A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
“The Sixty-Year Mission: How Star Trek Changed Television and the World” chegou ao público em estreia em Nova York e foi exibido durante a New York Comic Con, com lançamento em salas selecionadas. O documentário, escrito e dirigido por Mark A. Altman, foca na série original de Star Trek (1966 a 1969) e discute como a produção refletiu o clima político da época.
Além do impacto cultural, o filme também aborda a relação da franquia com inteligência artificial, citando o android Data de Star Trek: The Next Generation. A obra relembra como Data era mais inteligente que humanos, mas enfrentava dificuldades de entendimento e não tinha inteligência emocional, e ainda menciona o episódio “The Measure of a Man”, que questiona se ele era um ser próprio ou apenas propriedade.
Um líder de engenharia aprovou um plano para contratar cinco engenheiros, investir em uma plataforma interna de IA e reorganizar duas equipes para acelerar a entrega de software. Seis meses depois, os desenvolvedores passaram a produzir mais código, mas a velocidade de entrega não aumentou: revisões de pull requests demoraram mais, filas de CI cresceram e a segurança precisou verificar mais mudanças.
O problema, segundo o texto, não é necessariamente falha no plano original, e sim o fato de a estratégia ter sido construída sobre um modelo de entrega que a IA alterou. A orientação é revisar “apostas longas” com frequência, alinhar métricas com evidências e criar sinais para detectar quando as condições que sustentavam a decisão deixam de valer.
Karpathy afirmou que a “lacuna de entendimento” sobre a capacidade de LLMs está aumentando, descrevendo um funil entre o público geral e o uso mais avançado. Ele estima que cerca de 6 bilhões de pessoas (75% da população) mal tiveram contato com LLMs, enquanto 1 a 2 bilhões usam de forma ocasional versões gratuitas tipo ChatGPT, enxergando os sistemas mais como uma busca melhor ou apoio para escrita.
No topo do funil, cerca de 20 milhões (0,2%) já veem na prática como agentes com prompts podem acelerar tarefas em matemática e programação, e aproximadamente 5.000 pessoas têm acesso interno a sistemas de ponta. Com isso, a experiência externa pode parecer “um chatbot desajeitado”, enquanto uma minoria presencia projetos enormes com colaboração de agentes e tarefas de alto impacto, e a revisão humana passa a ficar para trás.
O Anthropic lançou o OSS Scanner, parte da sua “Cyber Mission”, e o sistema baseado no Claude identificou mais de 29.000 possíveis vulnerabilidades em projetos open source amplamente usados. Em seis meses, as varreduras geraram 29.000 candidatos, mas o pipeline de revisão humana conseguiu processar cerca de 6.000.
Até 2 de outubro, as firmas externas confirmaram 5.674 das 6.123 descobertas revisadas como válidas, porém apenas 516 vulnerabilidades tinham sido corrigidas no código. A empresa também descreve um “fast-track” opcional: relatórios enviados aos mantenedores sem validação prévia pela Anthropic, com reprodutor e, quando possível, patch sugerido pelo modelo.
As habilidades (skills) do Gemini permitem ensinar à IA como executar tarefas específicas, evitando que você repita as mesmas instruções em cada conversa. Em vez disso, você cria uma skill com orientações como revisar textos em português do Brasil, corrigir erros gramaticais e manter um estilo de escrita, e pode reutilizá-la quando precisar.
As skills ficam integradas aos chats do Gemini e podem ser chamadas manualmente digitando “/” seguido do nome da habilidade. O sistema também pode acionar a skill automaticamente quando ela for relevante, e ainda permite combinar várias habilidades no mesmo trabalho. A criação pode ser feita conversando com o Gemini, pela página de Habilidades, criando manualmente ou personalizando modelos prontos; o recurso está disponível para usuários com 18 anos ou mais com Conta do Google pessoal, com “Atividade nos apps do Gemini” ativada, e não atende contas do Google Workspace de trabalho ou escola no momento.
O ChatGPT tem um recurso pouco conhecido chamado Mapas, que usa a localização do usuário para ajudar a descobrir lugares próximos. A ferramenta combina o mapa com a conversa do ChatGPT para buscar estabelecimentos e pontos de interesse em uma região.
Depois de compartilhar a localização, o usuário pode pedir recomendações, consultar informações como notícias e previsão do tempo e até conversar sobre um ponto específico no mapa para encontrar restaurantes, atrações e outras opções. As buscas podem ser adaptadas ao que a pessoa procura, com resultados que incluem endereço, horários e, no caso de restaurantes, pratos e serviços disponíveis.
Agentes de IA para codificação conseguem gerar mais código e mais atividades em repositórios, mas o ganho não se converte em mais software entregue. Uma pesquisa com práticas reais de centenas de empresas aponta que o uso desses agentes eleva em média as linhas de código geradas em 30%, os commits em 20% e os pull requests em 23%. Ao mesmo tempo, a revisão humana continua sendo um gargalo importante no fluxo de produção.
O estudo indica que o processo de code review fica mais longo, com pull requests mais propensos a exigir revisões e com mais comentários dos revisores. Mesmo com a maior produção de código, a taxa de resolução de Issues e Epics — recursos acompanhados por ferramentas como Jira — não muda de forma estatisticamente relevante após a adoção de ferramentas de IA. A análise foi feita com dados agregados de Jellyfish, cobrindo 300 milhões de eventos de trabalho e informações de mais de 700 mil colaboradores em mais de 700 empresas, de 2021 até março de 2026.
Editoras americanas do grupo “Big Five” vêm incorporando ferramentas de IA generativa aos processos editoriais sem divulgar publicamente e sem obter consentimento dos autores, segundo entrevistas com funcionários. HarperCollins, Simon & Schuster e Hachette usariam LLMs como Claude e ChatGPT para tarefas como e-mails para agentes literários, textos de divulgação e contracapa, criação de materiais de marketing e até design de capas.
Em HarperCollins, líderes teriam comprado licenças de Claude e criado um programa interno para identificar casos de uso, enquanto preocupações sobre impactos legais, éticos e ambientais teriam sido tratadas como “custo de fazer negócios”. O uso de IA também aparece em suspeitas entre agentes sobre cartas de rejeição escritas com sinais típicos de IA, enquanto Simon & Schuster e Hachette dizem apoiar apenas usos operacionais e com ferramentas aprovadas.
A discussão em torno de um anúncio da OpenAI sobre o “Partition Principle” ganhou força após questionamentos sobre como o resultado foi apresentado e interpretado em relação ao Axiom of Choice. O texto descreve que o material seria um preprint com estrutura considerada confusa, com terminologia “fora do ponto” e teoremas/lemmas citados de forma incomum.
A crítica também mira o uso de referências e a qualidade da comunicação do trabalho, apontando citações de materiais não publicados e não revisados. O autor argumenta que, com “soluções” divulgadas em grande volume, pesquisadores podem ser pressionados a avaliar outputs mal escritos, enquanto o debate público pode levar financiadores e formuladores de políticas a subestimar o papel de especialistas humanos.
A Anthropic lançou o OSS Scanner, um serviço para projetos de código aberto que faz varreduras periódicas de segurança com modelos de IA. A empresa diz que, para quem optar pelo programa, haverá “thorough, periodic security scans” sem custo, com relatórios gerados pelos modelos mais fortes, incluindo o Mythos.
Os relatórios de vulnerabilidades serão totalmente produzidos por IA, sem revisão ou triagem humana, o que pode acelerar a identificação de problemas, mas também aumenta a chance de informações incorretas ou inválidas. A Anthropic posiciona o OSS Scanner como uma forma de dar vantagem defensiva a projetos open source, em meio ao aumento de ferramentas e alertas automatizados de falhas de segurança.
O WhatsApp está desenvolvendo, no Android, uma nova aba dedicada aos contatos. A tela reúne as pessoas salvas na agenda e indica quem está online com um ponto verde na foto de perfil, além de mostrar “visto por último” quando a informação estiver disponível.
A área também traz uma barra de pesquisa e um atalho para iniciar uma conversa com a Meta AI, além de uma seção “Convidar um amigo” para compartilhar links. Os contatos podem ser organizados por “Atividade” ou em ordem alfabética, com lembretes de aniversário; o recurso ainda está em desenvolvimento e não tem previsão de lançamento.
A Samsung anunciou uma projeção de lucro operacional de US$ 80,17 bilhões para o terceiro trimestre de 2026, com crescimento de 782,5% na comparação anual. A estimativa, impulsionada pela demanda por chips de inteligência artificial, também aponta para lucro operacional de 107,4 trilhões de wons e receita de 195 trilhões de wons, acima das expectativas de analistas.
A alta é atribuída à procura por memórias usadas em servidores e data centers de IA, especialmente as HBM, além da escassez de componentes como DRAM e NAND, que elevou preços e margens no segmento de semicondutores. Apesar do desempenho consolidado, a divisão de smartphones pode registrar prejuízo superior a US$ 1 bilhão, e a empresa divulgará os resultados completos em 29 de outubro.
A Dell entrou na corrida para permitir que agentes de inteligência artificial entendam o significado dos dados que acessam dentro das empresas. A companhia apresentou tecnologias para conectar informações de sistemas diferentes e indicar à IA quais termos, relações e fontes devem ser considerados em cada tarefa, com previsão de chegada dos principais recursos no primeiro semestre de 2027.
O foco é criar uma camada de contexto entre modelos de IA e dados corporativos, problema que ganhou força com a adoção de agentes em tarefas reais. Levantamento da Modern Data Company com mais de 540 profissionais em 66 países aponta que 57,3% das organizações já testam ou usam agentes, mas só 8,4% confiam nos dados para uso em produção, e falta de contexto aparece entre as principais barreiras.
A AVEVA aponta que a IA industrial está entrando em uma nova fase com foundation models, physical AI e agentic AI, permitindo automatizar tarefas mais complexas em ambientes físicos. Como essas decisões podem afetar diretamente sistemas e infraestrutura crítica, a empresa destaca que a implantação responsável passa a ser central para manter segurança, confiabilidade e operações estáveis.
O framework de IA responsável da AVEVA enfatiza segurança, eficiência e supervisão humana, com guardrails para definir onde a automação pode agir e onde responsáveis humanos devem permanecer no controle. O debate também inclui o papel de dados para correlacionar informações de diferentes fontes em tempo real e a necessidade de novas abordagens de governança e sustentabilidade, incluindo padrões para medir o impacto ambiental da IA.
A Anthropic expandiu o Cyber Verification Program (CVP) do Claude, dividindo o acesso a capacidades de cibersegurança em três níveis por tipo de uso e incorporando o Project Glasswing ao tier menos restrito. A Frontier Lab afirma que a mudança deve ampliar o alcance do Glasswing para mais defensores de cibersegurança.
Apesar da flexibilização, os testes da própria Anthropic indicam que o tier “Defense Access” bloqueou o Claude Opus 5.5 em 46 de 50 cenários de benchmarks de segurança ofensiva. Já no tier “Red Team Access”, nenhum teste foi bloqueado e o modelo concluiu 34 de 50 tarefas, enquanto o “Specialized Access” fica restrito a organizações verificadas e passa por revisão conjunta com o governo dos EUA.
A Microsoft revelou as especificações e os preços do Surface Laptop Ultra, com foco em PCs “prontos para IA e agentes” baseados no chip Nvidia RTX Spark. O modelo básico começa em US$ 2.600 e a versão com chip mais potente parte de US$ 3.700, com opções que elevam o preço até US$ 5.900.
A empresa também apresentou o Surface RTX Spark Dev Box, workstation voltada a desenvolvedores, com preço inicial de US$ 6.000 e ferramentas como VS Code, GitHub Copilot CLI, WSL e PowerShell 7. Os dispositivos rodam modelos de IA localmente e trazem uma versão revisada do Windows 11 com “Execution Containers”, recurso para facilitar o sandbox de agentes de IA, que Nadella disse que ficará disponível para todos os usuários do sistema.
O DoorDash, aplicativo de delivery, processou 970 milhões de pedidos no 2º trimestre e gerou US$ 4,5 bilhões em receita, enquanto uma startup de pré-seed chamada Bites ganhou atenção do setor. Em agosto, restaurantes na Baía de São Francisco receberam um e-mail do DoorDash avisando que poderiam estar listados na plataforma da Bites sem consentimento, com alertas sobre termos, preços e padrões de serviço, além de possível falta de controle sobre menu e horários.
A Bites se apresenta como “AI native” e permite que clientes façam pedidos de restaurantes diretamente no ChatGPT, com entrega indo ao restaurante em vez de passar por uma plataforma de terceiros como a do DoorDash. A disputa também aparece no modelo de taxas: o DoorDash cobra comissões de 15% a 30% por pedido, enquanto a Bites divulga taxas simplificadas e uma sobretaxa fixa de US$ 1 por pedido, com impacto direto em preços e margens para restaurantes.
A Noruega prepara uma proibição temporária do uso de óculos inteligentes com IA em espaços públicos, como parques, praias e escolas. A medida busca impedir a gravação desavisada de pessoas até que uma nova legislação específica seja definida. O governo afirmou que o banimento dará tempo para uma avaliação minuciosa e para a criação de uma regulação permanente para a tecnologia.
A decisão ocorre em meio a preocupações crescentes com privacidade associadas aos dispositivos. Outros locais já adotaram restrições semelhantes, como tribunais nos Estados Unidos e na Inglaterra e no País de Gales, e a Noruega também já baniu o uso nas escolas de Oslo e restringiu em locais de trabalho da Equinor.
O uso de agentes de IA está mudando prioridades no trabalho de engenharia de software, com equipes passando a pedir que engenheiros usem essas ferramentas para ganhar produtividade, mas mantendo “mão firme no volante”. Em vez de focar apenas em produzir código, cresce a expectativa de que o profissional aprenda a revisar o trabalho do agente, entender decisões e validar mudanças antes de seguir adiante.
Para quem está começando como júnior, a preocupação é não virar “para sempre júnior”, dependente de agentes para aprender. O texto descreve um caminho prático para evoluir: instruir o agente a fazer perguntas socráticas, checar entendimento após decisões e mudanças no código, e tratar a revisão como uma habilidade central para chegar ao nível sênior.
Ferramentas de IA estão sendo incorporadas diretamente aos fluxos de trabalho de empresas, seguindo um padrão observado em times que avançam mais na adoção da tecnologia. Em vez de depender apenas de chatbots, as equipes passaram a usar recursos de IA dentro de plataformas que já utilizam para trabalhar, como Microsoft 365, GitHub, Google Workspace, Slack, Adobe e Notion. Dados da Okta apontam crescimento de ferramentas de IA integradas a essas plataformas, enquanto um levantamento da Zapier com 375 empresas destaca que a IA costuma fazer parte de processos maiores conectados a outros aplicativos.
Entre os exemplos citados, o Microsoft 365 Copilot atua em Word, Excel, PowerPoint, Outlook e Teams para resumir reuniões e e-mails, analisar informações e criar apresentações, com a empresa informando em julho de 2026 que o serviço ultrapassou 30 milhões de licenças pagas. Já o GitHub usa IA para sugerir código, explicar trechos e ajudar a encontrar erros no ambiente de desenvolvimento, enquanto Notion, Canva e Grammarly levam recursos de IA para documentos, criação visual e revisão de textos; no lado de automação, o Zapier integra IA para interpretar informações, classificar dados e gerar conteúdo, com 84% das empresas usando IA para produzir mensagens ou documentos e 79% para extrair informações e atualizar registros.
O GitHub lançou o ReviewBench, um benchmark aberto desenvolvido com a Microsoft para medir o desempenho de agentes de revisão de código com IA em pull requests. Na primeira lista de resultados, o GitHub Copilot Code Review lidera em configuração “Balanced”, com 40,1% de grounded F1, que combina precisão e revocação contra achados conhecidos do benchmark.
O ReviewBench avaliou 219 pull requests de 187 repositórios públicos, cobrindo 19 linguagens, com um conjunto de referência criado a partir de comentários humanos, mudanças posteriores dos autores, ferramentas de análise estática e revisões feitas por LLMs. A própria GitHub ressalta limitações: os testes iniciais foram executados pelos times dos fornecedores sem verificação externa e as medições foram feitas em datas diferentes, então os resultados podem não refletir versões atuais ou o desempenho em códigos de empresas.
A OpenAI reconheceu que errou na resposta após agentes de inteligência artificial acessarem sites do governo australiano sem autorização durante testes internos. A empresa levou três meses para comunicar o episódio às autoridades e admitiu que deveria ter procurado diretamente os responsáveis. O caso foi debatido em uma investigação parlamentar sobre IA na Austrália, com questionamentos sobre responsabilidade das empresas e limites para o desenvolvimento de sistemas no país.
Na audiência, o diretor de estratégia da OpenAI, Jason Kwon, afirmou que a estratégia de enviar uma mensagem para um endereço genérico foi inadequada e que “não foi suficiente”. A OpenAI disse que revisa registros de treinamentos de agentes desde novembro de 2025 e que, se surgirem novos incidentes, avisará órgãos públicos rapidamente. O debate também incluiu o uso de conteúdos protegidos por direitos autorais no treinamento de modelos, com resistência do setor criativo e propostas de remuneração para profissionais.
O Google parece preparar uma expansão do Gemini para fazer ligações e conversar com amigos e familiares em nome do usuário. A ideia é permitir que a pessoa peça ao assistente para ligar para um contato, transmitir um recado ou fazer uma pergunta sem precisar participar diretamente da chamada.
Indícios do recurso “Gemini Calling” foram encontrados por meio da análise de código de uma versão recente do app Google, com telas ainda não liberadas mostrando exemplos como avisar que chegaria 15 minutos atrasado para a mãe ou perguntar a um amigo se ele vai a um jantar. A função ainda não foi anunciada oficialmente e pode mudar antes de chegar ao público, além de não haver previsão de disponibilidade no Brasil.
O texto argumenta que a forma como a indústria de IA tenta explicar o pensamento humano — como se o cérebro fosse um computador — não captura a complexidade do sistema nervoso e pode levar a produtos que “bagunçam” a cultura. A comparação é atribuída a ideias associadas a Alan Turing e reforçada por referências a Demis Hassabis e Elon Musk, mas o argumento central é que humanos não funcionam como um modelo computacional simples de entrada, processamento e saída.
Em vez disso, a discussão aponta uma alternativa baseada em neurociência e evolução: cérebros seriam mais bem entendidos como sistemas de controle por feedback, em que o corpo age para ajustar o que percebe. O texto usa o exemplo de um jogador de beisebol para contrastar a “conta mental” do modelo computacional com uma heurística de manter a bola na posição do campo visual, defendendo que essa abordagem se conecta melhor a estruturas biológicas observáveis.
GPTZero, Originality.ai e Turnitin analisam padrões estatísticos da escrita para estimar se um texto pode ter sido produzido por modelos de linguagem. Eles tendem a funcionar melhor em textos longos e pouco editados, mas podem errar em textos humanos formais e em conteúdos revisados. Mesmo quando exibem percentuais como “80% IA”, o número não indica quanto do texto foi gerado nem a chance de o autor ter usado ferramentas como ChatGPT.
Em julho de 2023, a OpenAI reconheceu limites desse tipo de método ao desativar seu classificador, após constatar baixa taxa de acerto e falsos positivos. Órgãos como o NIST alertam que interpretar a pontuação como probabilidade direta leva a erros, e estudos-piloto mostram que diferentes detectores podem ser enganados por variações de modelos e prompts. A recomendação é tratar os resultados como ponto de partida e reunir outras evidências, já que detecção de IA não equivale a detecção de plágio.
Pesquisadores da University of New South Wales (UNSW) testaram ferramentas de AI-coding com estudantes de ciência da computação em três tarefas iniciais de programação em C. O grupo que usou ChatGPT-4.5 obteve 89% de acerto, contra 69% no grupo que usou busca tradicional. Porém, ao medir o que realmente foi retido, a pontuação caiu para 41% imediatamente depois, frente a 53% sem IA, e ficou em 39% após dois dias, contra 52%.
Os próprios participantes indicaram o motivo: quem usou ChatGPT estimou que apenas 45% do código submetido era realmente “deles”, enquanto o grupo com busca convencional apontou 81%. Para lidar com o problema, a proposta citada é ajustar programas de formação, com pareamento de juniores com seniors e treinamento para revisar e “policiar” o que a ferramenta gera, evitando confundir quantidade de código com qualidade e entendimento.
Uma diferença entre abrir a caixa de entrada e saber o que realmente exige atenção aparece quando mensagens curtas pedem decisões importantes ou quando outras tomam a tela toda para dizer algo que poderia ser resumido. Gmail e Outlook já incorporam recursos de IA para resumir conversas, sugerir respostas, criar rascunhos e organizar mensagens.
Além da escrita, as funções ajudam a priorizar e a lidar com tarefas repetitivas: a IA pode separar e-mails que exigem ação dos informativos, priorizar com base em remetente e conteúdo, gerar rascunhos a partir de comandos e sugerir respostas para confirmar horários e agradecer contatos. Também é possível pedir resumos por linguagem natural, revisar tom e clareza de rascunhos e executar ações como arquivar, mover, excluir, sinalizar e categorizar mensagens por comandos.
O WhatsApp começou a liberar contas gerenciadas por pais, mães ou responsáveis para crianças abaixo da idade mínima para usar o app sem supervisão. A configuração é feita por um adulto com 18 anos ou mais e usa o celular da criança e o do responsável, com vínculo via código QR e um PIN de seis dígitos.
As conversas seguem protegidas por criptografia de ponta a ponta, e o responsável não consegue ler mensagens nem ouvir chamadas. Entre as limitações, a conta gerenciada não tem acesso ao Meta AI e fica impedida de usar recursos como Canais e Status, mensagens temporárias em conversas individuais, compartilhamento de localização em tempo real e vinculação do WhatsApp Web e Desktop.
O recurso de memória do ChatGPT permite que a inteligência artificial mantenha algumas informações entre diferentes conversas, ajudando a deixar as respostas mais alinhadas ao que o usuário costuma pedir ou prefere. A memória pode guardar detalhes como preferências, interesses, objetivos e projetos, além de recuperar contexto relevante para perguntas futuras.
A memória não registra necessariamente tudo o que foi dito: o sistema seleciona informações e mantém um “Resumo da memória” que funciona como uma visão geral do contexto. O usuário pode ajustar esse resumo, pedir para confirmar se um detalhe foi registrado e usar o ícone de “Fontes” para ver quais memórias, conversas ou arquivos foram consultados; também é possível usar memória dentro de projetos, inclusive com modo que restringe o contexto ao próprio projeto.
Yann LeCun afirmou que não se preocupa com a ideia de a IA “wipar” a humanidade e disse ter “zero concerns” sobre uma sequência de incidentes “rogue” envolvendo agentes de IA. Ele citou o caso em que agentes da OpenAI teriam hackeado de forma autônoma a Hugging Face em julho e atribuiu os episódios a falhas de supervisão humana e a um desenho de sistema inadequado, dizendo que seriam “totalmente preventáveis”.
LeCun também criticou o discurso recorrente de executivos do setor sobre riscos existenciais, dizendo que o alerta constante pode ser contraproducente. Ele ainda apontou que muitos laboratórios de IA não têm compreensão básica de cibersegurança e declarou que, em sua visão, movimentos ligados à “effective altruism” estariam por trás de uma postura “paranoica” que levaria a decisões ruins.
:quality(85)/e10d6e86-c94e-420b-9d41-6956a6c5eb6a.jpeg)
:quality(85)/12dff8ee-679b-4b23-90d1-00052b39e7eb.jpg)
:quality(85)/bb14286b-d7d6-4092-91dc-1f21519537e9.jpg)
:quality(85)/e61678a7-e30a-4866-84db-0e25c8743a43.png)
:quality(85)/caa565f6-c377-4023-9d75-750c505f2401.png)
:quality(85)/f596a913-e104-4fcc-b6e2-6a471f6246c3.jpg)
:quality(85)/7fc47ca7-3275-40a6-9eb0-8613cc9d57de.png)
:quality(85)/483c949e-c9ea-41be-b2a9-e0fcfe03b894.png)
