A palestra sobre o conhecimento

—

Esta palestra foi proferida por Aravind Srinivas a 3 de outubro de 2026 na Cambridge Union Society. A Cambridge Union Society é a maior associação de estudantes da Universidade de Cambridge e a sociedade de debate em funcionamento contínuo mais antiga do mundo.

—

Olá, e obrigado. É uma honra estar aqui.

Uma das coisas que não esperava quando fundei uma empresa é a quantidade de tempo que acabo por passar em universidades. Gosto disso. Enquanto CEO, as universidades costumam ter o único público que me contesta. Por isso, vamos reservar mais tempo para debate do que aquele que tenciono passar a falar.

Vamos começar.

Normalmente, quando me convidam para falar algures, pedem-me uma palestra de previsões com um título genérico como “o futuro da IA.” Não vou falar sobre o futuro da IA. Em vez disso, vou falar sobre o vosso futuro. O vosso futuro interessa-me mais e, provavelmente, também vos interessa mais a vocês.

Primeiro, um pouco sobre o passado. Cambridge é o lugar perfeito para falar do passado e, ao mesmo tempo, do vosso futuro, porque tem ambos.

Diz-se que aquilo a que hoje chamamos sistema de revisão por pares foi inventado aqui, em Cambridge. A verdade, em rigor, é que foi apenas um professor de Cambridge, que o propôs na Royal Society de Londres, e não aqui na universidade. Isso foi em 1831. Hoje, publicam-se todos os anos mais de 3,5 milhões de artigos científicos ao abrigo do sistema de revisão por pares.

Cerca de 160 anos depois, dois doutorandos em Stanford trabalhavam em estruturas de redes e prospeção de dados. Foi quando o boom da Internet dos anos 90 estava a começar. A World Wide Web era a única coisa de que toda a gente falava. Mais ou menos como a “IA” hoje.

Também como hoje, a maioria das pessoas que falavam do boom eram investidores e meios de comunicação social. A “comunidade tecnológica” de então era o setor das telecomunicações. Não havia muitos académicos na discussão. (Alguns, mas não muitos.) E estes dois doutorandos não faziam propriamente parte do círculo restrito do boom da Internet.

Mas sabiam uma coisa com que as pessoas fora do sistema universitário não se preocupavam muito.

Como a maioria dos académicos, compreendiam o propósito da universidade. O propósito da universidade é fazer avançar o conhecimento.

É por isso que usamos a revisão por pares. É também por isso que a escrita académica tem tantas citações. E estes dois estudantes sabiam que a quantidade de conhecimento no mundo (medida, por aproximação, pelo número de artigos com qualidade de revisão por pares) só cresce. Por isso, foi fácil para eles perceberem que a web também só iria crescer com o conhecimento humano.

Também tinham experiência com um problema antigo que era “novo” para a web: como encontrar o conhecimento certo, ou o melhor conhecimento, se este está sempre a expandir-se. No modelo antigo, os académicos avaliam se a investigação de alguém é útil ou credível com base no número de vezes que foi citada.

Por isso, tiveram a ideia de criar um algoritmo que avaliasse todos os sites da Internet com base em quantos outros sites os citavam, ou lhes faziam ligação, em relação ao conteúdo desses sites.

Chamaram ao sistema “Page Rank”, porque classificavam todas as páginas da web e porque um destes doutorandos se chamava Larry Page.

O Larry e o seu sócio (Sergey Brin) pegaram neste pequeno princípio académico e tornaram-no acessível ao grande público. A Google tornou-se uma das ferramentas mais úteis da história, e uma das empresas mais bem-sucedidas, porque Larry Page simplesmente adaptou aquilo que as universidades já faziam há cem anos.

Como disse, o propósito da universidade é fazer avançar o conhecimento. Nesta palestra, vou dizer-vos três coisas sobre o conhecimento. A minha esperança é que cheguemos a uma compreensão prática melhor da inteligência artificial ao refletirmos sobre a nossa própria.

1.

Primeiro, o conhecimento tem uma vida. Nasce, deteriora-se e morre.

Tem um ciclo de vida. E, por ter um ciclo de vida, o conhecimento passa por uma evolução.

À medida que aquilo que sabemos evolui, estamos todos a ficar mais inteligentes. Chama-se Efeito Flynn. O Efeito Flynn é a observação de que a humanidade tem ficado mais inteligente cerca de 3 pontos de QI por década.

Os testes de QI são constantemente recalibrados para que a média se mantenha nos 100, por isso uma forma simples de pensar no Efeito Flynn é em percentis. Em 1950, alguém no percentil 92 de inteligência estaria hoje apenas no percentil 50. Todos ficámos mais inteligentes.

O ano de 1950 foi também aquele em que foi inventado o Teste de Turing. Foi o primeiro teste para determinar se, ou quando, uma máquina é mais inteligente do que as pessoas. Isso significa que, em 1950, era muito mais fácil para uma máquina passar no Teste de Turing. Porque a fasquia da inteligência “humana” era mais baixa.

E é esse o poder da evolução. O conhecimento leva sempre a mais conhecimento.

O lado negativo é que o mundo pode ficar mais inteligente, mas vocês, enquanto indivíduos, podem ficar mais burros. O conhecimento deteriora-se. Pensem nisso como uma semivida. A semivida de um elemento radioativo é o tempo que demora até metade dele se desintegrar. A semivida do conhecimento é o tempo que demora até metade dele ficar obsoleto.

Eis alguns exemplos, daqui mesmo de Cambridge.

Em 1978, Sir Roy Calne ajudou a introduzir a ciclosporina na transplantação. Isto foi importante para prevenir a rejeição de órgãos. Os primeiros ensaios clínicos decorreram em Cambridge. Em 2001, outro fármaco, o tacrolímus, tinha-se tornado o tratamento predominante da sua classe nos transplantes renais nos Estados Unidos. Por isso, poderíamos dizer que o conhecimento médico sobre o tratamento com ciclosporina teve uma semivida de 23 anos.

É uma medida imperfeita, mas é um modelo útil para avaliar engenheiros em áreas que evoluem rapidamente. Fazemos isto na tecnologia. A implicação é: “em que ponto da carreira deste engenheiro é que metade daquilo que sabe fica totalmente obsoleta?”

Em que ponto da vossa carreira é que isso vos vai acontecer? A resposta depende de quanto tempo passam a aprender coisas novas.

Infelizmente, em casos raros, o conhecimento também morre. Há línguas que já não têm falantes. Há sabedoria que morre com um ancião.

É por isso que, há mais de 4000 anos, os seres humanos constroem bibliotecas. E, quando surgiu a web, colocámos lá infinitamente mais daquilo que sabemos. Portanto, o conhecimento morre, mas não tem de morrer. Talvez por algum aspeto inato da condição humana, as pessoas sempre se sentiram impelidas a preservar o conhecimento. Estamos constantemente a guardá-lo e a fazer crescer o conhecimento total do mundo. Isso é bom.

Devo salientar: o conhecimento é como um ser vivo, mas não está vivo. Só vocês estão vivos. Simplesmente acho que estão mais vivos quando estão a aprender algo novo.

É por isso que a Perplexity existe, já agora. Mas não estou aqui para falar da Perplexity. Estou aqui para falar de vocês e da economia do conhecimento. O que me leva ao meu segundo ponto.

2.

Segundo, o conhecimento não é dinheiro. Mas comporta-se como dinheiro.

O dinheiro tem um valor temporal. Os juros fazem-no crescer e a inflação fá-lo encolher. Com tempo suficiente, tanto os juros como a inflação têm um efeito composto.

Quando cem mil libras tiverem o poder de compra de quarenta mil (provavelmente daqui a cerca de 23 anos), vão precisar de 250 000 £ para manter o mesmo valor. Mais 23 anos depois disso e precisariam de 625 000 £.

Quando as coisas crescem de forma composta, os ganhos ou as perdas aumentam exponencialmente com o tempo.

É por isso que o princípio financeiro mais básico é que devemos ter sempre juros compostos a uma taxa superior à inflação. Porque, se não estamos a crescer, estamos a encolher. Com o conhecimento passa-se o mesmo.

Tal como o valor de uma libra, o valor daquilo que sabem hoje vai depreciar-se com o tempo. E, tal como uma depreciação normal, fá-lo-á apenas um pouco todos os dias. Será tão pouco que mal darão por isso. Até que um dia acordam e não têm nada. O vosso conhecimento deixará de ter o mesmo valor de mercado. Isto é inevitável. Lembrem-se de que o Teorema de Pitágoras já foi algo que só as elites podiam conhecer. Mas todos aqui o aprenderam no 7.º ano.

Todos ficamos mais inteligentes, para sempre. Como referi, este é todo o propósito da universidade. Com sorte, um dia, num futuro distante, aquilo que estudaram aqui em Cambridge poderá fazer parte do programa do 7.º ano.

Isso é bom, se acontecer. Significa progresso. Mas também significa que os vossos objetivos económicos exigem que nunca parem de aprender. Têm de aprender a uma taxa de juro superior à taxa de inflação do conhecimento.

Dito de outra forma, têm de duplicar aquilo que sabem a um ritmo superior à vossa própria semivida do conhecimento. Isto leva tempo. Mas, quando se vê o mundo pela lente do efeito composto, é preciso vê-lo a longo prazo.

É por isso que o melhor truque para fazer crescer a vossa riqueza com juros compostos é começar jovem, e a segunda melhor forma é morrer velho. Warren Buffet começou a investir aos 11 anos, mas 99% da sua riqueza foi acumulada depois dos 65.

O que aponta para a última semelhança entre o conhecimento e o dinheiro. Têm de o gastar.

Quando têm capital, investem-no para que trabalhe. Quando têm conhecimento, sobretudo conhecimento excecional, devem pô-lo a trabalhar. Façam algo com ele. Essa é a diferença entre invenção e inovação. A invenção pergunta: “criaste alguma coisa?” A inovação pergunta: “Fez alguma diferença?”

E, se querem fazer a diferença, têm de agir com base no conhecimento. Só a ação desencadeia novas perguntas, investigação e novo conhecimento. Têm de estar sempre a aprender e sempre a fazer.

É aqui que entra a inteligência artificial, o que me leva ao meu terceiro e último ponto.

3.

O propósito da IA é acelerar o conhecimento e a prosperidade humanos.

Considerem estas duas primeiras coisas que disse esta noite. Disse que o conhecimento tem um carácter semelhante ao de um ser vivo, e que o devemos nutrir e fazer avançar porque, de um modo geral, as pessoas beneficiam. Depois, disse que o conhecimento tem um carácter económico. Que o devemos cultivar porque, de um modo geral, todas as pessoas beneficiam.

Se acreditarem nestas duas coisas, então também têm de pensar na IA de uma forma ligeiramente diferente.

Em vez de ficarem obcecados em alcançar a AGI ou em tornar a tecnologia inteligente por amor à própria tecnologia, concluiriam que a razão para construir uma IA melhor e mais precisa é servir as pessoas.

Concluiriam que o propósito mais elevado e mais importante da IA é tornar as pessoas mais inteligentes e mais prósperas.

Se isto se parece muito com o propósito da universidade, bem, aqui estamos.

Pensem outra vez na revisão por pares. Foi inventada em 1831. Este ano, a Perplexity lançou um produto muito simples chamado Model Council, baseado numa ideia proposta por um dos investigadores fundadores da OpenAI. Fazem a mesma pergunta a três modelos de IA. Cada um deles investiga e responde e, depois, um modelo “presidente” avalia onde divergem e onde concordam, e raciocina até chegar a uma resposta final.

O Model Council não substitui a revisão por pares. Em vez disso, o seu propósito é levar o espírito de investigação académica a mais pessoas. Podemos expandir o ethos de uma universidade para além destas paredes, e a todo o mundo.

Poderíamos ajudar mais pessoas a ter efetivamente razão, e não apenas a sentir que têm razão ou a parecer que têm razão. A procurar cientificamente a verdade e o conhecimento. O arco do universo tende para que todos tenham mais acesso a mais conhecimento. É bom que as pessoas tenham conhecimento. E são as pessoas que beneficiam.

Vou terminar com uma pequena história sobre a minha empresa.

Quando começámos, éramos apenas três investigadores de IA, com mais perguntas do que visão. Depois, com a chegada de uma 4.ª pessoa, decidimos que era altura de contratar um seguro de saúde. O seguro de saúde nos Estados Unidos é complicado até para os americanos. Eu não sou dos Estados Unidos, por isso era ainda mais confuso para mim.

Os resultados do Google não ajudaram nada. E o normal, neste caso, é um fundador ligar a alguém que já tenha passado pelo mesmo. Como um investidor ou outro fundador. Mas era tarde da noite. Eu queria resolver o assunto, por isso tive de encontrar o conhecimento sozinho.

O problema é que fazer a pesquisa sozinho significa procurar no Google em sites de seguros otimizados para SEO, todos com maus conselhos, a competir para parecerem os mais credíveis.

Foi então que criei a primeira versão da Perplexity.

Fez a pesquisa por mim. E obriguei-o a citar as fontes das respostas. Assim, podia verificar e continuar a fazer mais perguntas. E depois tratei do nosso seguro de saúde. Ficou resolvido. Passemos ao problema seguinte. E ao seguinte, e ao seguinte. E aqui estamos hoje.

A moral dessa história é que já não precisam de “conhecer alguém”. Podem simplesmente aprender coisas e fazê-las. Já vos disse que a promessa da IA é que podem aceder a qualquer conhecimento. A moral desta história é que qualquer pessoa pode aceder a qualquer conhecimento.

Esta é a promessa máxima da IA. Qualquer pessoa pode agora ser curiosa. Qualquer pessoa pode construir qualquer coisa. Qualquer pessoa pode agora entrar no templo do conhecimento. Isso beneficia todos.

E isso é uma boa notícia para vocês. Significa que a coisa mais importante que podem fazer, para o resto da vida, é ser curiosos. Os mais bem-sucedidos de entre vocês serão quem tiver mais perguntas. E as melhores perguntas.

Por isso, o meu conselho é que sejam tão curiosos quanto conseguirem. Não se contentem em percorrer as redes sociais no telemóvel. Não se contentem com um agente de IA que se limita a fazer reservas para jantar – façam trabalho a sério com ele. E nunca acreditem num chatbot que vos diz que já têm razão.

Acreditem no espírito de investigação. Acreditem no que podem aprender com a IA. Acreditem no que vão criar quando o fizerem. E, para todos nós, façamos com que seja algo bom.

Obrigado.