Estudo da Apple mostra que IA falha em tarefas complexas, indicando limites atuais dos grandes modelos de raciocínio. Entenda o impacto para o futuro da IA.
A evolução da inteligência artificial (IA) tem sido marcada por avanços rápidos e promessas de um futuro onde máquinas podem raciocinar de forma quase humana. No entanto, um estudo recente conduzido por pesquisadores da Apple traz uma perspectiva diferente e alerta para os limites fundamentais dos sistemas avançados de IA, conhecidos como Grandes Modelos de Raciocínio (LRMs, na sigla em inglês).
Segundo o relatório, publicado no final de maio de 2025, os pesquisadores descobriram que, apesar dos modelos de IA modernos serem capazes de solucionar problemas simples e moderadamente complexos com eficiência, eles enfrentam colapsos completos de precisão quando são desafiados com tarefas mais sofisticadas. Isso sugere uma barreira estrutural no desenvolvimento da IA como conhecemos hoje, com possíveis implicações para a tão almejada Inteligência Artificial Geral (IAG).
Principais descobertas do estudo da Apple
O grupo de pesquisadores da Apple testou alguns dos modelos de IA mais conhecidos do mercado, incluindo sistemas desenvolvidos por OpenAI, Google, Anthropic e DeepSeek. Eles propuseram tarefas de raciocínio progressivamente mais complexas, fornecendo inclusive algoritmos prontos que deveriam levar à resposta correta. No entanto, à medida que a complexidade aumentava, os modelos simplesmente falhavam — não apenas errando o resultado, mas reduzindo o esforço lógico necessário para chegar à resposta, o que os pesquisadores classificaram como um comportamento paradoxal.
Os LRMs mostraram desempenho consistente apenas em tarefas de baixa e média complexidade, mas, conforme o nível de dificuldade subia, os resultados despencavam. O artigo aponta que esse comportamento representa um desafio profundo, já que indica que não basta treinar modelos maiores ou adicionar mais dados para alcançar saltos significativos em raciocínio complexo.
Especialistas comentam as limitações dos modelos de IA
Figuras respeitadas no campo da inteligência artificial, como o pesquisador Gary Marcus e Andrew Rogoyski, da Universidade de Surrey (Reino Unido), analisaram o estudo e ressaltaram a gravidade das descobertas. Para Marcus, esse tipo de limitação pode representar um beco sem saída temporário para a IAG, exigindo novas abordagens e arquiteturas que superem os gargalos identificados.
De acordo com Rogoyski, a tendência dos modelos em “simplificar” seus próprios processos diante de desafios maiores pode ser sintoma de uma incapacidade fundamental de generalizar, algo crucial para a próxima geração de IA.
O que isso significa para o futuro da IA?
A pesquisa da Apple levanta questões importantes sobre o caminho para a inteligência artificial geral e a confiança que podemos depositar em sistemas autônomos para resolver problemas realmente complexos. Se os LRMs atuais encontram barreiras tão claras, ainda estamos longe de máquinas com raciocínio equiparável ao humano, especialmente fora de domínios restritos e controlados.
No cenário empresarial, isso significa que, apesar dos avanços em automação, análise de dados e geração de conteúdo, a supervisão humana continuará essencial em tarefas críticas e estratégicas.
Possíveis soluções e próximos passos
O estudo sugere que os próximos avanços em IA podem não vir apenas do aumento do tamanho dos modelos, mas sim de novos paradigmas computacionais e arquiteturas híbridas, talvez combinando raciocínio simbólico com aprendizado profundo.
Empresas de tecnologia como OpenAI e Google já estão investindo em alternativas, como IA multimodal e abordagens que unem lógica tradicional com processamento estatístico, na esperança de superar essas limitações.
