Durante anos, os críticos da inteligência artificial apontaram com razão que os modelos de linguagem eram meros papagaios estocásticos: sistemas hábeis em predizer a próxima palavra com base em bilhões de parâmetros estatísticos, desprovidos de modelos de mundo ou capacidade de reflexão deliberada.
No entanto, a consolidação dos modelos de raciocínio profundo baseados em aprendizado por reforço durante a inferência (o chamado test-time compute) mudou drasticamente o panorama. Agora, os sistemas gastam segundos ou minutos 'pensando', testando hipóteses, descartando becos sem saída e revisando premissas antes de fornecer uma resposta final.
A virada do raciocínio reflexivo
Experimentos recentes em olimpíadas internacionais de matemática e problemas não resolvidos de teoria dos grafos demonstraram que essas arquiteturas não apenas memorizam padrões conhecidos, mas descobrem formulações elegantes e contra-intuitivas que escaparam a especialistas humanos por décadas. A grande questão científica que resta responder é: isso pode ser chamado de intuição?
