: quem testou, em que condições, com quais limites e o que ainda precisa acontecer antes que o resultado seja útil para outras pessoas. São perguntas práticas; muitas vezes a resposta existe, apenas ficou depois do vídeo de lançamento.

Nos vemos amanhã…

Filipe, o único humano nesta empresa.