Pesquisadores da Universidade Jiao Tong de Xangai anunciaram o desenvolvimento de um modelo de inteligência artificial capaz de se aprimorar de forma autônoma, gerando versões cada vez mais eficientes de si mesmo por meio de ciclos analíticos contínuos. O sistema, batizado de ASI-Evolve, representa um avanço significativo na área de agentes evolutivos, categoria de modelos projetados para iterar sobre seus próprios processos sem a necessidade de intervenção constante. A pesquisa foi publicada no repositório arXiv e o código-fonte está disponível no GitHub da instituição, permitindo que a comunidade científica worldwide avalie e reproduza os resultados.
O funcionamento do ASI-Evolve se baseia em um loop de execução que replica a forma como pesquisadores humanos testam e refinam tecnologias de inteligência artificial. Em cada ciclo, o sistema gera variações de modelos, modifica métodos de treinamento e ajusta os conjuntos de dados utilizados como entrada. Esse processo de exploração repetitiva permite que o modelo identifique quais combinações produzem os melhores resultados, descartando abordagens menos eficientes e reforçando aquelas que demonstram ganhos mensuráveis de desempenho.
Dois componentes estruturais diferenciam o ASI-Evolve de outros agentes evolutivos já propostos pela comunidade acadêmica. O primeiro deles é uma base cognitiva responsável por injetar experiências humanas acumuladas em cada rodada de exploração, garantindo que o sistema não parta do zero a cada nova iteração. O segundo é um analisador dedicado, cuja função é transformar os resultados experimentais complexos em insights reutilizáveis, alimentando as rodadas seguintes com informações organizadas e relevantes.
De acordo com os pesquisadores, o ASI-Evolve é o primeiro framework unificado capaz de demonstrar descobertas orientadas por inteligência artificial em três pilares centrais do desenvolvimento da área: dados, arquiteturas de modelos e algoritmos de aprendizado. Tradicionalmente, melhorias nesses três domínios são conduzidas separadamente por equipes especializadas, o que torna o processo lento e fragmentado. A capacidade de abordar todos os componentes de maneira integrada é o que confere ao sistema seu caráter inédito.
Em experimentos controlados, o modelo se destacou ao aprimorar seu próprio mecanismo de atenção, recurso que permite que sistemas de inteligência artificial priorizem as partes mais relevantes dos dados processados. O ASI-Evolve alcançou um ganho de 0,97 pontos em um teste de referência amplamente utilizado pela comunidade científica, enquanto pesquisadores humanos que realizaram a mesma tarefa conseguiram apenas 0,34 pontos de melhoria. Considerando que, nesse tipo de avaliação, até mesmo variações decimais são consideradas expressivas, o desempenho do sistema foi quase três vezes superior ao obtido por engenheiros humanos.
Além do campo de pesquisa em inteligência artificial, o sistema demonstrou resultados promissores quando aplicado à descoberta de medicamentos, superando os sistemas já existentes nessa área. Os pesquisadores apontam que a abordagem pode ser adotada por analistas financeiros, engenheiros biomédicos, cientistas climáticos e desenvolvedores de jogos, entre outros profissionais, permitindo a identificação de soluções que dificilmente seriam encontradas por meio de exploração manual.
O pesquisador Xu Weixian, um dos responsáveis pelo projeto, explicou à publicação chinesa 36Kr que o ASI-Evolve não opera de forma isolada. Segundo ele, o sistema incorpora uma grande quantidade de experiência humana prévia e o propósito experimental inicial, assim como as ideias centrais de cada rodada, são sempre propostos por pesquisadores. O objetivo, conforme destacou, é aproveitar a capacidade exploratória da inteligência artificial para iterar rapidamente dentro de uma direção já definida por seres humanos, em vez de promover o que ele classificou como uma evolução cega.
Essa concepção reforça a ideia de que o sistema funciona como uma ferramenta colaborativa de alta eficiência, não como um substituto automático do trabalho intelectual humano. Xu Weixian enfatizou que o papel do pesquisador muda com essa tecnologia: em vez de atuar na resolução direta e na correção de problemas, o profissional passa a se concentrar na definição dos problemas a serem investigados. A supervisão humana continua sendo indispensável durante todo o processo evolutivo do modelo, o que, segundo os criadores, afasta a perspectiva de ameaça a empregos.
Embora os pesquisadores não tenham divulgado detalhes sobre os custos energéticos associados à operação do ASI-Evolve, a arquitetura do sistema sugere um perfil de consumo relativamente menor em comparação aos grandes modelos de linguagem treinados com volumes massivos de dados. A capacidade de operar em ciclos fechados de aprendizado, sem a necessidade de reprocessar conjuntos de dados gigantescos a cada nova versão, contribui para uma operação mais enxuta. Esse aspecto é particularmente relevante no contexto chinês, onde agentes de inteligência artificial são considerados impulsores estratégicos da próxima etapa de desenvolvimento tecnológico do país e onde novos centros de dados são obrigados a adotar tecnologias de energia limpa.
A disponibilização da pesquisa em formato aberto, tanto no arXiv quanto no GitHub, amplia as possibilidades de colaboração e de adoção do framework por outras instituições e empresas. A comunidade científica agora tem a oportunidade de testar o ASI-Evolve em novos domínios, validar os resultados apresentados e propor extensões para a arquitetura original. Se a abordagem confirmar sua capacidade de acelerar descobertas de forma consistente em diferentes áreas, o modelo poderá se tornar uma referência no desenvolvimento de sistemas que combinam a intuição e a experiência humana com a velocidade e a escala da inteligência artificial.
