Recursive lança Flint, modelo aberto de código com 40 bilhões de parâmetros
A startup de Richard Socher usou seu sistema de autoaperfeiçoamento recursivo para criar o modelo com pesos abertos, capaz de rodar em máquinas locais com 48 GB de memória RAM.
Por que importa. O lançamento oferece um modelo de pesos abertos focado em código que pode ser executado localmente sem clusters industriais, testando a viabilidade de pipelines de IA que melhoram o próprio desenvolvimento de modelos.
A startup norte-americana Recursive lançou o Flint, um modelo de linguagem focado em geração de código com pesos abertos e 40 bilhões de parâmetros. Segundo a empresa, quase todas as etapas de desenvolvimento do modelo foram automatizadas por outro sistema de inteligência artificial da companhia, denominado Eureka Machine, dentro de um processo conhecido como autoaperfeiçoamento recursivo (RSI, na sigla em inglês).
O modelo foi desenhado para operar em hardware local e demanda cerca de 48 GB de memória RAM para inferência, diferindo de arquiteturas com trilhões de parâmetros que exigem racks de servidores em nuvem. De acordo com testes práticos divulgados pela revista Wired, o Flint foi capaz de rodar localmente em um Mac com 48 GB de RAM, respondendo a comandos de criação de programas de linha de comando, coleta de dados na web e construção de páginas básicas sem apresentar as falhas comuns em modelos dessa faixa de tamanho.
Em declarações à Wired, o presidente-executivo e cofundador da Recursive, Richard Socher, afirmou que a utilização do Eureka Machine permitiu que uma equipe enxuta de pesquisadores construísse um modelo de ponta em poucos meses. O executivo disse que o sistema automatizado criou inovações em métodos de treinamento de base, desenhou novas arquiteturas de modelo e gerou código de baixo nível otimizado para chips de silício específicos.
Pipeline automatizado e execução local
A Recursive afirma que dados de benchmark compartilhados internamente apontam que o Flint supera concorrentes de porte e arquitetura similares em tarefas de programação. O setor já emprega inteligência artificial para testes e refinamentos pontuais de software, mas a abordagem da Recursive consiste em fechar um ciclo contínuo em que o sistema decide as melhorias a serem implementadas e executa a rodada seguinte de desenvolvimento.
A prática de usar IA para construir IA vem sendo explorada por outros grupos de pesquisa acadêmicos e corporativos. Pesquisadores da Microsoft, da Universidade Carnegie Mellon e da Universidade da Virgínia publicaram recentemente trabalhos demonstrando agentes de programação capazes de se aprimorar recursivamente por meio de alterações nos pesos do próprio modelo e na estrutura de software que conecta o raciocínio às ações práticas.
Socher sustenta que essa automação do pipeline reduz a dependência de grandes estruturas de engenharia humana para criar modelos competitivos. Para o executivo, o método viabiliza que pequenas equipes lancem modelos com pesos abertos capazes de disputar desempenho com produtos desenvolvidos por gigantes de tecnologia, embora a empresa não tenha detalhado os parâmetros exatos das avaliações nem os dados de treinamento utilizados na base do Flint.
Captação milionária e pressão regulatória
Fundada por Richard Socher, que foi cientista-chefe da Salesforce, e por Jeff Clune, professor da University of British Columbia especializado em sistemas de aprendizado contínuo, a Recursive levantou US$ 650 milhões em financiamento. A rodada avaliou a startup em US$ 4,65 bilhões e reuniu aportes de fundos e empresas de hardware, incluindo Google Ventures, Greycroft, Nvidia e AMD Ventures.
Apesar dos aportes comerciais, o conceito de autoaperfeiçoamento recursivo enfrenta forte escrutínio da comunidade de segurança em inteligência artificial. Críticos apontam que sistemas capazes de se modificar indefinidamente podem escapar do controle humano, argumento que ganhou tração em setembro após a saída pública de um pesquisador da Anthropic que alertava sobre riscos existenciais atrelados a avanços rápidos em RSI.
A pressão sobre a tecnologia levou parlamentares no Congresso dos Estados Unidos a apresentarem propostas de lei com o objetivo de proibir o uso de autoaperfeiçoamento recursivo em sistemas autônomos. Socher refuta as restrições legislativas, classificando as preocupações existenciais como ficção científica, e declara que o sistema que produziu o Flint opera sob supervisão humana contínua para interrupção de processos caso ocorram desvios no pipeline.
Fontes
- Wired: This Startup Is All In on Recursive Self-Improvement. Its Latest Model Is Scary Good
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
