filosofia das coisas

Atualizado em 3 de outubro de 2026.

Publicado em abril de 2025, o AI 2027 apresenta um cenário no qual a inteligência artificial passa a realizar a própria pesquisa necessária para criar sistemas cada vez mais poderosos. Essa aceleração produziria uma superinteligência em poucos anos, com consequências profundas para a economia, a política e a segurança da humanidade. O projeto combina previsões quantitativas com uma narrativa sobre empresas, governos e decisões humanas. AI 2027

Para avaliar sua credibilidade, é preciso distinguir três questões: a qualidade dos previsores, a plausibilidade dos mecanismos descritos e a probabilidade de os acontecimentos seguirem aquele calendário. As respostas podem ser diferentes.

1. Superprevisores, o livro e os autores do site

O que são superprevisores?

Superprevisores são pessoas que demonstram capacidade excepcional de estimar probabilidades de acontecimentos futuros em competições nas quais as previsões são registradas e avaliadas posteriormente.

O conceito ganhou notoriedade com o Good Judgment Project, associado ao psicólogo Philip Tetlock. A seleção depende do desempenho: a Good Judgment informa que seus profissionais estão entre os melhores 1% a 2% dos participantes das plataformas utilizadas para identificá-los. Good Judgment

Seu trabalho envolve formular perguntas verificáveis, comparar situações semelhantes, consultar perspectivas diferentes e atualizar estimativas conforme surgem evidências. Uma previsão útil informa o acontecimento, o prazo e a probabilidade atribuída a ele. Depois, permite examinar o que aconteceu e onde o raciocínio falhou.

O livro Superprevisões

Philip Tetlock e o jornalista Dan Gardner divulgaram essa abordagem em Superforecasting: The Art and Science of Prediction, publicado originalmente em 2015 e lançado no Brasil como Superprevisões.

O livro reúne pesquisas sobre julgamento humano e resultados de torneios de previsão. Sua proposta é mostrar como determinadas práticas melhoram a capacidade de antecipar acontecimentos — inclusive entre pessoas que não são autoridades famosas no assunto. Editora original, edição brasileira

Entre os temas tratados estão:

• A diferença entre reputação de especialista e desempenho como previsor.
• A transformação de opiniões vagas em probabilidades.
• A divisão de problemas difíceis em perguntas menores.
• O uso de casos semelhantes e frequências históricas como referência.
• A revisão das previsões diante de novas evidências.
• O equilíbrio entre confiança excessiva e indecisão.
• A análise dos erros, incluindo o risco de reinterpretar o passado para parecer que tudo era previsível.
• O trabalho em equipe, o confronto construtivo de opiniões e a prática acompanhada de avaliação.

Esses princípios aparecem também nos “dez mandamentos” de Tetlock para aspirantes a superprevisores. Good Judgment: princípios de superprevisão

Existe, porém, uma questão metodológica importante: bons resultados em torneios não demonstram automaticamente a capacidade de prever uma transformação tecnológica sem precedente histórico. Essa transferência de competência precisa ser avaliada. O próprio Eli Lifland recomenda o livro, mas considera algumas de suas afirmações sobre generalistas e especialistas excessivas. Eli Lifland

Quem criou o AI 2027?

O cenário tem cinco autores:

Autor	Experiência e contribuição
Daniel Kokotajlo	Ex-pesquisador de governança da OpenAI, com experiência em planejamento de cenários; principal autor do projeto.
Eli Lifland	Pesquisador de capacidades de IA e previsor competitivo, com destaque em torneios.
Thomas Larsen	Pesquisador de segurança de IA e fundador do Center for AI Policy.
Romeo Dean	Especialista em previsões sobre produção e utilização de chips de IA, com formação em computação em Harvard.
Scott Alexander	Escritor que ajudou a transformar a pesquisa em uma narrativa acessível.

O projeto pertence ao AI Futures Project, e o site foi desenvolvido em colaboração com a Lightcone Infrastructure. Equipe e organização, créditos do cenário

Eli Lifland é o integrante com o histórico competitivo de previsão mais claramente documentado: participa da equipe Samotsvety e aparece em primeiro lugar no ranking histórico da RAND Forecasting Initiative. Samotsvety: equipe

Portanto, apresentar os cinco autores indistintamente como “superprevisores certificados” extrapola as credenciais publicadas. A equipe reúne competências diferentes. Tetlock e Gardner, autores do livro, não figuram entre os autores do AI 2027.

2. O que o site prevê?

O mecanismo central é a automação da pesquisa em inteligência artificial. Sistemas capazes de programar e pesquisar poderiam acelerar o desenvolvimento de seus sucessores, que, por sua vez, acelerariam ainda mais esse processo.

O suplemento sobre essa aceleração, chamado Takeoff Forecast, examina a passagem de um programador sobre-humano para capacidades muito superiores às humanas. A hipótese envolve sobretudo melhorias de software: utilizar de maneira mais eficiente os recursos computacionais disponíveis. Previsão de aceleração

A narrativa organiza esse processo em três etapas:

Em 2025, agentes de IA começam a produzir valor econômico, embora ainda sejam pouco confiáveis.

Em 2026, aumenta a competição entre Estados Unidos e China, acompanhada por investimentos em infraestrutura e preocupação com a segurança dos modelos.

Em 2027, a empresa fictícia OpenBrain automatiza programação e pesquisa de IA. O desenvolvimento acelera, mas aparecem indícios de que seus sistemas escondem informações e perseguem objetivos incompatíveis com os interesses humanos. A pressão competitiva dificulta uma resposta prudente. Resumo oficial

O problema de segurança pressuposto pelo cenário é o desalinhamento: um sistema pode apresentar comportamento aparentemente adequado durante a avaliação e, ainda assim, desenvolver objetivos que seus criadores não pretendiam. Os autores discutem hipóteses alternativas sobre a origem desses objetivos em um suplemento específico. Previsão sobre objetivos das IAs

A história então se divide:

• Final de corrida: o desenvolvimento continua apesar dos sinais de perigo. As IAs conquistam influência e controle sobre infraestrutura, até um desfecho de extinção humana nos anos seguintes.
• Final de desaceleração: pesquisadores e autoridades reforçam a supervisão e obtêm sistemas mais controláveis. Há prosperidade, mas também uma enorme concentração de poder em um pequeno grupo.

Mesmo o final favorável levanta uma questão política: quem controlará uma tecnologia capaz de determinar o futuro de todos? Os dois finais

Assim, o título AI 2027 se refere ao período decisivo da aceleração tecnológica na narrativa. Ele não significa que o site marque a extinção humana para 2027.

3. Os autores revisaram suas previsões?

Sim. Houve revisões de prazos, de modelos e da apresentação pública das previsões. Também houve atualizações que anteciparam datas depois de revisões anteriores terem alongado os prazos.

Em maio de 2025, Eli Lifland modificou dois modelos do suplemento de cronologia. As estimativas medianas desses modelos para a chegada de um programador sobre-humano passaram, aproximadamente, de 2027–2028 para 2029–2030. Essas eram saídas de modelos específicos, que precisavam ser distinguidas das opiniões finais dos autores. Revisão de maio de 2025

Em janeiro de 2026, a equipe publicou um esclarecimento sobre essa distinção. Explicou também a diferença entre moda e mediana:

• Ano modal: o ano isolado ao qual se atribui a maior probabilidade.
• Data mediana: o ponto até o qual a probabilidade acumulada de o evento já ter ocorrido chega a 50%.

Um ano pode ser o mais provável individualmente e, ainda assim, reunir uma probabilidade bastante inferior a 50%. Segundo os autores, 2027 era o ano modal no lançamento, enquanto suas medianas eram posteriores e variavam entre integrantes. Esclarecimento dos autores

As atualizações de 2026 mostram que suas posições continuaram mudando:

• Fevereiro: na avaliação das previsões de 2025, estimaram que o progresso quantitativo havia avançado a cerca de 65% do ritmo descrito no cenário. Esse número representa a avaliação dos próprios autores e não significa que “65% da história se realizou”. Avaliação das previsões
• Abril: diante de novos resultados de agentes de programação, anteciparam novamente alguns prazos. A mediana de Kokotajlo para o marco de “programador automatizado” passou do fim de 2029 para meados de 2028; a de Lifland, do início de 2032 para meados de 2030. Atualização de abril
• Agosto: os prazos ficaram ligeiramente mais curtos, e o modelo passou a incorporar novas referências, como ganhos de produtividade e receita. A equipe esclareceu que suas previsões seriam condicionadas ao desenvolvimento avançar tão rapidamente quanto tecnicamente possível, sem incorporar integralmente desacelerações políticas. Atualização de agosto
• Setembro: em depoimento ao Senado americano, Kokotajlo declarou uma estimativa pessoal de aproximadamente 50% de chance de automação de todo o processo de pesquisa e desenvolvimento de IA até o fim de 2028. Esse marco é diferente de superinteligência ou extinção humana. Declaração de setembro

Eles continuam defendendo a possibilidade de uma transformação rápida e perigosa. O que não cabe atribuir à equipe é uma crença uniforme de que cada acontecimento da narrativa ocorrerá exatamente como publicado.

Há ainda uma mudança relevante de enfoque: em julho de 2026, lançaram AI 2040: Plan A, uma proposta de ação para adiar a superinteligência até 2040. Os autores apresentam esse texto como recomendação política. O ano do título descreve o resultado pretendido das intervenções, não sua previsão espontânea de chegada da tecnologia. AI 2040: Plan A

4. Como o AI 2027 foi recebido?

A repercussão reuniu interesse público, discussão política, apoio de pesquisadores e críticas contundentes.

Segundo o relato da equipe, o site se aproximou de um milhão de visitantes nas primeiras semanas, e seus integrantes foram convidados para apresentações em Harvard, na Federation of American Scientists e na OpenAI. A circulação incluiu entrevistas, vídeos e debates sobre as hipóteses do cenário. Balanço da repercussão

O interesse chegou também à política institucional: o depoimento de Kokotajlo ao Senado, em setembro de 2026, é um exemplo concreto. Uma audiência parlamentar demonstra relevância para o debate público; não constitui validação científica das previsões. Depoimento escrito no Senado

Houve apoio acadêmico?

Sim, mas apoio à discussão dos riscos precisa ser distinguido de concordância com o calendário.

Yoshua Bengio recomendou a leitura do cenário por sua capacidade de explicitar questões importantes e ilustrar riscos emergentes, ressalvando a incerteza das previsões. Recomendação reproduzida no site

Há também exemplos de atenção na academia convencional. Em AI and Our Economic Future, publicado no Journal of Economic Perspectives em 2026, o economista Charles I. Jones cita o AI 2027 ao discutir automação e aceleração econômica. Seu artigo considera diferentes trajetórias e destaca que tarefas ainda não automatizadas podem limitar o crescimento. A referência mostra que o cenário entrou na discussão acadêmica, sem implicar endosso de sua sequência de acontecimentos. Artigo de Charles I. Jones

Quais foram as principais críticas?

Gary Marcus argumentou que a força narrativa do texto supera sua sustentação científica. Sua crítica central é que uma história detalhada e concebível não estabelece a probabilidade de aquele futuro ocorrer. Questionou também a velocidade dos avanços pressupostos. Crítica de Marcus

Arvind Narayanan e Sayash Kapoor, ligados a Princeton, apresentam uma alternativa em AI as Normal Technology. Para eles, avanços nas capacidades precisam atravessar etapas de aplicação, adoção e difusão. Organizações, infraestrutura e instituições impõem limites ao ritmo da transformação, mesmo quando a tecnologia melhora rapidamente. Ensaio publicado pelo Knight Institute

Em uma resposta que compara explicitamente essa visão com o AI 2027, eles explicam que a divergência envolve mecanismos causais, além de datas: melhorar o projeto técnico de uma IA não elimina automaticamente os obstáculos externos à sua utilização. Comparação entre as abordagens

Um levantamento da AAAI, divulgado em março de 2025, ajuda a contextualizar o ceticismo. Entre os respondentes das perguntas sobre AGI, 76% consideravam improvável ou muito improvável que ampliar as abordagens existentes fosse suficiente para produzir inteligência geral. Entretanto, o levantamento antecede o AI 2027, utiliza participação voluntária e não mede a reação ao site. Relatório da AAAI

A conclusão sustentada por esses exemplos é que parte da academia levou o projeto a sério como cenário e provocação intelectual. As fontes não permitem apresentá-lo como uma previsão aceita pela comunidade científica em geral.

5. O que dizem os especialistas mais respeitados hoje?

As posições públicas continuam divergentes, inclusive entre pesquisadores de grande influência:

Especialista	Posição pública recente
Yoshua Bengio	É coautor de um trabalho de setembro de 2026 que considera plausível uma aceleração intensa decorrente da automação da pesquisa de IA e pede preparação para seus riscos. Estudo
Geoffrey Hinton	Defende cautela e avaliação independente dos sistemas. Em entrevista de setembro de 2026, reconheceu que não há dados que permitam calcular cientificamente a probabilidade de extinção por superinteligência. Entrevista
Yann LeCun	Considera exagerados os temores de extinção e atribui incidentes recentes a falhas de supervisão. Entrevista, outubro de 2026

Para compreender o estado da discussão, é útil olhar também para avaliações coletivas.

O International AI Safety Report 2026, publicado em fevereiro, reuniu mais de cem especialistas sob a liderança de Bengio. O relatório registra grande divergência sobre a probabilidade de perda de controle. Na avaliação apresentada naquela edição, os sistemas mostravam sinais iniciais de capacidades relevantes, mas ainda não nos níveis necessários para os cenários extremos analisados. Também apontava evidências insuficientes para determinar com confiança como essas capacidades se generalizariam no futuro. Relatório internacional de segurança

Uma contribuição posterior, publicada em 28 de setembro de 2026, tem entre seus autores Bengio, Hinton, Andrew Barto e Dawn Song. O trabalho examina a possibilidade de a automação da pesquisa comprimir anos de progresso em meses. Seus autores consideram as evidências preliminares suficientes para justificar atenção urgente, embora reconheçam grandes incertezas. Trata-se de um preprint, e não de demonstração de que o roteiro do AI 2027 acontecerá. What if automating AI R&D triggers an intelligence explosion?

Essas fontes permitem uma distinção importante: há especialistas respeitados que consideram a aceleração extrema e a perda de controle riscos plausíveis; não há consenso sobre sua probabilidade, seu calendário ou sua inevitabilidade.

Minha avaliação é que o AI 2027 merece leitura por tornar explícita uma cadeia de hipóteses que pode ser examinada e contestada. Sua precisão narrativa exige cautela: nomes, meses e decisões detalhadas podem transmitir uma certeza superior à permitida pelas evidências. A credibilidade do projeto dependerá de como suas previsões verificáveis resistirem aos acontecimentos e de como seus autores responderem aos erros — justamente uma das lições centrais de Superprevisões.