Pioneiros da IA defendem modelos abertos contra o oligopólio das Big Techs

Durante a conferência Ai4, realizada em Las Vegas, três das figuras mais proeminentes da pesquisa em inteligência artificial — o vencedor do Prêmio Nobel Geoffrey Hinton, a CEO e cofundadora da World Labs, Fei-Fei Li, e o cofundador da Coursera, Andrew Ng — alinharam-se publicamente em defesa da manutenção do acesso aberto às tecnologias de IA. A manifestação conjunta surge em um momento no qual iniciativas como o projeto Pacing the Frontier e grandes laboratórios proprietários pressionam por maior controle sobre a distribuição de modelos, tratando arquiteturas de pesos abertos (open-weight) como uma ameaça à segurança global.

A principal motivação do trio na Ai4 foi o receio de que um punhado de grandes corporações de tecnologia passe a ditar o ritmo da inovação e do progresso científico. Ao traçar um paralelo direto com a indústria móvel, onde Apple e Google exercem controle quase absoluto sobre os sistemas operacionais, os pesquisadores alertaram que a concentração do ecossistema de inteligência artificial nas mãos de poucas empresas pode limitar drasticamente o que é construído sobre essas plataformas.

O cientista Andrew Ng enfatizou o impacto direto desse tipo de centralização para a sociedade e para o desenvolvimento de software. Em sua intervenção durante o evento em Las Vegas, o especialista alertou que a criação de barreiras de entrada compromete a democratização dos ecossistemas digitais em escala global.

“Eu não quero que existam guardiões. Isso limita a forma como todos nós podemos acessar a IA”, declarou Andrew Ng durante o painel da conferência Ai4.

O risco do oligopólio corporativo

De acordo com os debatedores da Ai4, as grandes empresas de tecnologia possuem incentivos financeiros claros para proteger suas vantagens competitivas, utilizando inclusive ações de lobby governamental para moldar as regulamentações do setor. Esse movimento cria uma dinâmica na qual apenas corporações com capital massivo mantêm a capacidade de construir e operar os sistemas de IA mais avançados do planeta, sufocando startups e instituições de pesquisa independentes.

Para mitigar a formação de um monopólio no setor de inteligência artificial, Andrew Ng defendeu a necessidade de preservar um ambiente com múltiplos provedores, onde diferentes modelos e empresas compitam livremente. A preservação da diversidade tecnológica, segundo o fundador da Coursera, é a única garantia de que a sociedade não ficará refém de decisões corporativas unilaterais.

“Se eu tivesse que dar uma única receita, seria promover a abertura, porque a IA é uma tecnologia incrível e eu quero que ela esteja nas mãos de todos”, pontuou Andrew Ng no palco da Ai4 em Las Vegas.

Apesar da convergência quanto à necessidade de evitar guardiões corporativos, os palestrantes divergiram sobre os limites técnicos e de segurança dessa abertura. A discussão envolveu a diferenciação exata entre a disponibilização de código-fonte tradicional e o lançamento público de parâmetros treinados em modelos de grande escala.

Diferença entre open-source e open-weights

O cientista Geoffrey Hinton estabeleceu uma distinção técnica crucial entre o software de código aberto tradicional (open-source) e os modelos de pesos abertos (open-weight). Enquanto o open-source permite que a comunidade inspecione e corrija linhas de código para solucionar falhas, a liberação de pesos abertos entrega ao público os parâmetros numéricos resultantes do treinamento de uma rede neural profunda.

“Open source é ótimo. Você mostra o código para as pessoas, e muitas pessoas olham as linhas de código e dizem: ‘Ah, há um bug aqui’. Pesos abertos significam que você treina um modelo grande e depois entrega os pesos para as pessoas. Isso é muito diferente”, explicou Geoffrey Hinton durante sua participação na Ai4.

A grande preocupação de Geoffrey Hinton reside no desequilíbrio econômico entre o custo de treinamento inicial e o custo de modificação de um modelo. Enquanto o treinamento de um modelo de fundação exige dezenas de milhões de dólares e infraestrutura computacional maciça, a modificação posterior (fine-tuning) exige investimentos irrisórios, o que facilita o uso malicioso da tecnologia por agentes mal-intencionados.

“Eu era contra pesos abertos porque isso torna muito fácil para as pessoas pegarem esses grandes modelos de fundação, que são muito caros para treinar, e, por muito menos dinheiro, treiná-los para fazer coisas ruins, como ataques cibernéticos”, afirmou Geoffrey Hinton em Las Vegas.

Apesar de suas ressalvas em relação à segurança cibernética, o próprio Geoffrey Hinton reconheceu na conferência Ai4 que os modelos de pesos abertos tornaram-se uma realidade irreversível na indústria. Com a proliferação dessas arquiteturas, a barreira financeira que antes impedia o acesso amplo a modelos de linguagem e visão computacional foi definitivamente destruída.

“Acho que essa batalha foi perdida. Agora temos modelos de pesos abertos, então a barreira para que muitas pessoas obtenham esses grandes modelos, que era o custo de treinamento dos modelos de fundação, desapareceu. É tarde demais”, admitiu Geoffrey Hinton.

Regulação e o papel corporativo

A aceitação da presença inevitável dos modelos open-weight não significa ignorar os riscos existenciais ou operacionais da IA. Para Geoffrey Hinton, a inteligência artificial continuará avançando e trazendo benefícios concretos em setores essenciais como saúde, educação e produtividade industrial, mas requer supervisão pública rigorosa e desacoplada dos interesses dos executivos do setor de tecnologia.

O ganhador do Prêmio Nobel rebateu as críticas de que alertas sobre os perigos da superinteligência representariam alarde injustificado. Para Geoffrey Hinton, abordar o comportamento de agentes inteligentes que superem a capacidade humana é uma responsabilidade científica básica que não deve ser descartada como alarmismo.

“Preocupar-se com os possíveis efeitos nocivos da IA e com as coisas que seres inteligentes podem fazer quando forem mais inteligentes do que nós: não acho que isso seja injusto. Acho injusto rotular qualquer pessoa que pense assim como um disseminador do medo”, destacou Geoffrey Hinton no evento Ai4.

No tocante à governança, Geoffrey Hinton defendeu que a regulamentação estatal é a única forma de direcionar a inteligência artificial para o benefício coletivo. O pesquisador rejeitou explicitamente a ideia de delegar o futuro da tecnologia à autorregulamentação promovida por líderes da indústria de tecnologia como Elon Musk, da xAI e Tesla, ou Mark Zuckerberg, CEO da Meta.

“O que queremos fazer é desenvolver a IA em uma direção que ajude as pessoas, e a regulamentação nos ajudará a fazer isso. Você não pode deixar para pessoas como Elon Musk e Mark Zuckerberg decidirem como a IA deve ser feita”, cravou Geoffrey Hinton.

Geopolítica e poder de influência

A perspectiva trazida por Andrew Ng abordou o impacto geopolítico da disputa entre modelos abertos e fechados. Para o cofundador da Coursera, o fator decisivo no mercado global não é apenas a segurança estática de um modelo, mas quem detém o controle do acesso e qual ecossistema vence a batalha pela eficiência de custos e pela adoção em massa.

O especialista alertou para a expansão acelerada de modelos open-weight desenvolvidos na China, que ganham adesão maciça em países emergentes da Ásia, África e outras regiões em desenvolvimento. Caso os modelos chineses se tornem a infraestrutura padrão nesses mercados devido ao custo reduzido, eles passarão a mediar o acesso de bilhões de pessoas a conceitos fundamentais como democracia, liberdade e direitos humanos.

De acordo com Andrew Ng, as intensas campanhas de lobby e o clima de alarmismo em Washington têm prejudicado o desenvolvimento de iniciativas open-source nos Estados Unidos, criando uma desvantagem competitiva direta frente aos avanços vindos de laboratórios chineses.

“Uma coisa que espero que façamos é incentivar a competitividade americana e a IA de código aberto. Acontece que a IA é uma fonte tremenda de soft power. Você pode ver a forma como o modelo da China tem uma conquista enorme com a África, por exemplo. Mas minha preocupação é que, devido a todo o lobby nos EUA e à disseminação do medo, a construção de IA open-source na América esteja lutando para competir com os modelos de pesos abertos vindos da China”, explicou Andrew Ng na Ai4.

A analogia da física nuclear

Contrepondo a visão polarizada do debate, a CEO da World Labs, Fei-Fei Li, rejeitou a divisão simplista da inteligência artificial entre abertura total e fechamento absoluto. A pesquisadora argumentou que sistemas de software complexos e ecossistemas científicos exigem abordagens em camadas com diferentes níveis de transparência e controle.

“É muito perigoso transformar isso em uma dicotomia entre abertura completa até o fim contra fechamento completo. Em sistemas de software complexos, bem como em sistemas científicos, é muito mais matizado”, afirmou Fei-Fei Li durante a conferência em Las Vegas.

Para ilustrar sua tese, Fei-Fei Li utilizou o exemplo histórico do desenvolvimento da física nuclear: enquanto os artigos científicos e equações teóricas são publicados abertamente na literatura acadêmica, o elemento químico urânio é rigidamente regulado e fiscalizado pelos governos, enquanto as atividades de laboratório operam em um nível intermediário de supervisão.

Outro precedente histórico citado pela executiva da World Labs foi o Projeto Genoma Humano. A iniciativa pública e privada mapeou a infraestrutura genética da humanidade e disponibilizou o conhecimento como uma plataforma aberta sobre a qual empresas farmacêuticas puderam lucrar, cientistas puderam avançar e a sociedade pôde se beneficiar de novos tratamentos de saúde.

“Portanto, acho que temos que usar a IA como esse tipo de infraestrutura. Precisamos de alguns níveis de abertura, seja na descoberta científica, na educação, em parcerias globais, bem como em modelos de negócios lucrativos para empreendedores. Mas também aceitaremos sistemas de código fechado. Esse debate, especialmente no nível varrido de ‘só podemos tolerar um’, é um debate falso. Precisamos chegar a um nível de nuance”, defendeu Fei-Fei Li na Ai4.

Impactos para os países emergentes

As reflexões apresentadas em Las Vegas por Andrew Ng, Geoffrey Hinton e Fei-Fei Li têm implicações diretas para ecossistemas tecnológicos em desenvolvimento, como o Brasil e a América Latina. A disponibilidade de modelos de pesos abertos reduz a dependência de infraestruturas proprietárias controladas por gigantes do Vale do Silício como Google ou Apple, permitindo que empresas e desenvolvedores locais adaptem ferramentas avançadas de IA às suas necessidades regulatórias e linguísticas locais sem custos proibitivos de licenciamento.

Por outro lado, o alerta sobre a hegemonia de modelos chineses em regiões como a África e a Ásia reforça o papel estratégico que o acesso aberto desempenha no soft power global. A dependência de modelos fechados das Big Techs norte-americanas ou de arquiteturas abertas vindas de Pequim coloca os mercados emergentes diante do desafio de fomentar suas próprias capacidades de infraestrutura de dados e supercomputação para não atuarem apenas como meros consumidores de tecnologia alheia.

A discussão travada na conferência Ai4 deixa evidente que o futuro da inteligência artificial não será definido por posições absolutistas. Entre o pragmatismo regulatório de Geoffrey Hinton, a visão de competitividade geopolítica de Andrew Ng e o modelo em camadas proposto por Fei-Fei Li, a indústria da tecnologia caminha para um cenário onde a convivência entre ecossistemas abertos e proprietários será a chave para garantir inovação contínua, segurança cibernética e soberania digital.