Yann LeCun questiona se a IA atual chega à AGI
Cientista-chefe de IA da Meta defende que LLMs sozinhos não bastam pra inteligência artificial geral, mesmo com a receita da Anthropic multiplicando por sete.
Por Elias Brandão · Analista de IA e ética
A pergunta por trás da corrida
Existe uma pergunta incômoda rondando a indústria de inteligência artificial: será que basta continuar aumentando o tamanho dos modelos — mais dados, mais chips, mais dinheiro — para chegar a uma IA com inteligência geral, a tal AGI? Ou existe um teto que nenhuma quantidade de escala resolve? Essa é a discussão que Yann LeCun, cientista-chefe de IA da Meta e uma das vozes mais influentes da área, reabriu publicamente, questionando se os grandes modelos de linguagem — os LLMs, a tecnologia por trás do ChatGPT e do Claude — são mesmo o caminho certo.
Em bom português: o que falta a um LLM
LeCun defende que um LLM aprende de um jeito parecido com alguém que só leu sobre andar de bicicleta, mas nunca subiu numa: ele prevê a próxima palavra de um texto muito bem, mas não tem noção de como o mundo físico realmente funciona. Pra ele, falta às máquinas atuais o equivalente a um "modelo de mundo" — por isso defende uma arquitetura diferente, batizada de JEPA, que tenta ensinar a IA a prever situações, não só textos.
O outro lado: o dinheiro não concorda
Enquanto o debate acadêmico continua em aberto, o mercado está apostando pesado justamente nos LLMs que LeCun questiona. A Anthropic, criadora do chatbot Claude e uma das líderes do setor, viu sua receita anualizada saltar de cerca de US$ 9 bilhões no fim de 2025 para mais de US$ 65 bilhões em julho de 2026 — um crescimento de mais de sete vezes em oito meses. É o tipo de número que financia qualquer teoria, inclusive a de que escalar ainda funciona.
Os dois lados podem estar certos
Não é contradição: uma tecnologia pode ser um sucesso comercial gigantesco e, ainda assim, não ser o caminho definitivo pra uma inteligência artificial geral. LeCun não nega a utilidade dos LLMs — ele questiona se eles bastam. A resposta prática só vai aparecer quando, ou se, alguém lançar um sistema baseado em modelos de mundo que compita de verdade com o desempenho comercial do que já existe. Até lá, a indústria segue escalando o que sabe fazer, e os críticos seguem fazendo a pergunta que incomoda: e se o teto já estiver logo aí?