A palestra sobre o conhecimento

—

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

—

Olá, e obrigado. É uma honra estar aqui.

Uma das coisas que eu não esperava ao fundar uma empresa é quanto tempo eu passaria em universidades. Eu gosto disso. Para um CEO, as universidades costumam ter as únicas plateias que rebatem. Então vamos reservar mais tempo para a discussão do que pretendo passar falando.

Vamos começar.

Normalmente, quando sou convidado para falar em algum lugar, me pedem para fazer 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 futuro de vocês. O futuro de vocês é mais interessante para mim, e provavelmente é mais interessante para vocês também.

Primeiro, um pouco sobre o passado. Cambridge é o lugar perfeito para falar sobre o passado e, ao mesmo tempo, sobre o futuro de vocês, porque tem os dois.

Diz a história que o que hoje chamamos de sistema de revisão por pares foi inventado aqui em Cambridge. A verdade exata é que foi apenas um professor de Cambridge, e ele o propôs na Royal Society de Londres, não aqui na universidade. Isso foi em 1831. Hoje, mais de 3,5 milhões de artigos científicos são publicados todos os anos sob o sistema de revisão por pares.

Cerca de 160 anos depois, dois doutorandos em Stanford estavam trabalhando com estruturas de rede e mineração de dados. Foi quando o boom da internet dos anos 1990 estava apenas começando. Só se falava da World Wide Web. Mais ou menos como a “IA” hoje.

Também como hoje, a maioria das pessoas que falavam sobre o boom eram investidores e a mídia. A “comunidade tech” da época era o setor de telecomunicações. Não havia muitos acadêmicos na discussão. (Alguns, mas não muitos). E esses dois doutorandos não faziam exatamente parte do círculo interno do boom da internet.

Mas eles sabiam de uma coisa com a qual as pessoas de fora do sistema universitário não se importavam muito.

Como a maioria dos acadêmicos, eles entendiam o propósito da universidade. O propósito da universidade é fazer o conhecimento avançar.

É por isso que usamos a revisão por pares. É também por isso que a escrita acadêmica tem tantas citações. E esses dois alunos sabiam que a quantidade de conhecimento no mundo (medida indiretamente pelo número de artigos com qualidade de revisão por pares) só cresce. Então foi fácil para eles ver que a web também só cresceria com o conhecimento humano.

Eles também tinham experiência com um problema antigo que era “novo” para a web: como encontrar o conhecimento certo, ou o melhor conhecimento, se ele está sempre se expandindo. No modelo antigo, os acadêmicos julgam se a pesquisa de alguém é útil ou confiável com base no número de vezes que ela foi citada.

Então eles tiveram a ideia de construir um algoritmo que avalia cada site da internet com base em quantos outros sites o citaram, ou colocaram links para ele, em relação ao conteúdo desses sites.

Eles chamaram o sistema de “Page Rank”, porque classificavam todas as páginas da web e porque um desses doutorandos se chamava Larry Page.

Larry e seu sócio (Sergey Brin) pegaram esse pequeno princípio acadêmico e o levaram ao grande público. O Google se tornou uma das ferramentas mais úteis da história, e um dos negócios mais bem-sucedidos, porque Larry Page simplesmente adaptou o que as universidades já faziam havia cem anos.

Como eu disse, o propósito da universidade é fazer o conhecimento avançar. Vou falar de três coisas sobre o conhecimento nesta palestra. Minha esperança é que cheguemos a uma compreensão prática melhor da inteligência artificial pensando um pouco na nossa própria.

1.

Primeiro, o conhecimento tem vida. Ele nasce, se deteriora e morre.

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

À medida que o que sabemos evolui, todos nós ficamos mais inteligentes. Isso se chama Efeito Flynn. O Efeito Flynn é a observação de que a humanidade vem ficando mais inteligente em cerca de 3 pontos de QI a cada década.

Os testes de QI são constantemente renormatizados para que a média fique em 100, então uma maneira fácil de pensar no Efeito Flynn é em percentis. Em 1950, alguém no 92º percentil de inteligência estaria apenas no 50º percentil hoje. Todos nós ficamos mais inteligentes.

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

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

O lado negativo é que o mundo pode ficar mais inteligente, mas você, como indivíduo, pode ficar mais burro. O conhecimento se deteriora. Pense nisso como uma meia-vida. A meia-vida de um elemento radioativo é o tempo que leva para metade dele decair. A meia-vida do conhecimento é o tempo que leva para metade dele ficar obsoleta.

Aqui estão alguns exemplos, daqui mesmo de Cambridge.

Em 1978, Sir Roy Calne ajudou a introduzir a ciclosporina nos transplantes. Isso foi importante para prevenir a rejeição de órgãos. Os primeiros ensaios clínicos foram em Cambridge. Em 2001, outro medicamento, o tacrolimo, já havia se tornado o tratamento predominante de sua classe nos transplantes renais nos Estados Unidos. Então, pode-se dizer que o conhecimento médico sobre o tratamento com ciclosporina teve uma meia-vida de 23 anos.

É uma medida imperfeita, mas é um modelo útil para avaliar engenheiros em áreas que evoluem rápido. Fazemos isso no setor de tecnologia. A implicação é: “em que ponto da carreira deste engenheiro metade do que ele sabe estará totalmente obsoleta?”

Em que ponto da sua carreira isso vai acontecer com você? A resposta depende de quanto tempo você dedica a aprender coisas novas.

Infelizmente, em casos raros, o conhecimento também morre. Há idiomas que não têm mais nenhum falante. Há sabedoria que morre com um ancião.

É por isso que, há mais de 4.000 anos, os seres humanos constroem bibliotecas. E quando a web surgiu, colocamos nela infinitamente mais do que sabemos. Então o conhecimento morre, mas não precisa morrer. Talvez como um aspecto inato da condição humana, as pessoas sempre se sentiram compelidas a preservar o conhecimento. Estamos constantemente guardando-o e aumentando o conhecimento total do mundo. Isso é bom.

Devo observar: o conhecimento é como um ser vivo, mas não está vivo. Só vocês estão vivos. Eu só acho que vocês ficam mais vivos quando estão aprendendo algo novo.

É por isso que a Perplexity existe, aliás. 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 se comporta como dinheiro.

Existe o valor do dinheiro no tempo. Os juros o fazem crescer, e a inflação o faz encolher. Com tempo suficiente, tanto os juros quanto a inflação têm efeito composto.

Quando cem mil libras tiverem o poder de compra de quarenta mil (provavelmente em cerca de 23 anos), vocês vão precisar de £ 250.000 para empatar. Depois de mais 23 anos, vocês precisariam de £ 625.000.

Quando há efeito composto, os ganhos ou as perdas crescem exponencialmente com o tempo.

É por isso que o princípio financeiro mais básico é que você deve sempre acumular juros compostos a uma taxa maior que a inflação. Porque, se você não está crescendo, está encolhendo. Com o conhecimento é a mesma coisa.

Assim como o valor de uma libra, o valor do que vocês sabem hoje vai se depreciar com o tempo. E, assim como a depreciação comum, isso vai acontecer só um pouquinho a cada dia. Será tão pouco que vocês mal vão perceber. Até que um dia vocês acordam e não têm nada. O seu conhecimento não terá mais o mesmo valor de mercado. Isso é inevitável. Lembrem-se: o Teorema de Pitágoras já foi algo que só as elites podiam saber. Mas todos aqui o aprenderam no sétimo ano.

Todos nós ficamos mais inteligentes, para sempre. Como mencionei, esse é todo o propósito da universidade. Com sorte, algum dia, num futuro distante, o que vocês estudaram aqui em Cambridge poderá ser o currículo do sétimo ano.

Isso é bom, se acontecer. Significa progresso. Mas também significa que suas metas econômicas exigem que vocês nunca parem de aprender. Vocês precisam aprender a uma taxa de juros maior que a taxa de inflação do conhecimento.

Em outras palavras, você precisa dobrar o que sabe a uma taxa maior que a sua própria meia-vida do conhecimento. Isso leva tempo. Mas, quando você vê o mundo pela lente do efeito composto, precisa enxergá-lo com um futuro longo pela frente.

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

O que sugere a última semelhança entre conhecimento e dinheiro. Você precisa gastá-lo.

Quando você tem capital, você o aplica para gerar trabalho. Quando você tem conhecimento, especialmente um conhecimento excepcional, deve colocá-lo para trabalhar. Faça algo com ele. Essa é a diferença entre invenção e inovação. A invenção pergunta: “você fez alguma coisa?” A inovação pergunta: “Fez diferença?”

E se vocês querem fazer diferença, precisam agir com base no conhecimento. Só a ação desencadeia novas perguntas, investigação e novo conhecimento. Vocês precisam estar sempre aprendendo e sempre fazendo.

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

3.

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

Considerem as duas primeiras coisas que eu disse esta noite. Eu disse que o conhecimento tem um caráter semelhante ao de um ser vivo, e que devemos nutri-lo e fazê-lo avançar porque, de modo geral, as pessoas se beneficiam. Depois eu disse que o conhecimento tem um caráter econômico. Que devemos cultivá-lo porque, de modo geral, todas as pessoas se beneficiam.

Se vocês acreditam nessas duas coisas, também precisam pensar na IA de um jeito um pouco diferente.

Em vez de ficarem obcecados em alcançar a AGI ou em tornar a tecnologia inteligente pela própria tecnologia, vocês concluiriam que o motivo para construir uma IA melhor e mais precisa é servir às pessoas.

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

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

Pensem novamente na revisão por pares. Ela foi inventada em 1831. Este ano, a Perplexity lançou um produto muito simples chamado Model Council, baseado em uma ideia proposta por um dos pesquisadores fundadores da OpenAI. Você faz a mesma pergunta a três modelos de IA. Cada um pesquisa e responde, e então um modelo “presidente” avalia onde eles divergem e onde concordam, e raciocina até chegar a uma resposta final.

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

Poderíamos ajudar mais pessoas a estarem certas, e não apenas a se sentirem certas ou parecerem certas. A buscar cientificamente a verdade e o conhecimento. O arco do universo aponta para que todos tenham mais acesso a mais conhecimento. É bom que as pessoas tenham conhecimento. E são as pessoas que se beneficiam.

Vou encerrar com uma breve história sobre a minha empresa.

Quando começamos, éramos apenas três pesquisadores de IA, com mais perguntas do que visão. Então, com a chegada da 4ª pessoa, decidimos que era hora de contratar um plano de saúde. Plano de saúde nos Estados Unidos é complicado até para os americanos. Eu não sou dos Estados Unidos, então para mim era ainda mais confuso.

Os resultados do Google não ajudaram em nada. E o normal, nesse caso, é o fundador ligar para alguém que já passou por isso. Como um investidor ou outro fundador. Mas era tarde da noite. Eu queria resolver aquilo, então tive que encontrar o conhecimento sozinho.

O problema é que fazer a pesquisa sozinho significa pesquisar no Google em sites de seguros otimizados para SEO, todos com conselhos ruins, competindo para parecer o mais confiável.

Foi aí que eu criei a primeira versão do Perplexity.

Ele fez a pesquisa para mim. E fiz com que ele citasse as respostas. Assim eu podia verificar e continuar fazendo mais perguntas. E então eu organizei nosso plano de saúde. Estava resolvido. Próximo problema. E o próximo, e o próximo. E aqui estamos hoje.

A moral dessa história é que você não precisa mais “conhecer alguém”. Você pode simplesmente aprender as coisas e fazê-las. Eu já disse que a promessa da IA é que você pode acessar qualquer conhecimento. A moral desta história é que qualquer pessoa pode acessar qualquer conhecimento.

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

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

Então, meu conselho é que vocês se tornem o mais curiosos possível. Não se contentem em rolar as redes sociais no celular. Não se contentem com um agente de IA que só faz reservas para o jantar — façam um trabalho de verdade com ele. E nunca acreditem em um chatbot que diga que vocês já estão certos.

Acreditem no espírito de investigação. Acreditem no que vocês podem aprender com a IA. Acreditem no que vocês vão criar quando fizerem isso. E, por todos nós, façam algo bom.

Obrigado.