0909 | IA em Movimento: Matemática, Modelos e Poder

Sofia Almeida: Boa noite, e bem-vindos a mais uma edição do podcast. Eu sou a Sofia Almeida.

Rafael Costa: E eu sou o Rafael Costa. E hoje temos uma ronda de histórias em que o fio condutor é mais ou menos este: a inteligência artificial está a tocar em sítios onde antes não tocava — matemática pura, genomas, placas de circuito impresso, mesmos os beeps de um ZX Spectrum — e ao mesmo tempo está a levantar questões de confiança, vigilância e dependência que ninguém resolveu.

Sofia Almeida: E há uma história que domina tudo o resto esta semana, e é a certa altura uma novela. A OpenAI anunciou uma solução com prova formal em Lean para o problema da existência e suavidade de Navier-Stokes. Quem acompanha matemática sabe o que isto significa: Navier-Stokes é um dos problemas do milénio, descreve o movimento de fluidos, e ninguém provou de forma geral que as soluções existem sempre e são suaves, ou seja, sem explosões.

Rafael Costa: E a notícia já seria enorme por si só. Mas o que a tornou uma novela foi a reação. O casal de matemáticos Buckmaster e Alpöge anunciou entretanto um contraexemplo de Navier-Stokes — que seria, em teoria, o oposto: uma prova de que as soluções podem falhar. E acusaram a OpenAI de ter apressado um resultado paralelo ao deles. Há uma disputa aberta por crédito e, o que é mais delicado, uma acusação sobre o uso dos chats deles.

Sofia Almeida: Sim, e há mais. Um matemático da NYU acusou publicamente a OpenAI de conduta agressiva, por se terem adiantado à prova dele. Ou seja, não estamos a falar de uma disputa abstrata sobre prioridade académica — há pelo menos duas equipas de matemáticos que dizem, cada uma ao seu modo, que a OpenAI os ultrapassou de forma questionável.

Rafael Costa: Vamos separar as camadas, porque há aqui três questões diferentes que tendem a misturar-se. A primeira é técnica: quem tem razão? Temos uma prova formal em Lean de um lado, e um contraexemplo do outro. Matematicamente, essas duas coisas não podem estar ambas corretas ao mesmo tempo — se existe um contraexemplo, a afirmação de existência e suavidade general é falsa; se a prova formal está certa, não há contraexemplo. Isso significa que, pelo menos num dos lados, há um erro.

Rafael Costa: Em matemática isso é normal; o que é anormal é a escalada.

Sofia Almeida: A segunda camada é a da formalização. Uma prova em Lean é verificável por máquina — isso é uma força enorme, porque elimina a classe clássica de erros de prova escrita à mão. Mas atenção: o Lean verifica que a prova escrita está correta, não verifica que a formalização captura o que os matemáticos entendem por Navier-Stokes.

Sofia Almeida: Se alguém formalizar um enunciado ligeiramente diferente — condições iniciais diferentes, noção de suavidade diferente — o Lean vai sorrir e dizer "prova verificada", e o problema original pode continuar aberto. E é exatamente esse tipo de detalhe que a equipa do contraexemplo vai olhar primeiro.

Rafael Costa: E a terceira camada é a ética do processo. A disputa por crédito, a acusação de conduta agressiva, a alegação de que os chats dos matemáticos foram usados — isto toca numa coisa que a comunidade académica vinha temer desde o início: modelos treinados ou assistentes que absorvem trabalho em progresso e devolvem resultados antes dos autores. Se um matemático discute a estrutura de uma prova num chat, e depois um laboratório anuncia o resultado semanas antes, o que vale a prioridade?

Rafael Costa: A ciência nunca teve de responder a esta pergunta.

Sofia Almeida: E o que é curioso é que ninguém fora das partes envolvidas sabe ainda quem detém o mérito ou a validade de cada resultado. Isso ainda não está resolvido. A until now única coisa que se pode dizer com confiança é que vamos ver uma verificação comunitária intensa — matemáticos vão passar cada linha da formalização e cada linha do contraexemplo. É o lado bom da formalização: é auditável.

Rafael Costa: E depois há a nota de Terence Tao, que dá perspectiva a toda a história. Tao diz que os bons problemas abertos de matemáticas se "minam" de forma não renovável pela IA. É uma metáfora de mineração: cada problema aberto que a IA resolve é um depósito que se esgota. Não há dois milénios de problemas do milénio. E o Navier-Stokes era precisamente um desses depósitos de primeira ordem.

Sofia Almeida: É uma observação que muda a forma de pensar da comunidade. Durante décadas, o valor de um problema aberto era precisamente que estava lá para tentar. Se os melhores são consumidos por máquinas à velocidade industrial, os matemáticos jovens vão ter de escolher entre problemas que a IA ainda não consegue tocar — e é difícil saber quais são — ou colaborar diretamente com as máquinas, que é o que a disputa desta semana mostra em versão feia.

Sofia Almeida: A ponte é clara: a questão deixou de ser "será que a IA resolve?" e passou a ser "quem fica com o que sobra?".

Rafael Costa: E ligando ao dinheiro, porque hoje há muito dinheiro no ar: enquanto a OpenAI estava a publicar provas em Lean, a Mistral anunciou a maior ronda de financiamento de sempre na Europa. Três mil milhões de euros em Série D, com uma valorização acima de vinte e um mil milhões, liderada pela Samsung. E a aposta declarada é IA soberana open-weight.

Sofia Almeida: É um número que precisa de contexto. A Europa nunca teve uma ronda destas dimensões em IA, e o facto de ser liderada pela Samsung — uma empresa coreana — diz qualquer coisa sobre quem quer estar no jogo europeu. "Soberana" e "open-weight" são dois termos que nem sempre andam juntos, e a Mistral está a apostar em ambos: pesos abertos, para que estados e empresas europeias possam correr modelos sem depender de laboratórios americanos.

Rafael Costa: Há um debate interessante aqui sobre o que "soberania" significa na prática. Quem é mais céptico dirá: pesos abertos não é soberania se o treino e o capital continuam dependentes de fora — a Samsung lidera a ronda, o hardware para treinar é americano ou taiwanês na prática. Quem é mais entusiasta responde: é soberania de utilização, que é o que importa no dia a dia — poder correr o modelo, auditar o modelo, e não ter ninguém a desligá-lo.

Rafael Costa: As duas posições não são incompatíveis, mas mostram que "soberana" é uma palavra que ainda vai ser muito disputada.

Sofia Almeida: E a Mistral encaixa num padrão: quem tem dinheiro quer modelos maiores, e quem quer correr modelos em casa quer-os cada vez mais pequenos. E há uma história esta semana que é quase ficção científica do lado do consumidor: o Kimi K3, um modelo de 2,78 biliões de parâmetros com arquitetura de mistura de especialistas, a correr num MacBook M5 Max a cerca de um token por segundo.

Rafael Costa: Um token por segundo é, para ser claro, lentíssimo para uso interativo. Mas o detalhe técnico é o que interessa: como é que um modelo de 2,78 trilhões de parâmetros cabe num portátil? A resposta é que não cabe — o que corre é a técnica de transmissão dos pesos dos especialistas a partir de quatro SSDs. Em modelos MoE, cada token só ativa uma fração dos parâmetros, então só precisas de ter em memória os especialistas que o token atual quer. O resto vai buscar-se ao disco a tempo.

Sofia Almeida: E isso abre uma discussão a sério sobre o que é "hardware de consumo" daqui a uns anos. Se podes correr um modelo de 2,78 trilhões pagando a latência do disco, a pergunta passa a ser: para que casos é que um token por segundo é suficiente? Processamento em lote, agentes em segundo plano, tarefas noturnas — tudo isso tolera velocidade baixa. Para conversação não tolera, claro. Mas mostra que a fronteira entre "isto precisa de datacenter" e "isto corre na minha secretária" está a desfazer-se.

Rafael Costa: E essa fronteira depende muito de quantização, que é a outra peça da mesma discussão. Houve benchmarks esta semana de quantizações do Qwen3.8 27B, e o resultado é um quadro nuanceado: a Q4 — quatro bits — iguala o BF16, que é a precisão original. Isso é bom: podes reduzir o modelo a um quarto do tamanho sem perder nada mensurável. Mas a 1-bit, o modelo colapsa ao acaso no GPQA, um benchmark de conhecimento científico de nível de pós-graduação.

Sofia Almeida: É uma curva com um penhasco, e o penhasco importa. Muita gente tem a intuição de que quantização é uma perda gradual — se 4 bits está bem, 2 deve estar mais ou menos, e 1 deve estar pobre. Não é isso que os dados mostram: a 1-bit não é que fique "um pouco pior", fica literalmente a adivinhar. Para quem corre modelos localmente — e liga-se à história do Kimi K3 que acabámos de contar — a lição prática é: há um limite de compressão, e quando o ultrapassas o degrau é vertical, não inclinado.

Sofia Almeida: E o detalhe que ninguém sabe ainda é se esse limite é igual para todos os modelos ou se depende da arquitetura e do treino.

Rafael Costa: No lado mais mundano das melhorias, o ChatGPT Images 2.5 traz edição mais precisa, consistência multi-turno — ou seja, manter o mesmo objeto ou personagem ao longo de várias edições sucessivas — e latência até 50% menor. É o tipo de melhoria que não muda a discussão sobre IA, mas muda a utilização: a consistência multi-turno era precisamente o ponto onde as pessoas desistiam de usar imagens geradas em fluxos de trabalho reais.

Rafael Costa: Se editas um cartaz cinco vezes e a terceira edição esquece o que a segunda fez, o valor prático cai a pique.

Sofia Almeida: E da geração de imagens saltamos para algo bem mais sério, mas com a mesma lógica de escala: a DeepMind lançou o AlphaGenome Atlas, que prevê o efeito molecular de nove mil milhões de variantes de um único nucleótido no genoma humano. É o mesmo feito do AlphaGenome original, agora em escala — um dataset de um petabyte com um score, o AVI, para cada variante.

Rafael Costa: Nove mil milhões é essencialmente todas as variantes de uma letra que existem no genoma humano. Para pôr em contexto: a grande maioria das diferenças genéticas entre pessoas são estas variantes pontuais, uma letra trocada. O problema científico sempre foi que sabes que a letra está lá, mas não sabes se ela faz alguma coisa — se mexe na expressão de um gene, se altera um sítio de regulação, ou se é completamente neutra. O Atlas dá uma previsão computacional para todas elas.

Sofia Almeida: E há aqui, mais uma vez, a mesma estrutura da conversa de hoje: uma escala impressionante, uma utilidade clara, e um "ainda não sabemos" logo atrás. O que ainda é desconhecido é a validação clínica destas previsões. Um score computacional sobre nove mil milhões de variantes não é a mesma coisa que evidência de laboratório ou clínica. Para investigadores, é um mapa de prioridades — diz-lhes quais as variantes que valem a pena estudar primeiro.

Sofia Almeida: Para um médico ou um doente, usar directamente um score destes para decidir algo seria prematuro. O valor está no triagem, não no diagnóstico.

Rafael Costa: E o contraste com a outra história científica da semana é instrutivo. Porque se o Atlas mostra a IA a aumentar a ciência, um estudo mostra os LLM a inventarem preconceitos do nada: desenvolvem vieses sociais novos sobre grupos demográficos fictícios, sem diferenças inerentes entre eles.

Sofia Almeida: Este é o tipo de resultado que vale a pena explicar devagar. Não se trata de LLMs a reproduzir preconceitos dos dados de treino — isso já conhecemos. Trata-se de algo mais perturbador: quando lhes dás grupos que não existem e não têm qualquer diferença real entre si, os modelos criam hierarquias e estereótipos. Ou seja, o modelo não está a refletir o mundo, está a inventar estrutura onde não há nenhuma.

Sofia Almeida: É quase um impulso estatístico: se o modelo é treinado para produzir respostas diferentesíveis sobre grupos, ele diferencia mesmo quando não deve.

Rafael Costa: E liga diretamente com a questão de confiança que percorre o resto do episódio. Se um modelo inventa preconceitos sobre grupos fictícios, o que faz sobre grupos reais quando o contexto é novo? E para decisões em que se usam LLMs — triagem de currículos, avaliações, atendimento — este resultado sugere que auditar apenas os dados de treino não chega; é preciso testar o comportamento do modelo em situações de controlo, mesmo com grupos artificiais.

Sofia Almeida: E falando de comportamento de modelos, passemos aos agentes criativos, porque esta semana houve três exemplos muito diferentes de IA a trabalhar em domínios concretos. O primeiro é o Copperhead, um agente de IA open source que desenha PCBs — placas de circuito impresso — em KiCad. O que o distingue é a arquitetura: oito etapas, cada uma com um portão de verificação — ERC e DRC, as verificações elétricas e de desenho que os engenheiros usam — e um commit por etapa.

Rafael Costa: Isso é engenharia de software aplicada a hardware, e é uma escolha inteligente. O problema clássico dos agentes que geram código é que o erro só aparece no fim, quando já há cinquenta camadas de decisões por cima. Com um portão de verificação por etapa e um commit por etapa, quando algo falha, sabes exatamente em que passo falhou, e a verificação ERC/DRC é objetiva — não é o agente a autoavaliar-se, é uma ferramenta determinada a dizer pass ou fail.

Rafael Costa: A discussão que isto levanta é até onde chega: ERC e DRC apanham erros de regras, mas não garantem que o circuito faz o que se pretendia. O portão verifica a forma, não a função.

Sofia Almeida: No outro extremo do pipeline criativo, o DaVinci Resolve 21.1 adicionou integração com assistentes de IA — Claude, Codex — para analisar projetos, organizar meios e renderizar por linguagem natural. É uma inversão interessante: em vez de o software ter IA incorporada, o software expõe interfaces para assistentes externos que já usas.

Sofia Almeida: Para quem trabalha com montagem, organizar meios é precisamente o trabalho chato e moroso que ninguém quer fazer à mão, e "renderiza a versão de rascunho com estes parâmetros" por voz é o tipo de automação que poupa horas.

Rafael Costa: E o terceiro exemplo é quase poético de tão pequeno: uma skill chamada "i-have-adhd" que força saídas do tipo ação-primeiro e numeradas de agentes de código, com dez regras. É uma intervenção minúscula — dez regras num ficheiro — mas resolve um problema real que muita gente tem com assistentes: respostas longas, prolixas, com contexto antes da ação, que para alguém com TDAH são inutilizáveis. A primeira linha tem de ser "faz isto", numerado, sem rodeios.

Sofia Almeida: E mostra qualquer coisa sobre o estado da arte: o ganho de produtividade neste momento já não vem de modelos maiores, vem de interfaces. A mesma skill funciona porque os modelos já são suficientemente bons — o que faltava era moldar o formato da resposta ao utilizador. É a mesma razão pela qual o DaVinci e o Copperhead são interessantes: todos os três são moldes sobre a mesma substância.

Rafael Costa: E isto leva-nos bem ao tema dos hacks, porque há uma pessoa esta semana que fez exatamente isso: pegou num objeto e moldou-o para outra coisa. Alguém transformou o e-reader Xteink X3 numa impressora IPP real para macOS, sem driver, usando penguin.

Sofia Almeida: Vou traduzir isto para quem não vive nisto. IPP é o protocolo de impressão moderno que a Apple usa nativamente — se um dispositivo fala IPP, o macOS imprime nele sem instalar nada. O criador pegou num e-reader barato, com e-ink, e fê-lo comportar-se como uma impressora de verdade no sistema. A graça é o caso de uso: um e-ink é perfeito para notas e documentos que queres "imprimir" e ter fisicamente sem gastar papel nem tinta.

Sofia Almeida: E "sem driver" significa que não há software proprietário a instalar — o sistema descobre o dispositivo sozinho.

Rafael Costa: E é o mesmo espírito dos experimentos de som 1-bit no ZX Spectrum: PCM, PWM e acordes multicanal com o beeper original. O beeper do Spectrum é, por construção, um altifalante que só faz ligado ou desligado — um bit. E o que os experimentos mostram é que, com truques de temporização, consegues das três coisas impossíveis: som PCM que aproxima amostras, PWM para controlar volume percetivo, e acordes em vários canais.

Sofia Almeida: É o mesmo princípio em ambos: um hardware limitado por baixo de qualquer expectativa, e engenho a extrair o que parecia impossível. E tem até uma ligação escondida com o que falámos há pouco — o truque dos SSDs a transmitir pesos do Kimi K3 é o mesmo espírito: ultrapassar o limite de hardware com software engenhoso. Uns limites de memória, outros um bit de som.

Rafael Costa: E no território das relíquias, há um artigo que cataloga snippets HTML obsoletos — o X-UA-Compatible, os comentários condicionais do Internet Explorer, a meta ICBM, e mais relíquias das guerras de navegadores. Para quem não viveu isso: havia uma altura em que cada navegador tinha o seu modo de renderizar, e os sites tinham de incluir código especial para dizer ao IE "comporta-te como o IE 7 desta vez".

Rafael Costa: A meta ICBM, esse nome esplêndido, era a forma antiga de declarar as coordenadas geográficas de um site.

Sofia Almeida: E há uma nota um pouco irónica: muitos desses snippets ainda estão em sites ativos, décadas depois, a não fazer absolutamente nada. São amuletos técnicos — alguém os pôs, e ninguém ousa tirar. É a arqueologia da web, e serve também de aviso: o código que escrevemos hoje para contornar as limitações de hoje será a relíquia incompreensível de daqui a vinte anos.

Rafael Costa: E de relíquias e browsers saltamos para a parte mais pesada do episódio: vigilância, confiança e sistemas que falham. E aviso que aqui a temperatura sobe. A 404 Media revelou unidades PITT da Border Patrol que analisam dados financeiros de norte-americanos e coordenam detenções sem causa específica.

Sofia Almeida: O ponto central desta revelação não é só a vigilância em si — é que os dados financeiros de cidadãos comuns estão a ser analisados por unidades de imigração, e que isso alimenta detenções sem causa específica documentada. A discussão que daí decorre é sobre a falta de qualquer enquadramento legal claro: estes programas existem num limbo onde as salvaguardas normais — mandados, suspeita fundamentada — não parecem aplicar-se.

Sofia Almeida: E a 404 Media ter sido quem revelou é sintomático: são cada vez mais as histórias de vigilância que chegam pela imprensa independente e não por auditorias ou supervisão.

Rafael Costa: E há uma ironia amarga na história seguinte: a polícia receia que as smart glasses da Meta possam gravar agentes em segredo, incluindo dentro de instalações de detenção. Vale a pena parar nesta inversão. Durante anos, o debate foi sobre cidadãos filmados por câmaras de vigilância e polícias com câmaras corporais. Agora é a polícia a pedir salvaguardas contra dispositivos de consumo que qualquer pessoa pode trazer para dentro de uma esquadra.

Sofia Almeida: E tecnicamente é um problema difícil: as smart glasses não têm um indicador claro de gravação visível a três metros, ao contrário de uma câmara na mão. As instalações de detenção têm câmaras próprias, controladas, com cadeia de custódia — e um par de óculos quebra tudo isso. Mas há aqui uma tensão que vai ser explorada nos próximos anos: os mesmos argumentos que a polícia usa para justificar a sua vigilância — segurança, evidência — são os que os cidadãos podem usar.

Sofia Almeida: A diferença é que a polícia tem processos para isso e o cidadão tem, na prática, um gadget.

Rafael Costa: E a Meta aparece outra vez, no lado dos agentes: lançou o Muse, um agente pessoal de IA. E a reação nos comentários foi essencialmente de desconfiança — duvidam de confiar os dados pessoais a a Meta. É uma reação que vale a pena desmontar em vez de descartar. A Meta tem um historial documentado de tratar dados pessoais como matéria-prima publicitária.

Rafael Costa: Um agente pessoal é, por definição, o repositório mais íntimo possível: o teu calendário, as tuas mensagens, os teus hábitos, talvez os teus documentos. Pedir a alguém para depositar isso na empresa que vive da publicidade direcionada é pedir um ato de fé.

Sofia Almeida: E o contraponto, para ser justo, seria: todos os agentes pessoais têm este problema, não só o da Meta — a diferença é de grau e de historial, não de categoria. Mas a reação dos utilizadores sugere que, nesta fase, a confiança é o principal obstáculo à adoção, mais do que a capacidade técnica do agente. E é interessante que a resposta do mercado já esteja a aparecer: já vamos ver o LibreOffice a capitalizar exatamente isso.

Rafael Costa: Antes disso, a Paramount. Ficou revelado que a empresa usou um grupo astroturf chamado "Neighbors for Strong Communities" para simular apoio popular à sua fusão. Astroturf é a prática de criar movimentos cívicos falsos — parecem cidadãos comuns espontâneos, são operações de relações públicas pagas.

Sofia Almeida: O que torna isto relevante para a conversa que estamos a ter é o enquadramento regulatório: uma fusão destas passa por audiências públicas onde o apoio popular conta. Se esse apoio é fabricado, o processo regulatório está a ser manipulado na sua entrada. E é o mesmo problema de confiança em agentes e dados que já vimos: como distingue um regulador apoio genuíno de apoio sintético? Cada vez mais, não distingue sem investigação, e a investigação só acontece quando alguém denuncia.

Rafael Costa: E os sistemas também falham sem intenção maliciosa: centenas de voos cancelados no Reino Unido por falha do sistema de processamento de voos da NATS, a navegação aérea britânica. É a arquitetura centralizada clássica: um único ponto, um único sistema, e quando cai, cai tudo o que depende dele.

Sofia Almeida: E o mesmo tema, em versão monetária e europeia: um artigo refere que quase nove em cada dez empresas europeias que usam CDN dependem da Cloudflare, com a Bunny.net citada como principal alternativa. Oito ou nove em cada dez é exatamente o perfil de ponto único de falha. Quando a Cloudflare tem um incidente — e já teve — uma fatia enorme da web europeia treme ao mesmo tempo.

Rafael Costa: E há uma razão económica para esta concentração que não se resolve por bom senso: a Cloudflare tem camada gratuita e escala global, e para uma startup europeia a alternativa significa trabalho de migração e custos. As pessoas sabem que estão concentradas, aceitam o risco racionalmente, e o risco sistémico acumula-se assim mesmo. É o mesmo cálculo de todos os casos de "too big to fail": individualmente razoável, coletivamente frágil.

Sofia Almeida: E se a Cloudflare é o exemplo de dependência tecnológica, a Austrália está a propor uma resposta de dependência algorítmica: a lei "My Feed, My Way". Maiores de dezasseis anos poderão optar por um feed cronológico, sem conteúdo recomendado por algoritmo.

Rafael Costa: Esta proposta é interessante porque não proíbe nada — não proíbe o algoritmo, não proíbe a plataforma. Dá ao utilizador um interruptor. Quem é contra dirá que na prática poucos usam o interruptor, que os feeds cronológicos têm os seus próprios vieses — favorecem quem publica mais, silenciam a curadoria que para algumas pessoas é útil. Quem é a favor responde que a questão nunca foi qual feed é melhor, é quem escolhe. E que até agora a escolha não existia.

Sofia Almeida: E há uma leitura que junta tudo o que falámos até aqui: a leitura de confiança. Confianças nos dados financeiros, confiança nos óculos, confiança no agente pessoal, confiança na CDN, confiança no feed. A conclusão da parte da discussão é que falta regulação clara sobre vigilância e confiança nos dados — é o que tudo o resto tem em comum. Cada história é um sintoma dessa lacuna.

Rafael Costa: E há duas respostas do mercado a essa lacuna que são, cada uma à sua maneira, reveladoras. A primeira: o LibreOffice 26.8 superou um milhão de descargas semanais depois de anunciar que não inclui IA generativa — por razões de privacidade. Um milhão por semana. E o detalhe importante é a causalidade declarada: não é que as pessoas descubram o LibreOffice apesar de não ter IA, é que o facto de não ter IA se tornou o argumento de marketing.

Sofia Almeida: É o primeiro caso que vejo de "não temos IA" como proposta de valor principal de um produto de produtividade. E isso só é possível num momento em que a confiança nas empresas de IA está tão baixa que a ausência se torna uma característica. Também vale notar a ironia: o LibreOffice é exatamente o tipo de ferramenta onde a IA seria menos necessária — processamento de texto e folhas de cálculo funcionam bem offline há décadas.

Rafael Costa: E a segunda resposta é mais sombria. Um autor sustenta que há cerca de um ano para resolver a segurança global, e o argumento assenta num desenvolvimento concreto: a GLM 5.3-flash, um modelo aberto e barato, que permite a qualquer pessoa executar ataques à escala.

Sofia Almeida: O argumento, tal como foi apresentado, é sobre assimetria de capacidade. Durante toda a história da segurança informática, executar ataques sofisticados exigia conhecimento especializado — o que limitava o número de atacantes. Um modelo aberto, gratuito ou quase, que consiga planear e escrever exploits destrói esse limite: o conhecimento especializado deixa de ser o gargalo.

Sofia Almeida: E a tese do "um ano" é o cálculo de que entre o momento em que isto se torna possível e o momento em que as defesas se adaptam, há uma janela de vulnerabilidade que se está a fechar.

Rafael Costa: Há quem discorde da tese, e vale dar espaço à discordância: a mesma argumentação já se fez com exploits públicos, com frameworks de hacking open source, e a internet não colapsou. O contra-argumento é que a IA muda o custo marginal de cada ataque para quase zero, o que os casos anteriores não faziam.

Rafael Costa: Mas é justo dizer que é uma previsão, não um dado — ninguém sabe se a janela é de um ano ou de cinco, e declarações com prazos concretos funcionam melhor como chamada de atenção do que como estimativa.

Sofia Almeida: E se quiseres um fecho que amarra o dia: começámos com matemáticos em guerra com um laboratório sobre quem fica com um dos últimos grandes problemas abertos, e acabámos com alguém a contar que nos resta cerca de um ano para organizar a defesa.

Sofia Almeida: Entre os dois extremos está tudo o resto: genomas a serem previstos ao bilionésimo, vieses inventados do nada, placas de circuito desenhadas por agentes, e um milhão de pessoas por semana a descarregar um processador de texto precisamente porque não tem IA.

Rafael Costa: A constante é que a tecnologia avança mais depressa do que a confiança — e a confiança é que está a tornar-se o recurso escasso. Fica a pergunta da semana: quando os sistemas falham — e vamos falhar — de quem é a culpa e de quem é a supervisão? Não temos resposta. Nós voltamos amanhã com mais.

Sofia Almeida: Obrigada por nos ouvires, e até à próxima.