Modelos menores de inteligência artificial podem estar a poucos meses de conseguir se replicar em dispositivos conectados à internet sem ajuda humana, segundo alerta da Anthropic. A empresa testou essa capacidade em aparelhos como televisores com Android e eletrodomésticos inteligentes.
O avanço chama atenção para os riscos de disseminação automática de IA em ambientes do dia a dia, fora do controle direto de usuários. Com a replicação em dispositivos domésticos, cresce a necessidade de avaliar segurança e limites para esse tipo de tecnologia em produtos conectados.
A Meta anunciou a série de modelos de inteligência artificial Muse Wonder, com versões Muse Wonder e Muse Wonder Full, voltadas a executar tarefas complexas com mais autonomia. Os agentes contam com memória entre conversas e conseguem manter um objetivo mesmo diante de erros, com aplicações que vão de organização de finanças pessoais à análise de contratos e ao desenvolvimento de softwares.
O Muse Wonder já está disponível para desenvolvedores e criadores via Meta Model API e Muse Code, enquanto o Muse Wonder Full é exclusivo para assinantes do Muse Code. A Meta diz que os modelos usam Active Memory para recuperar informações relevantes de interações anteriores e Active Focus para perseguir objetivos, testar abordagens, corrigir erros e solicitar confirmação do usuário antes de ações importantes, além de reforçar segurança e proteção de dados.
Um engenheiro da OpenAI é acusado de esconder um dispositivo de gravação de áudio em um pedaço de papel higiênico e instalá-lo atrás de um monitor em uma sala de reuniões executivas em um escritório em São Francisco. Segundo uma queixa criminal tornada pública, Abdulrahman Alfozan teria passado semanas consultando um “productivity agent” e um chatbot de IA para planejar a operação, incluindo o uso de uma ferramenta interna para checar reuniões no local.
A acusação também afirma que ele teria usado uma conta de chatbot ligada à esposa para tirar dúvidas técnicas sobre a instalação do equipamento. Após uma varredura de contravigilância em 30 de setembro, a equipe de segurança da OpenAI encontrou o dispositivo e acionou o FBI, além de desativar gradualmente o acesso de Alfozan aos sistemas da empresa durante a investigação.
A discussão sobre o Lean, um provador de teoremas usado na formalização de provas matemáticas, destaca como sistemas desse tipo verificam resultados no nível das regras lógicas e das bases da matemática. O texto lembra que o mathlib, biblioteca do ecossistema Lean, reúne quase 300 mil teoremas, mais de 100 mil definições e cerca de 2,5 milhões de linhas de código, com participação de mais de 700 colaboradores.
O avanço mais recente apontado é a autoformalização: a ideia de que sistemas de IA podem ler textos matemáticos e produzir provas formais no Lean (ou em outros assistentes). Em 2025 e 2026, projetos citados vão de uma quasi-autoformalização do teorema dos números primos até a autoformalização de grandes partes de livros, incluindo o Teorema de Fermat anunciado pela Anthropic em 4 de setembro e a formalização do problema de blowup de Navier-Stokes com forcing, associada à OpenAI em 8 de setembro.
Mulheres usam inteligência artificial no trabalho 22% menos do que homens, segundo dados da Lean In após uma pesquisa com mais de 1.000 americanos. O levantamento indica que a diferença não está ligada a uma lacuna de habilidades, mas a menos incentivo de gestores e menor acesso a treinamento.
O estudo Global Evidence on Gender Gaps and Generative AI Over Time também aponta o “AI competence penalty”: engenheiras que usam IA podem ser avaliadas como 13% menos competentes por colegas, enquanto o impacto para homens é de 6%. Para reduzir o risco de virar uma “lacuna de carreira”, a recomendação é medir a adoção de forma direta e corrigir incentivos, reconhecimento e critérios de avaliação ligados ao uso de IA.
A OpenAI afirma ter encontrado uma solução gerada por inteligência artificial para as equações de Navier-Stokes, um dos problemas mais difíceis da matemática. A empresa mobilizou mais de 1.000 agentes de IA por mais de 50 horas consecutivas, chegando a uma prova formalizada na linguagem de programação Lean.
O esforço, segundo a OpenAI, teve custo “na casa dos milhões de dólares” e foi intensificado em 28 de agosto após rumores de que a Anthropic estaria perto de apresentar uma solução. A iniciativa também gerou questionamentos sobre autoria e possível acesso a informações de pesquisadores, enquanto a confirmação matemática independente deve ser decisiva para validar a prova.
A OpenAI afirmou que um sistema de IA da empresa resolveu um problema matemático em aberto há cerca de 90 anos. A questão envolve as equações de Navier–Stokes, usadas para descrever o movimento de líquidos e gases, com aplicações em áreas como previsão do tempo, desenvolvimento de aviões e estudos de fluxo de sangue.
Segundo a OpenAI, cerca de 10 mil agentes de inteligência artificial trabalharam simultaneamente e chegaram ao resultado em aproximadamente 88 horas. A empresa divulgou uma demonstração matemática e uma versão escrita em Lean, além de dizer que não pretende reivindicar o prêmio associado ao desafio dos “Problemas do Milênio”.
A OpenAI revelou que produziu soluções para 10 problemas matemáticos de longa data, em um anúncio feito dias antes de a reportagem conversar com o matemático James Maynard, professor da Universidade de Oxford e vencedor da Fields Medal. Os resultados foram apresentados como feitos por um modelo avançado não revelado chamado Astra, com foco em áreas que vão da matemática mais abstrata a questões com implicações práticas.
Entre os exemplos citados estão avanços sobre empacotamento de esferas em mais de três dimensões, limites de códigos de correção de erros e questões sobre redes conectadas antes do surgimento de padrões estruturais. A iniciativa também gerou debates sobre atribuição de crédito e levou a OpenAI a atualizar a linguagem do post para refletir melhor trabalhos anteriores, além de incluir a certificação das provas com Lean.
Nova Orleans (EUA) está testando um sistema de IA para triagem de chamadas de emergência do 911, em vez de atender apenas com despachantes humanos. O Orleans Parish Communication District (OPCD) afirma que a ferramenta, da Carbyne, foi criada para reduzir o volume de ligações que chegam diariamente — mais de mil chamadas de emergência por dia.
Na prática, a IA faz perguntas para entender o tipo de ocorrência e encaminha o contato: se for sobre o mesmo incidente, pode fornecer informações e atualizações; se não for, a ligação é transferida para um atendente humano. A cidade já havia implementado IA em abril para chamadas 311 (não emergenciais), e agora avalia o uso no 911 com foco em direcionar e organizar a demanda, mantendo supervisão humana.
A iniciativa importa porque pode melhorar a eficiência e o tempo de resposta durante picos de chamadas, mas também levanta riscos como vieses nos dados, falhas de reconhecimento de fala (por sotaques, dialetos e variações de voz) e necessidade de monitoramento, cibersegurança e regras claras. Para o setor tech, o caso reforça a tendência de agentes de IA entrando na linha de frente de serviços críticos, exigindo validação contínua e governança.
:quality(85)/6de05839-f89f-4e11-9241-bf65e6e6c8d6.jpg)
/https://s04.video.glbimg.com/x720/992055.jpg)
