Ciência de Computadores
Uma linguagem que não afete a forma como se pensa sobre programação não merece ser conhecida.
— (1982)
Programadores experientes sentiram-se mais rápidos com IA enquanto trabalhavam, de forma mensurável, mais devagar — o verdadeiro resultado e o veredito que não é
Num ensaio controlado aleatorizado da METR, dezasseis programadores experientes de projetos open source realizaram 246 tarefas reais em bases de código que conheciam bem, permitindo ferramentas de IA do início de 2025 (Cursor Pro mais Claude 3.5/3.7 Sonnet) numa metade escolhida aleatoriamente. Esperavam que a IA reduzisse o tempo de tarefa em cerca de 24%; em vez disso, o tempo de conclusão aumentou 19% — e, depois, continuavam a acreditar que a IA os tinha acelerado cerca de 20%. Essa diferença de perceção é o núcleo claro e robusto do estudo. Mas são dezasseis programadores, um contexto estreito e uma fotografia fixa do início de 2025: os autores dizem explicitamente que isto não mostra que a IA não ajude a maioria dos programadores, e o próprio seguimento de 2026 já se inclina para uma aceleração, com ressalvas próprias.
Uma prova criptográfica pode esconder o segredo tornando difícil provar que o simulador está ausente
As provas de conhecimento zero permitem provar uma afirmação sem revelar a testemunha. A teoria clássica diz que, no sentido completo, não se pode ter isso com uma única mensagem, nenhuma configuração de confiança e correção perfeita. O artigo de Rahul Ilango não faz desaparecer essa impossibilidade. Muda o alvo: em vez de exigir que exista realmente um simulador, pede que nenhum sistema de prova escolhido consiga provar eficientemente que o simulador não existe. Sob hipóteses importantes de complexidade de provas e criptografia, isso basta para recuperar, propriedade a propriedade, consequências falsificáveis e baseadas em jogos do conhecimento zero. O ponto não é uma primitiva pronta a ligar à Internet. É uma forma baseada em teoria da prova de transformar indemonstrabilidade matemática em cobertura criptográfica.
Uma IA médica pode ser privada em média e ainda expor doentes específicos — sobretudo os sub-representados
Chamar «preservador de privacidade» a um modelo de IA médica costuma assentar num único valor médio. Este estudo argumenta que esse é o teste errado. Ao estudar ataques de inferência de pertença — que revelam se o registo de uma pessoa específica esteve nos dados de treino de um modelo e podem, por isso, denunciar que teve determinada doença — os autores mediram o risco por doente em vez de no agregado, em sete conjuntos de dados médicos (imagiologia, ECG e registos eletrónicos) e muitos modelos em cada um. O padrão: modelos que parecem seguros em média podem ainda permitir a identificação quase perfeita de indivíduos específicos (AUC de ataque ≥ 0,95); os expostos pertencem sistematicamente a grupos sub-representados (minorias étnicas, doenças raras, imagiologia invulgar); e o problema agrava-se à medida que os modelos crescem. Os autores não dizem para abandonar a IA médica — dizem para medir a privacidade por doente, controlar o acesso ao modelo e usar privacidade diferencial. O núcleo desconfortável: «privado em média» não é uma garantia de privacidade e falha os doentes que já estão menos protegidos.
Ensinar uma IA que desenha a olhar para a página
Os modelos de linguagem que geram gráficos vetoriais fazem-no às cegas — escrevem os comandos de desenho sem nunca ver o resultado. Um novo método deixa o modelo observar a própria ecrã a preencher-se, traço a traço, e a reviravolta honesta é que dar-lhe simplesmente olhos piora o resultado: é preciso treiná-lo novamente para os usar. O ganho é um modelo que iguala ou supera ligeiramente rivais treinados com até vinte vezes mais dados — um resultado real e cuidadoso num benchmark, não uma revolução.
Um agente de IA conduziu casos completos de doentes sozinho — num simulador, sobre registos passados
O MIRA é um novo tipo de IA médica: em vez de responder a uma única pergunta, conduz um caso inteiro dentro de um registo hospitalar simulado — recolhe história, pede e lê exames, chega a um diagnóstico e escreve as ordens. Em 574 casos retrospetivos de uma base de dados pública, abrangendo oito diagnósticos pré-selecionados, os autores relatam que superou médicos em precisão diagnóstica e tomou decisões em grande parte alinhadas com orientações e seguras quanto a medicamentos. Cada ressalva desta frase pesa: funcionou num ambiente isolado sobre registos passados, apenas por texto; boa parte da vantagem surgiu nas doenças com resultados de exames claros; pediu cerca do dobro das análises sanguíneas dos médicos; e vários desfechos foram pontuados contra aquilo que o processo clínico original registava. O avanço genuíno é um agente que atua ao longo de todo o fluxo — não a prova de que uma máquina agora diagnostica melhor do que um médico. Os autores dizem-no: generalização, segurança e governação ainda precisam de estudos prospetivos no mundo real.
Os grandes «foundation models» para robôs funcionam realmente melhor? Uma resposta cuidadosa — modestamente sim, e muitos estudos não conseguem sequer medir a diferença
O Toyota Research Institute treinou «large behavior models» — políticas robóticas pré-treinadas com ~1 700 horas de dados diversos de manipulação — e comparou-as com políticas de tarefa única treinadas do zero através de ensaios invulgarmente rigorosos: cegos, aleatorizados, com grandes amostras (~1 800 no mundo real e mais de 47 000 em simulação) e estatística formal. Depois de afinação por tarefa, os modelos grandes foram melhores em média, precisaram de cerca de 3–5× menos dados específicos e foram mais robustos quando as condições mudaram; o desempenho aumentou de forma suave com mais pré-treino. Mas sem afinação não superaram consistentemente os modelos de tarefa única, vários efeitos eram tão pequenos que exigiram as grandes amostras para serem detetados e uma escolha banal de normalização importou mais do que a arquitetura. É apoio medido à direção dos robot foundation models — não um robô de uso geral, não um generalista zero-shot nem um «salto emergente» — e um aviso de que muita robótica pode estar a medir ruído.
Porque é que os modelos de linguagem alucinam — e porque é que a forma como os avaliamos mantém isso assim
As falsidades confiantes que chamamos “alucinações” não são uma falha misteriosa: algumas são um subproduto estatístico do treino, e persistem porque benchmarks centrais recompensam um palpite confiante mais do que um “não sei” honesto. Um estudo de caso com quatro modelos de fronteira mostra que declarar as regras de pontuação no prompt (“rubricas abertas”) inverte esse incentivo.