O que é AGI? Como a inteligência artificial geral é definida e por que as previsões divergem

O que é AGI?

Inteligência artificial geral (AGI) é um tipo hipotético de IA capaz de lidar com uma ampla variedade de tarefas intelectuais em nível humano ou acima dele, em vez de se destacar em uma única tarefa restrita, como tradução ou xadrez. Toda definição séria compartilha essa ideia de generalidade, mas os detalhes variam: um artigo de pesquisa de 2025 começa argumentando que a falta de uma definição concreta obscurece a distância entre a IA especializada de hoje e a cognição de nível humano ^[3].

Três versões amplamente citadas mostram essa variedade:

• Econômica: a Carta da OpenAI define AGI como “sistemas altamente autônomos que superam os humanos na maior parte do trabalho de valor econômico” ^[1].
• Por níveis: pesquisadores do Google DeepMind avaliam os sistemas em dois eixos, profundidade da capacidade (desempenho) e amplitude (generalidade), e descrevem a AGI como um caminho com níveis, e não como uma única linha de chegada ^[2].
• Psicométrica: um artigo de 2025 liderado por Dan Hendrycks define AGI como igualar a versatilidade e a proficiência cognitivas de um adulto com boa formação, e a testa em dez domínios cognitivos ^[3].

Alguns líderes evitam a palavra por completo. O diretor-executivo da Anthropic, Dario Amodei, chama AGI de termo impreciso, carregado de bagagem de ficção científica e de exagero, e prefere “IA poderosa”, que ele descreve como mais inteligente do que um ganhador do Prêmio Nobel na maioria das áreas relevantes ^[4].

Em que a AGI difere da IA atual e da superinteligência?

Os chatbots atuais são de uso geral, mas irregulares. O International AI Safety Report 2026 observa que os sistemas mais avançados alcançaram desempenho de medalha de ouro em questões da Olimpíada Internacional de Matemática enquanto ainda falhavam em algumas tarefas aparentemente simples ^[13]. Superinteligência significa ir além do nível humano; nos níveis da DeepMind, a camada geral mais alta recebe o nome de Superinteligência Artificial (ASI), e o desempenho Sobre-humano é definido como superar 100% dos humanos ^[2].

Quais são os níveis de AGI?

O artigo “Levels of AGI”, de Meredith Ringel Morris, Shane Legg e colegas do Google DeepMind, publicado nos anais da ICML 2024, propõe uma estrutura para classificar modelos de AGI e seus precursores, pensada como uma linguagem comum para comparar sistemas e acompanhar o progresso ^[2]. Ele estabelece seis princípios, entre eles julgar a AGI pelo que um sistema consegue fazer, e não por como funciona, concentrar-se em tarefas cognitivas e metacognitivas, e não físicas, e tratar a AGI como um caminho, e não como um ponto final ^[2].

Seus níveis de IA geral são ^[2]:

1. Emergente: igual ou um pouco melhor do que uma pessoa sem qualificação. O artigo cita ChatGPT, Bard, Llama 2 e Gemini como exemplos.
2. Competente: pelo menos no 50º percentil de adultos qualificados.
3. Especialista: pelo menos no 90º percentil de adultos qualificados.
4. Excepcional: pelo menos no 99º percentil de adultos qualificados (chamado de “Virtuoso” em versões anteriores).
5. Sobre-humano: supera 100% dos humanos.

Um artigo de segurança do Google DeepMind de 2025 parte dessa escala e se concentra na AGI Excepcional, que define como um sistema que iguala ou supera o 99º percentil de adultos qualificados em uma ampla variedade de tarefas não físicas ^[10].

Como os pesquisadores medem o progresso rumo à AGI?

Como as definições diferem, os critérios de medida também diferem. Duas iniciativas recentes ilustram as abordagens.

Uma “pontuação de AGI” cognitiva

A estrutura liderada por Hendrycks adapta baterias de testes psicométricos humanos à IA e as fundamenta na teoria de Cattell-Horn-Carroll sobre as capacidades cognitivas humanas ^[3]. Ela informa pontuações de AGI de 27% para o GPT-4 e de 57% para o GPT-5 ^[3]. Os autores descrevem um perfil “irregular”: desempenho forte em áreas que exigem muito conhecimento, mas deficiências críticas em capacidades fundamentais, especialmente no armazenamento de memória de longo prazo ^[3]. A pontuação depende dos domínios e das ponderações escolhidos pelos autores, então é a medida de um grupo de pesquisa, não uma nota oficial.

Quebra-cabeças fáceis para as pessoas

O benchmark do ARC Prize, o ARC-AGI, é descrito por seus organizadores como uma medida de generalização a partir de poucos exemplos em tarefas inéditas ^[14]. Na competição de 2025, com o conjunto de dados ARC-AGI-2, 1.455 equipes enviaram 15.154 submissões, e a maior pontuação chegou a 24% no conjunto de avaliação privado ^[14]. Os organizadores apresentaram uma prévia do ARC-AGI-3, que acrescenta tarefas interativas que testam exploração, planejamento, memória e aquisição de objetivos ^[14].

Os benchmarks têm uma fraqueza conhecida: o relatório do ARC Prize argumenta que o raciocínio dos modelos de fronteira é limitado pela cobertura de seu conhecimento, o que cria novas formas de contaminação dos benchmarks ^[14]. O International AI Safety Report acrescenta que os métodos para estimar como e quando surgem novas capacidades continuam pouco confiáveis ^[13].

Quando a AGI vai chegar, segundo os líderes da IA?

As previsões públicas de líderes de empresas são declarações de crença, não evidências, e muitas vezes usam definições diferentes. Em 3 de novembro de 2026, elas abrangem um amplo intervalo:

• Sam Altman (OpenAI) escreveu em janeiro de 2025: “Agora temos confiança de que sabemos como construir a AGI como tradicionalmente a entendemos” ^[5].
• Dario Amodei (Anthropic) escreveu em outubro de 2024 que a IA poderosa poderia chegar já em 2026, embora pudesse levar muito mais tempo ^[4]. Em janeiro de 2025, ele disse à CNBC que uma IA melhor do que quase todos os humanos em quase todas as tarefas poderia surgir em dois ou três anos ^[6].
• Demis Hassabis (Google DeepMind) disse em março de 2025 que a AGI, que ele descreveu como um sistema capaz de exibir todas as capacidades complexas que os humanos têm, começaria a surgir nos próximos cinco a 10 anos ^[6].
• A equipe de segurança do Google DeepMind escreveu em abril de 2025 que tem muita incerteza sobre os prazos, mas considera plausível que sistemas de IA poderosos sejam desenvolvidos até 2030 ^[10].
• Yann LeCun, que deixou a Meta para fundar a startup AMI, disse à MIT Technology Review em janeiro de 2026 que os grandes modelos de linguagem não conseguem realmente raciocinar nem planejar porque não têm um modelo do mundo, e que a IA de nível humano não vai acontecer no ano que vem nem daqui a dois anos e não será construída sobre LLMs ^[7].
• Robin Li (Baidu) disse em 2024 que a AGI está a mais de 10 anos de distância, segundo a CNBC ^[6].

O que dizem as pesquisas com pesquisadores de IA?

As pesquisas com pesquisadores são um contraponto útil às previsões dos executivos, embora também meçam opiniões, e não fatos.

A maior delas é uma pesquisa com 2.778 pesquisadores que haviam publicado nos principais eventos de IA, divulgada por Katja Grace e colegas em 2024 ^[8]. Os participantes deram 10% de chance de as máquinas superarem os humanos em todas as tarefas possíveis até 2027 e 50% de chance até 2047, data 13 anos anterior à da pesquisa de 2022 da mesma equipe ^[8]. Para que todas as ocupações humanas se tornem totalmente automatizáveis, a estimativa de 50% foi 2116 ^[8].

A Association for the Advancement of Artificial Intelligence (AAAI) ouviu 475 participantes, cerca de dois terços do meio acadêmico, para o relatório de seu Painel Presidencial de 2025 ^[9]. Nessa pesquisa, 76% disseram que ampliar a escala das abordagens atuais de IA tem pouca ou muito pouca probabilidade de levar à AGI ^[9]. A maioria dos participantes (77%) priorizou projetar sistemas com uma relação risco-benefício aceitável em vez de perseguir diretamente a AGI, e 70% se opuseram a interromper a pesquisa em AGI até que existam mecanismos de segurança completos ^[9].

Os dois resultados não precisam ser contraditórios: os pesquisadores podem esperar uma IA muito capaz em algumas décadas e, ao mesmo tempo, duvidar de que os métodos atuais, apenas ampliados, cheguem lá ^[8][9].

Por que os especialistas divergem sobre a AGI?

Várias divergências distintas estão embutidas no debate sobre a AGI:

• Definições. Um teste baseado em trabalho de valor econômico ^[1], um percentil de adultos qualificados ^[2] e um perfil psicométrico ^[3] podem dar respostas diferentes sobre o mesmo sistema.
• Métodos. Alguns líderes esperam que as abordagens atuais continuem melhorando rapidamente ^[5], enquanto LeCun argumenta que são necessárias novas arquiteturas baseadas em modelos do mundo ^[7] e a maioria dos participantes da pesquisa da AAAI duvida que apenas o aumento de escala funcione ^[9].
• Capacidades desiguais. Sistemas que se destacam em matemática difícil ainda podem falhar em tarefas simples, o que torna difícil um veredito único ^[13]. A estrutura de Hendrycks encontra a mesma irregularidade ^[3].
• A própria previsão. O International AI Safety Report diz que há uma incerteza considerável sobre a velocidade do progresso futuro e que os resultados até 2030 podem ir de melhorias modestas a ganhos rápidos, segundo análises da OCDE ^[13].
• Incentivos. A AGI tem significado contratual e comercial para algumas empresas, como mostram os acordos entre Microsoft e OpenAI ^[11][12], de modo que declarações públicas podem ter peso nos negócios.

Por que a definição de AGI importa para os negócios?

O exemplo mais claro é a parceria entre a Microsoft e a OpenAI. Pelo acordo anunciado em 28 de outubro de 2025, qualquer declaração de AGI pela OpenAI deveria ser verificada por um painel independente de especialistas ^[11]. Os direitos da Microsoft sobre os modelos e produtos da OpenAI foram estendidos até 2032, seus direitos de propriedade intelectual sobre pesquisas durariam até que o painel verificasse a AGI ou até 2030, o que ocorresse primeiro, e a Microsoft ganhou o direito de buscar a AGI de forma independente ^[11].

As empresas mudaram de rumo de novo em 27 de abril de 2026. A CNBC informou que os pagamentos de participação na receita da OpenAI à Microsoft agora estão sujeitos a um teto total e continuam até 2030 “independentemente do progresso tecnológico da OpenAI”, que a Microsoft não precisa mais definir sua resposta caso a OpenAI declare a AGI e que a licença de propriedade intelectual da Microsoft até 2032 deixou de ser exclusiva ^[12]. O episódio mostra que “AGI” funcionou tanto como gatilho jurídico quanto como objetivo científico, e que seu papel contratual pode ser renegociado.

Quais são os benefícios e os riscos de buscar a AGI?

Benefícios alegados

• Amodei prevê que a biologia e a medicina impulsionadas por IA poderiam comprimir em 5 a 10 anos o progresso que os biólogos humanos fariam nos próximos 50 a 100 anos, e descreve a IA poderosa como um “país de gênios em um data center” ^[4].
• A missão declarada da OpenAI é que a AGI beneficie toda a humanidade ^[1].

Riscos e preocupações

• O artigo de segurança do Google DeepMind agrupa os riscos da AGI em mau uso, desalinhamento, erros e riscos estruturais, e se concentra em danos graves o bastante para prejudicar significativamente a humanidade ^[10].
• O International AI Safety Report observa que alguns pesquisadores e líderes de empresas consideram a perda de controle uma possibilidade séria, enquanto outros consideram esses cenários implausíveis ^[13].
• Na pesquisa da AAAI, 82% dos participantes disseram que os sistemas de AGI desenvolvidos por entidades privadas deveriam ser de propriedade pública ^[9].

O que vem a seguir?

Espere mais tentativas de definir o termo com testes, e não com slogans: estruturas como os níveis da DeepMind ^[2] e a pontuação de AGI de Hendrycks ^[3], e novos benchmarks como o ARC-AGI-3 ^[14]. Espere também que cada novo lançamento de modelo reacenda alegações e contra-alegações, porque as definições continuam em disputa ^[2][3].

O que ainda não se sabe

• Se ampliar a escala dos métodos atuais continuará trazendo ganhos, algo de que a maioria dos participantes da pesquisa da AAAI duvida ^[9].
• Se lacunas fundamentais, como a memória de longo prazo, podem ser fechadas rapidamente ^[3].
• Se as previsões dos pesquisadores, que se anteciparam 13 anos entre a pesquisa de 2022 da equipe de Grace e a mais recente ^[8], vão continuar mudando.

Uma leitura prática para quem não é especialista: diante de qualquer afirmação de que “a AGI chegou” ou de que “a AGI é impossível”, pergunte primeiro qual definição está sendo usada e que evidências a sustentam.