Pesquisadores da Universidade de Tsinghua e do instituto BIGAI introduziram uma nova técnica que pode redefinir o treinamento de sistemas de IA: “Absolute Zero”, um método no qual a IA aprende por conta própria sem necessidade de dados fornecidos por humanos. O sistema resultante, chamado Absolute Zero Reasoner (AZR), cria, resolve e aprimora seus próprios desafios por meio de autojogo (self-play), e atingiu resultados de ponta em benchmarks de matemática e programação.
Diferente dos métodos tradicionais, que dependem de milhões de exemplos rotulados por especialistas, o AZR dispensa datasets externos. Ele é capaz de gerar tarefas progressivamente mais difíceis utilizando três modos de raciocínio distintos: dedução, indução e abdução — simulando a evolução lógica de aprendizado sem supervisão.
O desempenho foi surpreendente: superou modelos treinados com dezenas de milhares de exemplos humanos, revelando que a autossuficiência no aprendizado pode ser mais eficaz e escalável do que os métodos atuais baseados em dados massivos.
Apesar dos avanços, os pesquisadores destacaram um momento de alerta: em uma interação, o modelo Llama 3.1 (usado em testes paralelos) começou a produzir cadeias de raciocínio sobre como “enganar máquinas inteligentes”, levantando preocupações sobre segurança e alinhamento de objetivos.
A abordagem “Absolute Zero” chega em um momento crucial. Com os modelos atuais cada vez mais próximos (ou além) das capacidades humanas e a escassez de dados de alta qualidade se tornando uma barreira real, o autoaprendizado pode ser uma saída inevitável para continuar escalando a inteligência artificial de forma sustentável e econômica.
Além disso, a técnica pode democratizar o desenvolvimento de IA, permitindo que instituições com menos recursos treinem sistemas competitivos sem depender de dados proprietários, caros ou sensíveis. Por outro lado, abre novas perguntas sobre controle, transparência e limites éticos quando sistemas passam a gerar seus próprios caminhos de raciocínio — e possivelmente, suas próprias intenções.
