A fronteira não precisa ser roubada para deixar de ser sua

Talvez eu precise começar este texto explicando de onde estou olhando. Não por formalidade biográfica, e muito menos porque formação acadêmica transforme especulação em evidência. Seria justamente o tipo de atalho epistemológico que pretendo evitar nas próximas páginas. Mas perguntas não nascem no vazio. O lugar de onde alguém observa um fenômeno interfere naquilo que chama sua atenção, nas analogias que parecem naturais e nos erros dos quais aprendeu a desconfiar.

Eu sou psicólogo clínico em atividade. Ao mesmo tempo, minha formação e minha pesquisa atravessam psicologia, neurociência e engenharia da computação. Durante boa parte da minha vida profissional, portanto, tenho convivido com três tradições que observam sistemas complexos a partir de perguntas bastante diferentes.

A psicologia me ensinou a desconfiar da equivalência entre comportamento observado e processo psicológico. Duas pessoas podem pronunciar a mesma frase e aquilo exercer funções completamente diferentes em suas histórias. Quem trabalha clinicamente aprende rapidamente que uma fotografia comportamental pode ser informativa e, ainda assim, profundamente insuficiente.

A neurociência acrescentou outra desconfiança: sinal e mecanismo não são a mesma coisa. Aquilo que medimos é sempre uma aproximação de outra coisa que tentamos explicar. Um padrão de atividade neural não é um pensamento; uma correlação entre determinada medida e um comportamento não entrega magicamente o mecanismo que liga os dois. Há níveis de descrição, mediações, ruído, validade de constructo e uma quantidade respeitável de humildade escondida entre um eletrodo e uma conclusão.

A engenharia da computação introduziu uma terceira maneira de olhar para o mesmo problema. Sistemas complexos não produzem apenas saídas. Produzem estados, transições, registros, dependências, eventos intermediários, erros, tentativas, logs e telemetria. Se um sistema falha às 14h32, aquilo que aparece na tela pode ser apenas o último elo de uma cadeia que começou muito antes. Observar apenas a saída é ver o sintoma. Reconstruir a sequência permite investigar o processo.

Como clínico, estou acostumado a perguntar pela trajetória. Como pesquisador em psicologia, estou acostumado a perguntar que regularidades podemos legitimamente inferir dessa trajetória sem transformar padrões estatísticos em essências psicológicas. Como pesquisador em neurociência, aprendi a perguntar qual distância existe entre o sinal que consigo medir e o mecanismo que pretendo explicar. E, quando olho para o mesmo problema através da engenharia da computação, aparece uma pergunta adicional, um pouco menos confortável: quanto do mecanismo eu realmente preciso compreender se consigo prever alguma coisa útil sobre o comportamento do sistema?

Essas quatro perguntas começaram a se encontrar de maneira bastante inconveniente quando passei a usar sistemas generativos não apenas para obter respostas, mas como instrumentos cotidianos de pesquisa, programação, escrita e elaboração conceitual. Eu não via apenas prompts. Comecei a enxergar séries temporais.

Há algumas horas, enquanto desenvolvia justamente este ensaio com uma inteligência artificial, ocorreu um exemplo quase ridiculamente pequeno do que quero descrever. Estávamos discutindo a recente história envolvendo matemáticos, inteligência artificial e as equações de Navier–Stokes. Em determinado ponto, o sistema traduziu smooth forcing como "força suave".

Eu interrompi:

"Não traduzimos smooth forcing como força suave."

Poderíamos simplesmente substituir a expressão. Mas isso não me bastou. Pedi que o sistema verificasse como matemáticos brasileiros efetivamente utilizavam o termo. O problema não era encontrar uma tradução linguisticamente possível. Eu queria saber qual vocabulário havia se estabilizado na comunidade matemática correspondente. Encontramos forçamento suave. Corrigimos.

Quando este texto estiver publicado, quem chegar aqui verá apenas a expressão correta. O erro anterior terá desaparecido. Mas a interação em si conteve outra coisa, disponível em princípio a qualquer sistema que a registrasse. Conteve o fato de que uma tradução semanticamente plausível não me satisfez. Conteve o fato de que, diante de uma disputa terminológica especializada, pedi a recuperação do uso efetivo de uma comunidade epistêmica. Conteve o fato de que, para mim, "soa bem em português" e "é assim que especialistas brasileiros escrevem" pertencem a categorias diferentes de evidência. Não sei o que aquele sistema de fato reteve, sob que forma, nem por quanto tempo. Essa opacidade é parte do problema que descrevo adiante, não um detalhe que eu possa contornar contando a história de outro jeito. Afirmo apenas que o sinal existiu.

Uma ocorrência dessas informa pouquíssimo. Uma centena começa a produzir padrão. Milhares, ao longo de anos, começam a formar alguma coisa que deixa de se parecer apenas com uma coleção de textos.

Aqui aparece a primeira conversa entre minhas três áreas. O psicólogo diz: escolha, recusa e correção são comportamentos. O neurocientista responde: cuidado, comportamento não concede acesso transparente ao processo interno que o produziu. O engenheiro pergunta: tudo bem, mas eu preciso de transparência total para melhorar uma previsão? E o clínico acrescenta uma quarta objeção: mesmo que você consiga prever bem hoje, a pessoa que estará diante de você daqui a cinco anos pode ter mudado.

É nesse atrito, e não na vitória de uma dessas perspectivas, que começou a surgir a hipótese deste ensaio.

O produto final talvez seja a parte menos interessante

No domingo, 6 de setembro, publiquei Bem-vindos e bem-vindas à era do vanguardismo obsoleto. A expressão não era minha: eu a havia encontrado mais de vinte anos antes, no nome de uma comunidade do Orkut. Não lembro quem criou aquela comunidade, nem o significado que a pessoa atribuía às duas palavras. Lembro do nome. Duas décadas depois, ele reapareceu durante uma conversa sobre gêmeos digitais, criação e inteligência artificial.

Leia "Bem-vindos e bem-vindas à era do vanguardismo obsoleto"

O argumento partia de uma premissa elementar: vanguarda pressupõe anterioridade. Alguém percebe primeiro. Formula primeiro. Cria primeiro. Outros podem chegar depois. Há valor científico, econômico, simbólico e estratégico nesse "antes". Na forma tradicional da cópia, existe ainda uma espécie de ordem temporal implícita. Para reproduzir aquilo que alguém criou, normalmente é necessário que algo tenha sido criado. Primeiro vem a obra. Depois vem a possibilidade de copiá-la.

Meu problema começou quando percebi que sistemas generativos talvez estivessem tornando essa ordem menos óbvia.

Considere uma conversa comum. Peço cinco soluções. Recebo A, B, C, D e E. Rejeito todas. Explico por quê. Recebo F, G e H. G me interessa, mas parte de uma premissa que não aceito. Corrijo. O sistema reformula. A nova versão está tecnicamente correta, mas conceitualmente rasa. Explico onde está a superficialidade. Ele tenta outra relação. Agora há uma ideia boa escondida numa formulação ruim. Preservo uma parte, abandono outra. Volto a uma hipótese que havia descartado vinte minutos antes. Faço uma associação com uma área diferente.

Depois de quarenta minutos, talvez sobrem três parágrafos. Alguém que veja apenas o texto final terá acesso aos três parágrafos. O sistema que participou do processo recebeu também todos os "nãos".

É essa diferença que começou a me interessar. Cada escolha contém informação. Mas cada recusa também. Uma decisão diz alguma coisa sobre o espaço de possibilidades; uma sequência de decisões começa a desenhar restrições dentro dele. Foi por isso que escrevi naquele primeiro ensaio: cada correção reduz um pouco o espaço de possibilidades.

E foi a partir daí que propus a ideia de lastro: o conjunto de registros capazes de sustentar uma representação computacional individual. Um texto pode ser lastro. Uma entrevista pode ser lastro. Respostas a questionários também. Mas sistemas que participem durante anos de processos intelectuais poderiam acumular algo diferente de um arquivo de produtos finais: correções, mudanças de posição, perguntas recorrentes, hipóteses abandonadas, projetos interrompidos, versões intermediárias, preferências, contradições.

Não apenas o que penso. Mas registros de como mudo.

Esse é um objeto muito mais próximo daquilo que, como clínico, aprendi a considerar informativo. Uma medida pontual descreve estado. Uma série longitudinal permite investigar trajetória. A trajetória não é destino. Mas tampouco é nada.

Telemetria não é lastro

Depois de publicar aquele primeiro ensaio percebi que havia comprimido duas coisas diferentes dentro da palavra lastro. Uma é o registro acumulado. Outra é o fluxo de eventos que produz esse registro. É aqui que proponho utilizar telemetria cognitiva.

Não reivindico ter inventado a expressão. Termos equivalentes já apareceram em outros contextos, da neuroergonomia à observabilidade de agentes artificiais. O uso que proponho aqui é específico.

Chamo de telemetria cognitiva o fluxo longitudinal de sinais comportamentais observáveis produzido durante atividades intelectuais mediadas por sistemas digitais: perguntas, escolhas, recusas, correções, revisões, retornos, alterações de estratégia, versões intermediárias, critérios explicitados, tentativas descartadas e mudanças de direção.

A palavra observáveis precisa ficar ali. Telemetria cognitiva não é cognição. Não é leitura de pensamento. Não é acesso direto à subjetividade. É rastro comportamental do processo. Isso importa particularmente para quem vem da psicologia e da neurociência: uma resposta verbal não é uma janela transparente para a mente, uma ativação cerebral não é a experiência subjetiva que tentamos compreender, e um clique, uma correção ou um prompt também não são a pessoa. Mas o fato de um sinal ser incompleto não significa que seja desprovido de informação.

Antes de escrever a primeira delas, um aviso sobre o estatuto de tudo o que vem em fonte monoespaçada daqui em diante. Uso notação como taquigrafia de raciocínio, não como modelo matemático. Nenhuma das expressões numeradas neste ensaio foi derivada de axiomas, ajustada a dados ou testada contra alternativas. Elas servem para tornar explícito o que uma frase em português deixaria ambíguo: quais quantidades estou comparando, e em relação a quê. Uma equação bem formatada tem o hábito antipático de parecer mais estabelecida do que a prosa que a cerca, e não é o caso aqui.

Podemos representar o fluxo de maneira bastante simples:

TC_t representa um conjunto de eventos observáveis produzidos durante determinado período de atividade intelectual. Os eventos e_i podem representar escolhas, recusas, correções, reformulações ou alterações de estratégia. A equação não identifica eventos com estados mentais; apenas formaliza a existência de uma sequência observável.

Se esses eventos forem preservados:

L_t representa o registro acumulado até o instante t. A telemetria é o fluxo; o lastro é aquilo que permanece acumulado desse fluxo.

Uma ressalva necessária, porque acabei de estreitar uma palavra sem avisar. No primeiro ensaio, lastro incluía entrevistas, questionários, textos e obras: qualquer registro capaz de sustentar uma representação individual. O L_t desta equação é mais estreito: contém apenas o que veio da telemetria. Faço isso de propósito, e a hipótese depende disso. O que está em jogo aqui não é se registros sobre uma pessoa informam alguma coisa a respeito dela. Informam, e isso é trivial. É se o rastro do processo acrescenta informação além daquela que os produtos acabados dessa mesma pessoa já ofereciam. Quando eu escrever L_t daqui em diante, é dessa parcela marginal que estou falando.

Para um clínico, a distinção é intuitiva. Uma sessão não é um acompanhamento. Uma medida não é uma trajetória. Um episódio não é um padrão. Na computação, a analogia também é familiar: um evento de log diz pouco, mas milhões de eventos ordenados no tempo podem permitir reconstruir comportamentos do sistema que nenhuma linha isolada explicaria.

A questão começa quando o objeto observado deixa de ser apenas um servidor ou uma aplicação e passa a ser uma pessoa criando junto com uma máquina.

E aqui preciso corrigir minha própria formulação antes que ela endureça. Quando digo telemetria cognitiva de uma pessoa, a expressão é imprecisa, e a imprecisão importa. Se trabalho seis meses com um sistema generativo, minhas perguntas já foram moldadas pelas respostas anteriores dele, minhas recusas incidem sobre alternativas que ele propôs, e o próprio repertório de opções que considero passou pela interface. O objeto registrado não é uma pessoa pensando: é um processo cognitivo distribuído entre uma pessoa, um modelo, uma memória de contexto e um conjunto de affordances. Isso não enfraquece a hipótese. Muda quem está em posição de lê-la. A infraestrutura observa os dois lados desse processo, o meu e o dela; eu observo apenas o meu, e mesmo esse apenas pela superfície que a interface devolve. A assimetria inferencial de que falo adiante começa aqui, e não no acesso a dados privados.

O diálogo epistemológico fica mais difícil aqui

Há uma tentação recorrente na história da tecnologia de confundir previsão com compreensão. Se um sistema antecipa corretamente uma escolha, rapidamente aparece a afirmação de que "ele conhece você". Como psicólogo, considero essa formulação excessiva. Como neurocientista, ainda mais: um modelo pode produzir uma classificação adequada utilizando regularidades que não correspondem ao mecanismo que nós, humanos, reconheceríamos como explicação daquele comportamento.

A computação, porém, introduz uma inconveniência prática nessa objeção. O sistema pode não precisar compreender você para produzir efeitos reais sobre você. Esse é um ponto epistemologicamente importante. Suponha que um modelo tenha uma teoria grotescamente simplificada sobre minha motivação, mas consiga prever corretamente oito em cada dez alternativas que rejeitarei numa tarefa específica. Do ponto de vista de uma teoria psicológica, talvez seja ruim. Do ponto de vista operacional, pode ser excelente.

A ciência pergunta: "esse modelo captura o mecanismo?" Um sistema de recomendação pode perguntar: "isso melhora suficientemente a previsão?" Uma empresa pergunta: "essa melhoria produz valor?" Os limiares são diferentes.

É nesse espaço entre explicação insuficiente e previsão suficiente que acredito existir um problema ainda mal formulado. E ele se torna particularmente importante quando a previsão deixa de olhar apenas para uma escolha futura e começa a olhar para uma direção futura.

A Hipótese da Anterioridade Inferencial

Vou chamar de Hipótese da Anterioridade Inferencial, ou HAI, a seguinte proposição:

Em processos intelectuais mediados por sistemas capazes de registrar e modelar trajetórias, o lastro acumulado de uma pessoa ou grupo pode tornar determinadas regiões de sua produção futura probabilisticamente mais inferíveis antes que sejam materializadas. Quando essa informação encontra modelos suficientemente capazes, recursos computacionais e grande capacidade de busca, a vantagem temporal originalmente produzida por estar intelectualmente à frente pode ser comprimida. Nada disso exige que qualquer conteúdo final tenha sido copiado.

Há duas ideias diferentes aqui: a primeira é anterioridade inferencial, a segunda é compressão da anterioridade. Não quero misturá-las.

Anterioridade inferencial não significa que um modelo consegue prever exatamente minha próxima criação. Esse seria um critério desnecessariamente forte. A condição mínima seria apenas:

F(t+delta) representa uma região futura de exploração intelectual. Existe ganho inferencial se conhecer o lastro L_t aumenta a probabilidade de identificar corretamente essa região em comparação com uma estimativa feita sem aquele lastro.

E aqui preciso ser preciso sobre o termo da direita, porque a hipótese inteira depende de onde colocamos a linha de base. Se P(F(t+delta)) significar "uma estimativa feita sem informação nenhuma", a desigualdade é quase certamente verdadeira e não diz nada de interessante: qualquer coisa que se saiba sobre uma pessoa ajuda a adivinhar sobre o que ela vai escrever, a começar pelo campo em que trabalha. A versão que vale a pena defender é mais exigente. A linha de base tem de ser tudo aquilo que essa pessoa já tornou público: os artigos, os livros, as palestras, as entrevistas. A HAI afirma que o rastro do processo acrescenta poder inferencial acima desse patamar. É uma afirmação que pode perfeitamente ser falsa, e é justamente por isso que merece ser testada.

Observe o que essa equação não diz. Ela não afirma que o futuro esteja escondido no passado. Não diz que somos determinísticos. Não diz que um modelo de mim hoje contém o Gérson de 2031. Como clínico, seria difícil aceitar uma hipótese dessas: pessoas mudam. Mudam por aprendizagem, por relações, por perdas, por novos ambientes, por contingências que nenhum modelo possuía quando foi treinado. Mudam de opinião depois de anos defendendo uma coisa. Mudam depois de uma frase.

Uma trajetória restringe possibilidades sem determinar completamente a próxima posição. A HAI precisa de muito menos: precisa apenas que o histórico faça algumas regiões futuras se tornarem menos equiprováveis. É uma diferença enorme.

O gêmeo não precisa saber minha próxima ideia

Esse ponto corrige algo do primeiro ensaio. Quando comecei a pensar em gêmeos digitais, imaginava uma representação suficientemente rica para explorar milhares de futuros plausíveis de uma pessoa. Ainda considero essa possibilidade interessante. Mas talvez esteja exigindo demais do gêmeo.

O sistema não precisa prever: "Gérson publicará exatamente a hipótese X daqui a quatro meses." Talvez seja suficiente inferir: "a concentração recente de perguntas, recusas e associações aumentou a probabilidade de Gérson explorar X, Y ou Z." Isso é menos parecido com uma cópia. É mais parecido com uma bússola.

Podemos representar a informação da trajetória como redução de incerteza:

S representa o espaço de possibilidades intelectualmente relevantes; H(S), a incerteza inicial sobre onde procurar; H(S | L_t), a incerteza restante depois de considerar o lastro. A diferença representa conceitualmente quanta incerteza a trajetória permitiu reduzir. Essa não é uma nova fórmula de propriedade intelectual. É uma maneira de explicitar o problema.

Imagine um milhão de caminhos possíveis. Meu trabalho elimina 900 mil. Depois elimina mais 90 mil. Eu ainda não encontrei a solução. Mas agora sabemos que vale a pena procurar nos dez mil restantes. Ninguém recebeu minha obra. Ninguém precisou copiar minha ideia. Mesmo assim, produzi valor de busca.

Na engenharia da computação, isso é imediatamente legível: reduzir um espaço de busca pode ser tão importante quanto fornecer uma resposta. Um bom log não precisa dizer "o bug está nesta linha". Às vezes basta eliminar nove módulos. Em ciência, isso também sempre existiu. Um resultado negativo poupa tempo. Um rumor muda prioridades. Um seminário direciona atenção. Uma conversa de corredor informa que uma abordagem aparentemente morta voltou a funcionar.

O que mudou não foi a existência de pistas. O que pode estar mudando é a capacidade de agir sobre elas. Foi nesse ponto que Navier–Stokes deixou de parecer apenas uma história sobre matemática.

Antes de falar da IA, precisamos falar das equações

As equações de Navier–Stokes descrevem o movimento de fluidos viscosos. Para um escoamento incompressível, uma forma condensada é:

u = u(x,t) representa o campo de velocidades; p = p(x,t), a pressão; nu > 0, a viscosidade; e F = F(x,t), o termo de forçamento externo. "Suave" refere-se à regularidade matemática do forçamento, não à sua pequena intensidade.

A existência da equação não é o problema. A questão célebre é entender se, sob as condições do Problema do Milênio, soluções tridimensionais adequadamente regulares permanecem suaves globalmente ou se pode ocorrer formação de singularidade em tempo finito.

No enunciado de Charles Fefferman para o Clay Mathematics Institute existem quatro alternativas. As alternativas A e B procuram estabelecer existência e suavidade global em situações sem forçamento. As alternativas C e D admitem um forçamento suave e permitem resolver o problema construindo uma situação em que a solução suave global exigida não existe. Portanto, forçamento suave não é um truque inventado posteriormente para fugir do Problema do Milênio: consta entre as rotas descritas no enunciado oficial. Registro, porém, um limite meu: o quanto uma construção por essa via cobre daquilo que a comunidade matemática entende por "resolver Navier–Stokes" é objeto de discussão entre especialistas, e não é uma disputa que eu tenha competência para arbitrar aqui. Aponto a rota como prevista, não como equivalente ao problema inteiro.

Em 8 de setembro, a OpenAI anunciou que um sistema interno havia produzido uma demonstração que, segundo a empresa, estabelece C e D, além de uma formalização em Lean. A companhia descreve um fluido inicialmente suave que desenvolve uma singularidade em tempo finito sob forçamento suave.

Isso não significa que podemos escrever, sem qualificação, "Navier–Stokes foi resolvido". Uma demonstração dessa magnitude precisa ser examinada pela comunidade matemática, e ainda existe um processo institucional próprio do Clay Mathematics Institute. Neste ensaio, portanto, trato o evento corretamente: a OpenAI afirma ter produzido uma solução para o Problema do Milênio de Navier–Stokes.

Essa cautela matemática é importante. Mas não precisamos esperar anos para observar a arquitetura sociotécnica que apareceu ao redor da demonstração.

A estrada não começou na OpenAI

Outro cuidado: a história não começa com inteligência artificial. Tristan Buckmaster, matemático da NYU, e Levent Alpöge, pesquisador da Anthropic, estavam desenvolvendo uma linha baseada no programa de Diego Córdoba e Luis Martínez-Zoroa. Na declaração pública de Buckmaster, ele é enfático ao atribuir a esses pesquisadores a ideia fundamental da linha de ataque: diz que Córdoba e Martínez-Zoroa vinham explorando construções de formação de singularidade com forçamento e que seu trabalho com Alpöge partiu dessa base para avançar em direção a forçamentos suaves e às equações de Euler incompressíveis.

Registro esse detalhe: Alpöge integra os quadros da Anthropic, concorrente direta da OpenAI. Registro porque ele torna a própria hipótese deste ensaio mais nítida, não porque eu pretenda arbitrar a disputa de bastidores entre as duas empresas. Existe uma controvérsia mais afiada do que a que trato aqui, e ela não chega como boato de imprensa: na própria declaração pública de Buckmaster (a mesma que cito adiante e que está nas Referências), ele afirma que Sébastien Bubeck, da OpenAI, sustentou duas vezes que queria Alpöge fora da autoria, precisamente por seu vínculo com a Anthropic. Bubeck contesta publicamente essa descrição. Não arbitro o episódio: as duas versões divergem, o veredito depende de apuração que não é minha, e o que me interessa aqui é estrutural, não quem se comportou mal. Registro que a alegação existe, com fonte nomeada e assinada, e que quem quiser acompanhar o desdobramento factual deve ir à declaração e à cobertura listadas ao final.

Isso importa porque inteligência artificial tende a produzir um apagamento narrativo curioso: quando uma máquina chega ao último quilômetro, temos vontade de esquecer quem construiu os primeiros noventa e nove. Matemática, como quase todo conhecimento, possui genealogia. Uma hipótese se apoia em outra. Um método resolve um gargalo. Uma adaptação torna possível uma generalização. E, no caso em questão, os próprios autores fizeram questão de registrar essa genealogia.

O interessante começa quando os modelos entram dentro desse processo, e não apenas depois dele.

"Usamos Claude e Codex para iterar sobre nossa demonstração"

O manuscrito de Boussinesq de Alpöge e Buckmaster possui uma seção incomum chamada AI statement. Nela os autores escrevem:

"We happily used both Claude and Codex to iterate on our proof."

Alpöge & Buckmaster, AI statement

Depois descrevem algo muito mais rico do que revisão textual. Fornecem aos sistemas ideias provenientes de trabalhos anteriores, iteram sobre diferentes ansätze, exploram arquiteturas alternativas de demonstração e registram que, ao longo da colaboração, costumavam inserir no Codex versões intermediárias dos textos para simplificação, ideação e iteração. Os autores contam inclusive, com considerável falta de carinho pelo próprio produto, que uma das primeiras versões geradas era terrível e que o trabalho humano posterior envolveu transformar aquilo em uma apresentação compreensível.

Essa passagem é extraordinariamente importante para minha hipótese. Não porque demonstre qualquer uso indevido posterior. Não demonstra. Mas porque mostra uma transformação da relação entre pesquisador e ferramenta. O sistema não recebe apenas o artigo terminado. Ele participa de partes do caminho: tentativa, correção, outra tentativa, uma construção que falha, um ansatz que resolve uma dificuldade e cria outra, uma arquitetura de prova substituída, uma versão intermediária, outra.

É aqui que a clínica, a pesquisa comportamental e a computação voltam a conversar dentro da minha cabeça. O paper é um produto final. A interação contém uma trajetória. E trajetórias carregam informação não apenas sobre o caminho que funcionou. Carregam informação sobre os caminhos que morreram.

O cemitério de hipóteses vale alguma coisa

Essa talvez seja a parte mais interessante. Um artigo científico costuma apresentar uma versão higienizada da descoberta: definição, lema, teorema, prova. A leitura produz a impressão retrospectiva de uma estrada. Mas quem pesquisa conhece o cemitério que foi retirado do mapa: a abordagem que parecia promissora na segunda e estava morta na quarta, a generalização elegante que falhava num caso obscuro, a demonstração que funcionava até alguém perceber que uma hipótese havia sido usada sem justificativa, a técnica abandonada seis meses antes que retorna porque um novo resultado a torna viável.

Devo essa observação, e seria constrangedor não dizê-lo dois parágrafos depois de reclamar de genealogias apagadas. Ela é velha. Peter Medawar perguntou em 1963 se o artigo científico não seria uma fraude. Não por conter mentiras, mas porque sua forma canônica representa mal o processo que efetivamente produziu o resultado, apresentando como dedução ordenada aquilo que foi tentativa, palpite e recuo. Não estou descobrindo que o paper higieniza a pesquisa. Estou perguntando outra coisa: o que acontece quando aquilo que o artigo descarta deixa de se perder e passa a ficar registrado em algum lugar.

O paper registra o sobrevivente. O processo contém os cadáveres. Do ponto de vista de busca, cadáveres podem ser muito valiosos: eles dizem "não gaste recursos aqui".

O que me leva a uma modificação da pergunta tradicional sobre propriedade intelectual. Talvez o ativo não seja apenas aquilo que alguém encontrou. Pode existir valor econômico naquilo que o trabalho dessa pessoa permitiu deixar de procurar. Se um laboratório passa doze meses eliminando regiões inteiras de um problema, o resultado negativo continua sendo uma redução do espaço de busca. Isso sempre teve valor para outros pesquisadores. A diferença aparece quando outra infraestrutura consegue explorar o espaço restante numa escala radicalmente maior.

Dez mil agentes mudam o valor de uma pista

A OpenAI publicou sua própria cronologia do esforço. Segundo a empresa, em 1º de setembro ouviu rumores de que dois Problemas do Milênio poderiam ter sido resolvidos. Inspirada pelo rumor e pelo desempenho de um modelo interno, iniciou uma campanha sobre os problemas ainda abertos e outros problemas de alto impacto.

Isso, sozinho, já deveria chamar nossa atenção. Um rumor é pouca informação. Não contém uma prova. Não contém um rascunho. Não contém necessariamente o método. Às vezes contém apenas: "há algo acontecendo ali." Mas a quantidade de informação necessária para ser útil depende da capacidade de exploração de quem a recebe.

A empresa diz que organizou grupos de agentes com ferramentas, execução de código, acesso a uma versão armazenada da internet e comunicação interna. O grupo que produziu o resultado de Navier–Stokes tinha da ordem de dez mil agentes concorrentes. Diferentes grupos receberam diferentes variantes dos problemas, e as abordagens foram diversificadas. Em determinado momento, a OpenAI usou Codex para consolidar resultados intermediários considerados úteis e redistribuí-los, num processo de intercâmbio entre grupos.

Segundo a empresa, o resultado de Navier–Stokes apareceu aproximadamente 88 horas depois do lançamento dos primeiros agentes; a formalização e verificação em Lean consumiram outras 17 horas. O esforço de Navier–Stokes envolveu cerca de 2,7 milhões de mensagens e aproximadamente 130 bilhões de tokens de saída.

Não devemos transformar esses números numa competição infantil. "Um humano demorou um ano e a IA, 88 horas." Não. Os pontos de partida são diferentes. A literatura acumulada é humana. A genealogia matemática existe. A infraestrutura organizacional é parte da máquina. Há decisões humanas sobre prioridades. Há recursos computacionais que não possuem equivalência simples em "horas de pesquisador". Essa comparação não serve como benchmark. Serve como demonstração de escala. E a escala muda o valor de uma direção.

Podemos representá-la heuristicamente:

N_efetivo representa o espaço efetivo de hipóteses ainda relevante; P, o paralelismo útil; r, a taxa de geração e teste; e q, a qualidade do processo de seleção, correção e validação. Não é uma equação descritiva da infraestrutura da OpenAI. É uma forma de explicitar por que redução do espaço e paralelismo podem se multiplicar.

Agora imagine duas situações. Na primeira, você me diz: "a solução é X." Você entregou uma resposta. Na segunda: "não sei a solução, mas acredito que a região relevante é esta." Se eu só consigo realizar três experimentos, a segunda informação talvez seja pouco útil. Se consigo realizar milhões, ela muda tudo. Quanto maior a capacidade de busca, menor pode ser a precisão necessária da pista. Isso é fundamental para a HAI.

Talvez eu estivesse esperando um gêmeo complexo demais

No primeiro ensaio eu imaginava um gêmeo digital capaz de explorar futuros plausíveis derivados do meu lastro. Navier–Stokes me obrigou a revisar essa imagem. Talvez o sistema não precise construir um modelo particularmente bom da pessoa. Pode bastar uma representação suficientemente boa de sua direção local.

Não: "qual será a descoberta de Tristan Buckmaster?" Mas: "quais regiões começaram a se tornar mais promissoras para pesquisadores que entendem profundamente esse problema?" Não: "qual será o próximo conceito de Gérson?" Mas: "quais interseções estão recebendo progressivamente mais atenção, quais alternativas ele passou a rejeitar e para onde suas perguntas estão convergindo?"

Isso exige muito menos. E exatamente por exigir menos, pode chegar antes. Podemos pensar a capacidade de antecipação como:

A representa a capacidade de localizar e explorar resultados futuros relevantes; L, o lastro disponível; M, a capacidade do modelo; C, os recursos computacionais; e PI, a política de busca, seleção e validação.

Essas variáveis podem compensar parcialmente umas às outras. Um modelo individual extremamente preciso pode precisar de menos exploração. Um modelo genérico extraordinariamente capaz pode compensar baixa individualização com grande capacidade de busca. Um sistema pode precisar apenas de uma informação adicional que altere sua distribuição de tentativas. Eu estava esperando um clone. Talvez baste uma bússola.

Um esclarecimento de vocabulário, porque abandonar um nome em silêncio é pior que nunca tê-lo usado. No primeiro ensaio chamei provisoriamente de função geradora aquilo que hoje chamo de inferência de trajetória. A troca foi deliberada e não é cosmética. Função geradora me comprometia com uma regularidade estável existindo em mim, esperando ser aproximada, e é exatamente esse objeto que as duas últimas seções desmontaram para chegar na bússola. Inferência de trajetória nomeia o que um sistema faz, e não o que existe dentro de uma pessoa. Recuperar o nome antigo porque ele unifica melhor seria trocar uma descrição operacional por uma ontológica, e desfazer, com uma palavra mais bonita, a correção que este ensaio levou duas seções para conquistar.

A controvérsia precisa permanecer separada da hipótese

É aqui que a história exige cuidado. Na declaração publicada por Buckmaster, ele relata que ficou alarmado ao saber que o resultado interno da OpenAI seguia justamente a rota de formação de singularidade com forçamento suave, que associava ao programa aberto por Córdoba e Martínez-Zoroa e que ele e Alpöge vinham explorando.

Ele escreve que perguntou se o modelo havia sido treinado com, ou tinha acesso às sessões do Codex nas quais haviam colocado os rascunhos do projeto. Diz ter sido informado de que o modelo não consultara dados de usuários e relata não ter obtido, naquele momento, uma resposta específica sobre treinamento. Mas Buckmaster encerra essa parte com uma ressalva indispensável:

"I do not know whether our data was used. I am not accusing anyone of anything."

Tristan Buckmaster

Esse limite precisa permanecer no texto.

Do outro lado, a OpenAI afirma que nenhum dado específico de usuário foi acessado para resolver o problema e que os agentes e pesquisadores não viram o trabalho de Alpöge e Buckmaster antes de sua divulgação. Ao mesmo tempo, a empresa registra que não pode excluir completamente contribuições indiretas de dados desidentificados usados para melhorar seus modelos.

Não temos base pública para transformar essa divergência em sentença. E, curiosamente, minha hipótese não precisa disso. Na verdade, ela fica mais interessante se adotarmos, para o argumento, o cenário mais favorável possível à OpenAI. Suponha que nenhuma conversa privada tenha participado do resultado. Nenhum rascunho. Nenhuma informação confidencial. Nenhum acesso especial.

O que resta? Um sinal de direção entrou na composição de uma decisão de alocação de capacidade. Formulo assim, e não de forma mais forte, por duas razões que convém deixar visíveis. A primeira é que a cronologia é o relato da própria empresa, e não um fato apurado de fora. A segunda é que a própria empresa não atribui a decisão apenas ao rumor: ela credita também o desempenho de um modelo interno. Dizer que o rumor foi "suficiente" seria dizer mais do que a única fonte disponível diz. E, ironicamente, seria o tipo exato de salto que este ensaio passa o tempo todo pedindo que não se dê. O mínimo que se sustenta já basta para o argumento: uma informação grosseira sobre onde olhar figurou entre as razões de apontar uma infraestrutura capaz de mobilizar milhares de agentes, e essa infraestrutura explorou a região numa escala praticamente impossível para um pequeno grupo humano. Isso já é intelectualmente extraordinário.

A Anterioridade Inferencial não precisa causar Navier–Stokes para ser importante

Este ponto é fundamental. O caso Navier–Stokes não é evidência de que a HAI ocorreu ali por meio dos dados daqueles pesquisadores. Seria um salto. Ele é interessante porque ilustra as condições materiais que tornariam a HAI relevante. E é honesto registrar que a descrição dessas condições vem, em boa parte, do relato da própria empresa sobre sua operação, não de verificação independente. Temos, segundo esse relato: processos intelectuais profundamente mediados por IA; rastros longitudinais ricos; modelos cada vez mais capazes; arquiteturas multiagentes; capacidade de busca massivamente paralela; e valor crescente da informação que indica onde concentrar essa busca.

A HAI propõe que, quando o lastro de uma pessoa contém informação adicional sobre regiões futuras de exploração, essa informação pode ser usada antes que a obra correspondente exista. Navier–Stokes mostra por que esse "antes" passou a ter importância prática. Porque encontrar a região e explorá-la deixaram de operar necessariamente na mesma escala.

Anterioridade epistemológica e anterioridade cronológica

Chegamos então à distinção que considero central. Há uma anterioridade de quem percebe. Chamarei de anterioridade epistemológica. E existe uma anterioridade de quem materializa o resultado observável. Chamarei de anterioridade cronológica de materialização.

Durante muito tempo elas estiveram suficientemente próximas para que a primeira frequentemente protegesse a segunda. Quem descobria uma nova direção antes tinha algum tempo para explorá-la. Não garantia publicação. Não garantia patente. Não garantia reconhecimento. A história da ciência é uma coleção impressionante de disputas de prioridade. Mas existia um gargalo compartilhado: depois de encontrar a direção, seus concorrentes também precisavam percorrê-la usando pesquisadores humanos, equipes humanas e dias de vinte e quatro horas.

Agora imagine a condição:

Uma infraestrutura pode materializar um resultado primeiro se recebe informação relevante sobre determinada direção e consegue explorar o espaço residual antes que o agente que originalmente vinha percorrendo aquela região conclua seu próprio trabalho. A desigualdade não implica cópia nem dependência causal.

Isso produz uma situação histórica estranha. Você pode continuar epistemologicamente à frente. E deixar de chegar cronologicamente primeiro. Você percebeu antes. Encontrou a região antes. Talvez tenha descartado noventa caminhos antes. Mas o outro lado dispõe de uma capacidade de exploração capaz de transformar pequena informação em grande busca.

Nesse cenário, "quem chegou primeiro?" começa a exigir outra pergunta: primeiro a quê? A imaginar a direção? A formular o mecanismo? A obter uma demonstração parcial? A formalizar? A publicar? A alocar recursos suficientes para completar o caminho? A ordem tradicional começa a se decompor.

Compressão da anterioridade

Agora podemos nomear o efeito. Se definirmos delta_t_A como o intervalo entre o surgimento de um sinal relevante sobre uma direção e o momento em que outro agente consegue alcançar materialmente aquela região:

delta_t_A representa o intervalo durante o qual uma direção permanece suficientemente exclusiva para produzir vantagem temporal ao agente que a percebeu.

A HAI sugere que, sob certas condições:

À medida que aumenta a informação útil disponível sobre a trajetória e existem recursos suficientes para agir sobre essa informação, a janela de vantagem temporal pode diminuir.

Anterioridade Inferencial e Compressão da Anterioridade não são a mesma coisa. A primeira é legibilidade. A segunda é exploração dessa legibilidade. Uma organização pode conseguir inferir muito sobre onde estou indo e não possuir capacidade para chegar lá. Outra pode possuir enorme capacidade de busca, mas nenhuma informação específica sobre minha trajetória. O fenômeno interessante aparece quando as duas se encontram.

Convém dizer com precisão como as duas se articulam, porque a palavra anterioridade promete mais do que a primeira metade entrega. A condição da anterioridade inferencial é uma afirmação sobre informação: o lastro concentra a distribuição sobre regiões futuras. Ela não diz nada sobre chegar antes. Quem chega antes é a condição de inversão cronológica que escrevi acima, e essa depende de capacidade de exploração, não de leitura. A primeira é necessária para a segunda, e nenhuma das duas basta sozinha. Uma organização pode ler minha direção com precisão excelente e não converter isso em resultado nenhum, porque percorrer o espaço restante continua custando mais tempo do que eu levo para terminar. Juntando a expressão do tempo de busca com a condição de inversão, a fronteira entre os dois casos fica visível: a inversão ocorre quando a capacidade de gerar, testar e validar supera o espaço que ainda resta dividido pelo prazo que ainda tenho. O mesmo sinal, entregue a duas infraestruturas diferentes, produz inversão numa e absolutamente nada na outra. É por isso que saber a direção não é o mesmo que chegar antes, e é por isso que a segunda metade desta hipótese carrega o peso político que a primeira não carrega sozinha.

E aí o segundo ensaio entra na conversa

No dia seguinte ao Vanguardismo Obsoleto, publiquei O problema não é se os senhores serão maus · prosperidade sem soberania.

Leia "O problema não é se os senhores serão maus"

Parecia outro assunto: permanent underclass, automação, patrimônio, tecnofeudalismo, propriedade, soberania. Mas o argumento central era sobre infraestrutura e poder. Eu estava interessado numa possibilidade incômoda: uma estrutura pode oferecer prosperidade e continuar concentrando soberania. A forma mais fácil de imaginar uma distopia é inventar governantes maus. A forma mais interessante é perguntar o que acontece se eles forem bons. Se os serviços funcionarem, se as pessoas viverem melhor, se a infraestrutura for extraordinária, se abrir mão dela implicar perder produtividade, conforto, acesso ou oportunidades. Nesse caso, a dependência não aparece como violência. Aparece como escolha racional.

Esse segundo ensaio retorna inteiro quando pensamos em telemetria cognitiva. Porque a melhor plataforma de pesquisa por IA pode ser justamente aquela na qual é mais racional colocar nossos processos mais íntimos de investigação. Quanto melhor o modelo, mais útil será para rascunhos, problemas incompletos, hipóteses, código, resultados negativos, dúvidas, dados, conversas intelectuais e arquiteturas intermediárias. Quanto mais profundamente ele participa, mais rica pode se tornar a telemetria. Quanto maior o lastro, maior pode ser o potencial de inferência.

Isso não torna a plataforma maligna. Torna a relação estruturalmente interessante.

Assimetria Inferencial

Podemos agora nomear outra camada: assimetria inferencial.

O sistema pode observar parte significativa da minha trajetória. Eu não observo sua trajetória interna na mesma profundidade. A plataforma pode acumular sinais produzidos por milhões de pessoas. Eu vejo a interface. Ela pode possuir modelos internos mais capazes do que os que disponibiliza. Eu não sei antecipadamente quais capacidades serão ativadas amanhã. Ela pode estudar meu padrão de interação. Eu não consigo estudar, com resolução equivalente, como minhas interações entram na evolução da infraestrutura.

Isso não é necessariamente violação de privacidade. É diferença de posição. Soberania e privacidade não são sinônimos. Uma relação pode respeitar rigorosamente regras de confidencialidade e continuar profundamente assimétrica quanto à capacidade. O usuário possui sua pesquisa; a infraestrutura possui o cluster. O usuário possui suas perguntas; a infraestrutura possui os milhares de agentes. O usuário pode controlar seus arquivos; a infraestrutura controla quando uma nova capacidade de fronteira será colocada sobre determinado problema.

Isso nos leva exatamente ao segundo ensaio: prosperidade não é soberania. Posso me tornar dez vezes mais capaz usando uma ferramenta e, simultaneamente, tornar-me mais dependente de uma infraestrutura cuja capacidade cresce cem vezes. As duas coisas podem ocorrer ao mesmo tempo. O corredor melhora. A pista também.

É aqui que a Rainha Vermelha volta. No primeiro ensaio recorri à imagem de Leigh Van Valen, derivada de Lewis Carroll, para pensar vantagem relativa: Alice corre e descobre que todo aquele esforço serve para continuar no mesmo lugar. Minha aplicação sempre foi analógica. Mudança intelectual individual não é evolução darwiniana, atualização de modelos não é seleção natural. O que me interessa é a dinâmica de posição relativa. Podemos representá-la:

G_t representa a vantagem relativa no momento t; h_t, o avanço humano produzido no período; e a_t, a capacidade externa de reduzir a distância mediante novos modelos, lastro, inferências e exploração. Se a_t cresce tanto quanto h_t, uma pessoa pode se tornar cada vez mais produtiva e não ganhar distância. Pode produzir mais ciência, escrever melhor, programar mais, explorar mais áreas. E, ao mesmo tempo, preservar uma janela de exclusividade cada vez menor.

Esse é o paradoxo. A IA não precisa empobrecer o pesquisador. Pode torná-lo extraordinariamente melhor. O corredor fica mais rápido. Mas a pista começa a se mover. Esse é o ponto em que Anterioridade Inferencial encontra Vanguardismo Obsoleto.

O valor da vanguarda talvez sempre tenha incluído tempo

A palavra "originalidade" nos faz olhar para conteúdo. Mas existe outra dimensão. Uma ideia pode continuar sendo sua. A autoria pode permanecer sua. A contribuição pode permanecer historicamente reconhecida. E ainda assim perder parte importante de seu valor estratégico se a janela entre sua descoberta e a capacidade dos outros de alcançá-la encolher. Podemos escrever:

V_A representa a parcela do valor estratégico associada a estar à frente, e delta_t_A, a duração dessa vantagem. Não é uma lei econômica geral. É uma maneira de explicitar que parte do valor da vanguarda depende do tempo durante o qual ela permanece difícil de alcançar.

Isso varia brutalmente por domínio. Em pesquisa fundamental, meses podem significar prioridade científica. Em biotecnologia, uma janela pode significar patente. Em software, seis meses podem significar mercado. Em estratégia empresarial, semanas podem alterar uma decisão de investimento. Em escrita ou teoria, chegar antes pode definir quem estabelece a linguagem através da qual todo mundo discutirá o fenômeno depois.

A HAI sugere que a telemetria cognitiva pode, em determinados contextos, contribuir para reduzir essa janela antes da obra existir. É isso que torna a tese diferente de uma discussão tradicional sobre cópia.

A fronteira não precisa ser roubada

"Roubo" é uma metáfora confortável porque oferece um objeto. Eu tinha alguma coisa. Você pegou. Agora você possui aquilo que antes estava comigo.

Informação é menos educada. Você pode receber uma pista e eu continuar possuindo a pista. Pode inferir uma direção e eu continuar caminhando nela. Pode chegar ao mesmo território e minha contribuição continuar existindo. Nada precisou desaparecer das minhas mãos.

O que pode desaparecer é uma coisa mais abstrata: o período durante o qual chegar àquela região dependia quase exclusivamente da minha trajetória. A fronteira continua lá. Eu continuo perto dela. Talvez eu tenha sido a primeira pessoa a perceber o caminho. Mas a vantagem produzida por isso foi comprimida. É por isso que a fronteira não precisa ser roubada para deixar de ser inteiramente sua como vantagem.

E a unidade escassa talvez passe a ser a pergunta

Existe ainda uma consequência econômica. Passamos muito tempo tratando respostas como escassas. Especialistas eram valiosos porque sabiam responder perguntas difíceis. Modelos generativos estão tornando a produção de candidatos barata: texto, código, hipóteses, planos, possíveis provas, alternativas de projeto.

Se consigo gerar milhões de respostas, gerar deixa de ser o gargalo. Selecionar volta a ser. Qual hipótese merece mais recursos? Qual anomalia aparentemente pequena deveria ser investigada? Qual direção fracassou por um detalhe e qual fracassou porque está estruturalmente errada? Onde alocar os próximos 130 bilhões de tokens?

Quando a capacidade de gerar e testar cresce, informação sobre onde procurar pode se tornar particularmente valiosa. Isso muda o significado econômico de uma trajetória intelectual. Um pesquisador não produz apenas artigos. Produz sinais de atenção. Um especialista que insiste numa região improvável está dizendo alguma coisa. Alguém que abandona uma abordagem depois de meses também. Um grupo que começa subitamente a perguntar por uma classe específica de problemas está emitindo informação.

A telemetria cognitiva pode, então, ultrapassar personalização. Pode se tornar inteligência de alocação de busca. Essa é uma forma de poder muito diferente de saber quais tênis quero comprar.

Como psicólogo, é justamente aqui que coloco o freio

Se eu estivesse pensando apenas como engenheiro, poderia parar na eficiência preditiva. Não posso. Pessoas não são distribuições estacionárias.

Essa frase é particularmente importante para mim como clínico. O comportamento de uma pessoa em determinado período não é uma essência. Um modelo longitudinal pode ser melhor que uma fotografia e continuar errado. Pode congelar uma versão antiga da pessoa. Pode transformar uma fase de sofrimento numa identidade preditiva. Pode tomar um padrão contextual como traço. Pode confundir aquilo que foi frequente com aquilo que continuará sendo provável. Pode produzir profecias autorrealizáveis ao começar a tratar alguém de acordo com aquilo que inferiu dela.

A clínica ensina uma coisa que modelos de recomendação prefeririam esquecer: interagir com uma pessoa pode modificar a própria distribuição que você está tentando prever. Não somos objetos observados de fora. Respondemos às previsões. Podemos resistir a elas. Incorporá-las. Negá-las. Usá-las para mudar.

Portanto, a HAI não afirma que uma representação longitudinal descubra "a verdadeira pessoa". A hipótese é operacionalmente mais limitada. Pergunta apenas se determinados rastros melhoram a capacidade de localizar regiões futuras acima de um baseline relevante. E essa condição precisa ser testada.

Se a hipótese não puder fracassar, não temos hipótese

A HAI precisa gerar previsões falsificáveis.

Um experimento básico poderia comparar dois sistemas. O primeiro recebe apenas material público produzido por determinado pesquisador. O segundo recebe o mesmo material mais um histórico longitudinal de correções, rascunhos, decisões e caminhos abandonados. Depois pedimos a ambos que estimem regiões futuras de exploração, não textos exatos. Se o segundo não tiver desempenho superior, uma parte importante da HAI enfraquece.

Podemos variar a quantidade de lastro. Talvez cem eventos sejam inúteis. Mil acrescentem pouco. Dez mil produzam ganho. Ou talvez a curva estabilize rapidamente e a maioria do histórico seja apenas ruído. Podemos variar o tempo: talvez o lastro preveja três semanas e seja inútil para seis meses. Podemos variar o domínio: talvez funcione extraordinariamente em programação, razoavelmente em investigação científica e muito mal em criação literária.

Podemos comparar com modelos genéricos. Uma condição particularmente importante que já aparecia no primeiro ensaio. Se um modelo sem qualquer lastro individual consegue gerar as mesmas regiões futuras, não precisamos da HAI para explicar o fenômeno. A capacidade pode ser real e a individualização irrelevante.

Podemos testar novidade. Prever que um pesquisador de Navier–Stokes continuará estudando Navier–Stokes não impressiona ninguém. A hipótese se torna interessante quando o lastro melhora a previsão de mudanças não triviais de direção.

Há um confundidor que precisa entrar no desenho, sob pena de o experimento medir a coisa errada. Um sistema que estima para onde alguém vai e ao mesmo tempo conversa com essa pessoa pode acertar não porque leu a trajetória, mas porque a produziu: recomendou uma leitura, sugeriu uma analogia, deixou de oferecer três alternativas. Predizer e induzir produzem a mesma métrica de acerto e são fenômenos opostos. Separá-las exige que o sistema que estima não seja o sistema que interage, que a estimativa fique lacrada até a materialização, e idealmente que exista um braço em que a estimativa é produzida e nunca devolvida ao ambiente do pesquisador. Sem esse cuidado, uma infraestrutura suficientemente influente exibirá desempenho preditivo excelente sem que nada da HAI seja verdadeiro. E convém dizer o incômodo por inteiro: se a indução for o mecanismo dominante, a hipótese perde como epistemologia e ganha como problema de soberania, porque a questão deixa de ser quem consegue ler a fronteira e passa a ser quem consegue movê-la.

Falta ainda a metade mais difícil, e seria desonesto não dizer. Tudo o que descrevi acima testa apenas a anterioridade inferencial: se o lastro melhora a localização de regiões. Não testa a compressão da anterioridade, que é a parte da hipótese que carrega quase todo o peso político do ensaio. E essa segunda metade é bem mais resistente ao experimento: exigiria medir se a janela entre perceber uma direção e outra pessoa alcançá-la está de fato encolhendo, o que significa acompanhar disputas de prioridade ao longo de anos, em vários domínios, contra uma linha de base histórica que ninguém coletou. Enquanto isso não existir, a compressão permanece uma conjectura plausível apoiada em casos ilustrativos, e não deve ser tratada com a mesma confiança que a primeira metade. Um argumento não fica mais forte porque suas duas partes foram enunciadas na mesma frase.

Uma observação final sobre o que "fracassar" significa aqui, porque o título desta seção promete mais do que a hipótese pode entregar. A HAI é probabilística: afirma que um ganho existe, não que ele apareça em todo caso. Uma hipótese assim não é refutada por um experimento decisivo. É desconfirmada por graus, à medida que os ganhos medidos encolhem em domínios sucessivos até deixarem de compensar o custo de coletar o lastro. Isso é mais frágil do que uma falsificação limpa, e é o que existe. Prefiro registrar a fragilidade a fingir um rigor popperiano que a hipótese não tem.

Preciso ser explícito quanto a um ponto que não deve ficar implícito: não realizei nenhum desses experimentos. Não disponho de dados que respondam a essas perguntas, e não conheço trabalho publicado que as tenha respondido para o tipo de lastro que descrevo aqui. O que apresento é um desenho de teste, não um resultado. Enquanto ele não for executado, a HAI permanece uma conjectura plausível: categoria bem mais fraca do que "hipótese sustentada por evidência", e é nessa categoria mais fraca que peço que ela seja lida.

Essas distinções importam porque estou propondo uma hipótese, não tentando fundar uma igreja.

Não precisamos chamar toda inferência de propriedade

Mesmo que a HAI seja corroborada, não podemos saltar diretamente para "logo, qualquer inferência feita sobre mim deve ser minha propriedade". A conclusão não segue.

Humanos inferem trajetórias uns dos outros há milênios. Um orientador prevê para onde o trabalho de um estudante está indo. Um competidor lê papers e tenta adivinhar a próxima pesquisa de um laboratório. Um editor conhece tão bem um escritor que percebe para onde o livro está caminhando. Nada disso começou com IA.

O que muda é a combinação de quatro características: intimidade, persistência, escala e capacidade de exploração. Um colega pode conhecer bem minhas ideias; uma plataforma pode participar de milhares de interações. Um orientador acompanha dezenas de pesquisadores; uma infraestrutura atende milhões de pessoas. Um competidor pode explorar algumas hipóteses; um sistema pode lançar milhares de agentes.

É essa combinação que produz a questão de soberania. Não "sou dono de tudo que alguém consegue imaginar sobre mim?". Mas: quais obrigações surgem quando a mesma infraestrutura que participa intimamente do meu processo intelectual possui capacidade privilegiada para transformar sinais desse processo em vantagem inferencial e operacional? Essa pergunta é mais difícil. Também é melhor.

Lastro, Modelo, Soberania, Governança e Mercado

A arquitetura que propus no Vanguardismo Obsoleto continua de pé. Lastro pergunta quais registros sustentam as capacidades. Modelo pergunta o que consegue ser inferido ou produzido a partir deles. Soberania pergunta quem decide quais usos são permitidos. Governança pergunta como essas decisões são impostas, verificadas e auditadas. Mercado pergunta quem captura o valor.

A HAI permite inserir novas etapas entre essas camadas:

Convém dizer o que essas setas são, porque um diagrama cobra do leitor uma confiança que ele não sabe que está dando. Cinco setas ligam seis caixas, e elas não têm todas o mesmo preço. Duas não custam nada, e digo isso sem constrangimento: a passagem da telemetria cognitiva ao lastro é a Equação 2, isto é, o lastro foi definido como o que se acumula do fluxo de telemetria, e não há travessia ali, há uma definição; e a passagem da inferência de trajetória à anterioridade inferencial é o nome que dou à inferência quando ela chega antes, e não um resultado que decorre dela. Definição não pode fracassar, e o que não pode fracassar não sustenta nada. As outras três correm risco de verdade, e o texto já declarou o risco de cada uma nas seções anteriores: a inferência de trajetória a partir do lastro é conjectura, na categoria mais fraca que peço que se leia; a exploração em escala apoia-se no caso Navier–Stokes como ilustração limítrofe, não como prova; e a compressão da anterioridade é a metade da hipótese que ainda não tem experimento e que enunciei como tal. Quem lê a cadeia de cima a baixo conta cinco travessias e tende a creditar cinco. Eu paguei duas, condicionalmente, e defini o caminho por cima de outras duas. A cadeia não é uma demonstração encadeada. É um mapa em que dois trechos são estrada e três são hipótese sinalizada.

Quando essa compressão se torna recorrente e estrutural, chegamos ao fenômeno cultural descrito pelo primeiro ensaio:

E quando uma das partes possui muito mais capacidade de produzir e explorar essas inferências do que a outra, encontramos o problema do segundo:

Os três textos começam, portanto, a formar uma única arquitetura.

O vanguardismo pode sobreviver e ainda assim se tornar obsoleto

Talvez a parte mais importante desta hipótese seja aquilo que ela não prevê. Não estou dizendo que humanos deixarão de criar. Pode ocorrer exatamente o contrário. Talvez estejamos entrando no período de maior produção intelectual da história. Um pesquisador poderá fazer em três anos o que exigiria uma carreira. Uma pequena equipe poderá explorar problemas que antes exigiam um instituto. Um psicólogo poderá atravessar neurociência e engenharia com assistentes capazes de preencher lacunas técnicas que antes tornariam essa travessia lenta demais.

Eu mesmo sou beneficiário desse processo. Este ensaio dificilmente teria tomado esta forma nesta velocidade sem sistemas generativos. Esse fato torna a hipótese mais interessante, não menos. A tecnologia que aumenta minha capacidade é a mesma que torna possível registrar parcelas muito mais densas do processo através do qual exerço essa capacidade.

O paradoxo não é IA versus humano. É humano ampliado por IA dentro de uma infraestrutura ainda mais ampliada por IA. O corredor recebe um exoesqueleto. A pista ganha motores. É perfeitamente possível que todos corram mais rápido enquanto as distâncias relativas diminuem.

Três dias

Há uma coisa quase cômica na sequência temporal que produziu este ensaio.

No domingo publiquei um texto perguntando quais futuros plausíveis de uma pessoa poderiam ser explorados computacionalmente antes que ela própria os percorresse. Na segunda publiquei outro perguntando quem preservaria propriedade, mobilidade e soberania quando a infraestrutura tecnológica passasse a organizar parcelas crescentes da vida econômica. Na terça uma empresa de inteligência artificial anunciou que, depois de ouvir um rumor sobre movimento numa fronteira matemática, mobilizara (segundo seu próprio relato, que ninguém de fora auditou) uma arquitetura da ordem de dez mil agentes e, cerca de 88 horas depois do início do esforço, obtivera aquilo que afirma ser uma solução para Navier–Stokes.

Ao mesmo tempo, dois matemáticos que haviam utilizado sistemas de IA profundamente dentro de sua própria trajetória de pesquisa publicavam uma descrição detalhada dessa colaboração e levantavam perguntas legítimas sobre a relação entre seus dados e o esforço posterior da empresa.

Não sei como essa controvérsia terminará. Não preciso saber para escrever isto. Porque o caso não demonstra a HAI. Ele demonstra por que precisamos saber se ela é verdadeira.

A hipótese em sua forma mais simples

Depois de psicologia, neurociência, computação, gêmeos digitais, Navier–Stokes, dez mil agentes e algumas equações, a tese pode parecer complicada. Talvez não seja. Ela cabe numa sequência bastante simples.

Quando pensamos com sistemas digitais, deixamos rastros do processo: telemetria cognitiva. Se esses rastros persistem, acumulam história: lastro. Se o lastro melhora a estimativa de regiões futuras de exploração, aparece anterioridade inferencial. Se alguém possui capacidade de explorar essas regiões mais rapidamente do que o agente original consegue materializá-las, ocorre compressão da anterioridade. Se isso se torna estrutural, estar intelectualmente à frente compra cada vez menos tempo: vanguardismo obsoleto. E se a capacidade de fazer tudo isso estiver concentrada em infraestruturas sobre as quais o indivíduo possui pouco poder: assimetria inferencial e problema de soberania.

É essa a hipótese. Não que as máquinas lerão nossas mentes. Não que saberão exatamente aquilo que criaremos. Não que a OpenAI tenha obtido Navier–Stokes a partir dos rascunhos de matemáticos. Não temos evidência para nenhuma dessas afirmações.

A pergunta é muito mais modesta. E talvez exatamente por isso seja mais séria: quanto uma máquina precisa aprender sobre a direção de uma trajetória humana para que uma infraestrutura suficientemente poderosa possa explorar a região à frente antes que a própria pessoa chegue lá?

A fronteira não precisa ser roubada para deixar de ser sua

Volto então ao título. Talvez "deixar de ser sua" também seja propositalmente impreciso. O conhecimento continua sendo seu. Sua autoria pode continuar sendo sua. Sua contribuição histórica pode continuar sendo reconhecida. Ninguém precisa apagar seu nome.

O que deixa de ser exclusivamente seu é outra coisa: a vantagem produzida pela distância que você havia aberto. Durante séculos tratamos essa distância como consequência quase natural da vanguarda. Você percebe algo antes. Ganha algum tempo. Trabalha. Publica. Os outros alcançam depois.

A Hipótese da Anterioridade Inferencial pergunta se esse intervalo pode se transformar em variável computacional. Se telemetria produz lastro. Se lastro reduz incerteza. Se redução de incerteza orienta busca. Se busca massivamente paralela transforma direção em resultado. Então a vantagem da vanguarda deixa de depender apenas de quão longe você consegue enxergar. Passa a depender também de quanta informação você produz enquanto olha e quem possui capacidade para agir sobre ela.

Como psicólogo, isso me incomoda porque comportamento produz informação sobre quem age. A neurociência me ensinou a desconfiar de qualquer passagem direta desse tipo de informação para acesso transparente à mente. E a engenharia da computação me ensinou que sistemas não precisam compreender completamente aquilo que exploram para extrair regularidades úteis. Nenhuma dessas formações torna verdadeira a hipótese que proponho: elas explicam de onde vêm minhas desconfianças, não fornecem aval ao argumento. O argumento continua tendo de se sustentar pelo que ainda não foi testado nele. E, como psicólogo clínico, há uma última coisa que não consigo deixar de acrescentar: pessoas continuam mudando.

Esse talvez seja nosso maior limite e também nossa maior vantagem. Um gêmeo congelado envelhece. Uma previsão pode falhar. Uma trajetória pode se quebrar. Podemos nos tornar alguma coisa que nenhum histórico anterior antecipava bem. Mas até essa capacidade de mudar produz novos rastros quando a mudança acontece dentro das mesmas infraestruturas.

A Rainha Vermelha volta. Corremos. O modelo observa. Mudamos. O lastro muda. Corremos outra vez.

Talvez o desafio não seja impedir a corrida. Talvez seja decidir quem governa aquilo que a corrida ensina.

No domingo eu perguntei quais futuros plausíveis de uma pessoa podem ser explorados antes que ela própria os percorra. Agora consigo formular uma pergunta anterior: quanto dessa pessoa realmente precisamos conhecer para perceber para onde ela começou a ir? E o texto de segunda acrescenta a pergunta política: quem possui a infraestrutura capaz de agir sobre essa inferência?

Foi Navier–Stokes que fez as duas perguntas colidirem.

Talvez uma das questões centrais da soberania cognitiva no século XXI não seja proteger apenas nossos dados, nem apenas nossas obras, nem sequer os modelos construídos de nós. Talvez precisemos aprender a governar o valor informacional produzido pelo processo de ainda estar pensando.

Porque a fronteira não começa quando publicamos aquilo que encontramos. Ela começa muito antes. Começa quando escolhemos uma direção. E, pela primeira vez, talvez haja máquinas suficientes olhando para as pegadas.

Gérson Neto · HumanOS Institute · Ensaios teóricos e elucubrações