O CEO da NVIDIA, Jen-Hsun Huang, fez recentemente outra declaração de grande sucesso em público, alegando que “alcançamos inteligência artificial geral (AGI)”. No entanto, suas expressões e exemplos em diferentes entrevistas também revelaram que ainda existe uma grande lacuna entre o estágio emergente das capacidades de inteligência artificial e a “inteligência de nível humano”.

Em 22 de março, Huang foi questionado em uma entrevista com o apresentador de podcast Lex Fridman quando o AGI seria alcançado. De acordo com a definição de Fridman, AGI deveria ser “um sistema que pode fazer o seu trabalho, incluindo iniciar, administrar e fazer crescer uma empresa de tecnologia de mais de um bilhão de dólares a partir do zero”. Quando solicitado a fornecer um cronograma de 5, 10 ou até 20 anos, Huang respondeu sem hesitação: “Acho que é agora”. No entanto, ele acrescentou imediatamente que a outra parte mencionou “1 bilhão de dólares americanos”, mas não disse “quanto tempo isso pode durar”. Isto equivale a compreender a AGI como um limiar encenado para a realização comercial, em vez de uma “mente” estável a longo prazo com capacidades cognitivas semelhantes às humanas.

Huang Renxun deixou isso claro na mesma entrevista: “Acho que alcançamos AGI”. Ele considerou a classe atual de sistemas de agentes de IA com grandes esperanças como exemplos, acreditando que esses sistemas demonstraram um forte potencial empreendedor no lançamento de aplicações sociais e na condução de experimentos criativos. Ele mencionou que projetos de código aberto, incluindo OpenClaw (uma plataforma de agente de IA de código aberto adquirida pela OpenAI) estão gerando uma onda de "ondas empreendedoras" usando agentes digitais para criar influenciadores virtuais e comunidades digitais automatizadas, o que parece provar que a AGI "chegou".

Mas ao mesmo tempo que enfatiza esta onda, Huang também admitiu que o sucesso actual destes sistemas é altamente acidental. Ele ressaltou que muitos projetos “esfriam após dois meses de incêndio” e disse sem rodeios que “a probabilidade de realmente criar uma NVIDIA entre 100.000 desses agentes é zero”. Esta declaração reconhece, na verdade, que os actuais agentes de IA ainda estão muito longe de possuir verdadeiramente a capacidade abrangente de construir e operar sistematicamente empresas tecnológicas de ultra-grande escala durante um longo período de tempo. Também enfraquece o seu anterior julgamento radical de que "AGI foi alcançado".

A declaração sobre “se a AGI foi realizada” também abordou diferenças de longa data na indústria. O próprio conceito de inteligência artificial geral tem sido altamente “politizado” e “capitalizado”. Nos termos contratuais entre empresas como a OpenAI e a Microsoft e os seus parceiros, o facto de "AGI ter sido alcançado" está muitas vezes diretamente ligado a enormes quantias de dinheiro e à direção estratégica. Portanto, qualquer declaração afirmando que “AGI foi alcançada” pode facilmente inflamar o debate. Os líderes tecnológicos e investigadores têm vindo a debater durante anos se os actuais sistemas modelo de grande escala incorporam a "verdadeira inteligência geral" ou se são simplesmente fragmentos altamente simulados da inteligência humana.

É importante notar que apenas três dias antes do lançamento da entrevista de Fridman em 19 de março, Huang Jen-Hsun deu uma ênfase completamente diferente à aplicação prática da IA ​​quando foi convidado no All-In Podcast durante o Nvidia GTC (GPU Technology Conference). Nessa conversa, ele não se concentrou em saber se a AGI foi “realizada”, mas sim em saber se os engenheiros humanos estavam a fazer pleno uso das ferramentas de IA existentes, e até alertou em termos fortes que ficaria “profundamente chocado” se engenheiros altamente remunerados não gastassem dinheiro suficiente em IA.

“Se um engenheiro com um salário anual de US$ 500.000 não consumir pelo menos US$ 250.000 em tokens de IA por ano, eu ficaria muito vigilante”, disse Huang. Ele explicou o “token” como a unidade básica de medida para processamento de grandes modelos e geração de linguagem, e também um reflexo direto dos custos de computação e capacidades de trabalho da IA. Na sua opinião, o uso insuficiente de tokens significa que os engenheiros não têm a capacidade de utilizar plenamente a IA, o que equivale a desperdiçar produtividade potencial.

Huang até comparou esse comportamento aos projetistas de chips que se recusam a usar ferramentas de automação de projeto eletrônico, como CAD, e "retornam à era do papel e lápis" para desenhar diagramas de circuitos. Ele revelou que a Nvidia está atualmente tentando reservar cerca de US$ 2 bilhões em orçamento de tokens para a equipe de engenharia e está considerando incorporar tokens diretamente nos pacotes de remuneração dos funcionários. Ele imaginou que, além de um salário base de centenas de milhares de dólares por ano, um engenheiro também receberia uma "cota simbólica" no valor de cerca de metade do salário base, para que pudesse "amplificar sua eficiência de trabalho em 10 vezes" usando um grande número de ferramentas de IA.

Olhando para estas duas aparições públicas com vários dias de intervalo, Huang Jen-Hsun, por um lado, usou uma linguagem altamente provocativa para afirmar que a AGI “chegou” e cumpriu uma certa definição de “inteligência geral” orientada para realizações empresariais; por outro lado, ao falar sobre práticas internas de gestão e engenharia, enfatizou que o atual sistema de IA ainda é altamente dependente da iniciativa humana e do uso intensivo, e a probabilidade de sucesso na prática empreendedora no mundo real é extremamente baixa. A tensão entre as observações anteriores e as posteriores reflecte exactamente a oscilação subtil entre a "fronteira da moda" e as "capacidades realistas" da actual indústria da IA: enquanto compete por recursos exagerando as perspectivas, é preciso admitir que a tecnologia ainda está longe de atingir a "inteligência de nível humano" ideal em muitas dimensões-chave.