Avanços mais fortes de IA aceleram a exaustão das próprias ideias
Pergunte a quem financia pesquisa em inteligência artificial o que acelera o progresso e a resposta vem em escala: mais pesquisadores, mais artigos, mais investimento. Um preprint da University of Chicago divulgado nesta quarta-feira (21) no arXiv — ainda não revisado por pares — examinou 36 anos de ciência da computação e chegou a uma conclusão contraintuitiva: quanto mais forte é um avanço da IA, mais rápido ele exausta as ideias que o próprio campo precisaria para dar o salto seguinte.
Beichen Lu, Honglin Bao, Qi Huang, Qingguo Meng e James A. Evans analisaram 7,2 milhões de artigos, 73.089 revisões por pares e 3,7 milhões de pesquisadores — incluindo as mudanças de tema de cada um. O achado central é que nem a escala do esforço nem o tamanho do espaço de ideias bastam para sustentar o progresso: os avanços dependem de atenção diversificada, um recurso coletivo que a concentração consome.
O Transformer partiu o empate
Medindo a distribuição da atenção com coeficientes de Gini — a mesma ferramenta usada para medir desigualdade de renda —, os autores viram décadas de estabilidade seguidas de uma ruptura em 2017, o ano do artigo do Transformer. De lá até 2025, a fatia da IA nas publicações de ciência da computação só cresceu, enquanto as áreas de sistemas e de teoria encolhiam no mapa da disciplina.
A migração humana acompanhou a das verbas: mais da metade dos pesquisadores que trocaram de tema entraram na IA, com pico de probabilidade aos 31,8 anos — cientistas de meio de carreira, no percentil 82 de produtividade anual. O fluxo teve um efeito colateral mensurável: diante da enxurrada de submissões, a confiança declarada pelos revisores caiu um ponto inteiro na escala de 5.
Cada salto cava o próprio fim
Para medir o nascimento e a morte de ideias, o estudo trata cada termo novo do corpus como uma ideia que nasce, morre após três anos sem uso e pode ser reativada. O padrão se repete desde AlexNet: a fração anual de ideias recém-nascidas dispara no momento do avanço e depois declina — e o declínio é mais íngreme quanto maior foi o salto. Cada grande conquista elevou a "capacidade de suporte" do campo, mas foi seguida de uma exaustão mais acentuada do que a anterior.
A dinâmica não é exclusiva da computação: a biologia estrutural mostra o mesmo ciclo após a revolução do cryo-EM e, mais recentemente, do AlphaFold. Avanços maiores capturam a atenção de forma mais completa — e é justamente essa captura que drena a diversidade da qual os sucessores tirariam proveito.
Políticas boas com efeito ruim
Em simulações, os autores testaram políticas difundidas e bem-intencionadas — como a revisão recíproca, em que grupos que publicam muito entre si terminam revidando uns aos outros. O resultado foi o oposto do desejado: os autores prolíficos saem fortalecidos e o campo passa a aceitar um intervalo ainda mais estreito de temas.
O fecho é um apelo institucional: em vez de recompensar a concentração no paradigma vencedor, universidades, agências de fomento e periódicos deveriam criar estruturas que protejam a atenção diversificada — o insumo de que o próximo grande avanço vai precisar, e que o avanço atual está consumindo.
Fontes
- arXiv — "Stronger artificial intelligence breakthroughs hasten their own exhaustion", 21/10/2026. arXiv:2610.27296.