A camada que falta na inteligência artificial

Por Momar Lissa Ndiaye ("MLN"), fundador e CEO, weyoga Inc.

Cada era da computação foi definida pela camada que acrescentou, não pelas máquinas em que rodava. Vale, portanto, definir o termo antes de usá-lo.

Uma camada, no sentido que importa, é isto: uma redução permanente do custo de uma capacidade antes escassa, de modo que essa capacidade se torne universalmente disponível e tudo o que está acima dela precise ser reconstruído. O computador pessoal barateou o cálculo: a camada da computação. A internet barateou a conexão: a camada da conexão. O smartphone barateou o acesso: a camada do acesso. E a IA generativa acaba de baratear a própria produção de informação: a camada da geração.

Guarde essa definição, porque qualquer candidato à próxima camada terá de cumprir o mesmo critério — e repare no fio condutor das quatro existentes. Todas, até aqui, foram camadas de informação. Cada uma tornou a informação mais barata de computar, transmitir, acessar ou gerar. Cinquenta anos de computação cabem numa frase: a história da queda do custo da informação rumo a zero. Esse projeto está hoje essencialmente concluído. A pergunta interessante é o que se torna escasso quando a informação é de graça.

Eis a observação em torno da qual quero construir este ensaio: quando uma nova camada deixa de mudar decisões, a restrição se deslocou para outro lugar.

Cada camada anterior mudou decisões. A computação mudou o que as empresas podiam tentar. A conexão mudou com quem as pessoas se casavam, onde trabalhavam, o que compravam. O acesso mudou o comportamento tão completamente que legislamos contra ele ao volante. E a camada da geração, dois anos depois? Mudou a execução. E-mails redigidos mais rápido, código escrito mais rápido, resumos produzidos mais rápido. As pessoas estão dramaticamente mais eficientes naquilo que já faziam — e tomando notavelmente poucas decisões diferentes sobre o que fazer. Quando uma tecnologia tão capaz produz um efeito tão raso, não é a tecnologia que está falhando. A restrição se moveu. Ela já não está onde a indústria cava.

A restrição das decisões humanas nunca foi a oferta de informação. Quem se pergunta se aceita o emprego, termina o relacionamento, faz o investimento ou tem a conversa difícil não carece de conhecimento relevante — está se afogando nele. O que falta é uma visão exata dos próprios padrões: o fato de já ter enfrentado essa decisão antes, sob o mesmo tipo de pressão, com a mesma racionalização, e como terminou.

Chamemos o que resolve isso de camada do reconhecimento — e cuidemos de sua natureza, porque é infraestrutura, não uma funcionalidade. Três termos, mantidos com rigor: a memória armazena. A continuidade preserva. O reconhecimento interpreta. A memória é um banco de dados de eventos. A continuidade é a condição arquitetural de que o passado de uma pessoa permaneça duravelmente conectado ao seu presente. O reconhecimento é uma inferência feita através da continuidade — a detecção da recorrência, devolvida antes que produza um novo resultado. O leitor que fundir esses três termos num só concluirá que janelas de contexto maiores resolvem o problema. Não resolvem. Um milhão de tokens de transcrição armazenada é memória. Só vira reconhecimento quando um sistema é construído para interpretar a sequência — e ele só pode interpretar a sequência se a continuidade tiver sido um compromisso arquitetural desde o início.

O reconhecimento cumpre a definição de camada? Façamos o teste. A capacidade escassa: uma visão exata e longitudinal dos próprios padrões de comportamento — historicamente acessível apenas por meio de relações humanas de décadas e, portanto, um dos bens mais escassos do mundo. Seu custo pode ser reduzido permanentemente e sua disponibilidade tornada universal? Pela primeira vez, os ingredientes existem. E, sobretudo, ele passa no teste mais profundo que separa camadas de funcionalidades: funcionalidades melhoram fluxos de trabalho existentes; camadas redefinem onde o valor é criado. O corretor ortográfico melhorou os documentos de todos, do mesmo jeito — uma funcionalidade. A web inverteu quem podia publicar — uma camada. O reconhecimento inverte inteiramente a direção do valor: em vez de um mesmo conteúdo distribuído a bilhões, o valor sobe a partir da particularidade acumulada de uma única pessoa — útil exatamente para essa pessoa, sem valor para qualquer outra. Essa não é a forma de uma funcionalidade.

A réplica do cético merece espaço: cada onda tecnológica fracassada se proclamou "a próxima camada" — a TV 3D, o metaverso. A maioria das camadas autoproclamadas são funcionalidades à espera de absorção. Talvez o reconhecimento seja só um ajuste de memória que as plataformas vão acrescentar. A resposta está na definição: memória enxertada melhora o fluxo de trabalho existente (respostas melhores aos seus pedidos) sem redefinir onde o valor é criado. Ela nunca muda decisões; decora a execução. O teste de uma camada não é "ela lembra?". É: "a restrição das decisões humanas realmente se desloca?" Isso exige a arquitetura completa — continuidade, interpretação, tempo certo — e não uma função de recuperação.

Dentro desse argumento dorme uma implicação de mercado de capitais, com um precedente que se repete a cada ciclo: a infraestrutura é inicialmente precificada como uma aplicação. O mercado avalia o novo com as métricas da camada anterior, e só mais tarde descobre que a própria camada de abstração se tornou o ativo escasso. A Amazon foi precificada como uma livraria. Se o reconhecimento é genuinamente uma camada, então as empresas que o construírem parecerão — para as métricas desenhadas para a pilha informacional — pequenas, lentas e impossíveis de medir por benchmark, até o dia da reprecificação.

A história da computação não é a história de máquinas melhores. É a história de descobrir, vez após vez, que a restrição anterior já não era a verdadeira.

A informação era a restrição anterior. O reconhecimento é a próxima.

Parte de The Recognition Layer →

Momar Lissa Ndiaye ("MLN") é fundador e CEO da weyoga Inc., sociedade de Delaware. — weyoga.ai · mln@weyoga.ai