Qubic : AGI (artigo científico)

Os laboratórios de deep learning exibem modelos com trilhões de parâmetros e montanhas de GPUs, mas cada nova descoberta exige sempre mais eletricidade e dinheiro. O projeto Aigarth da Qubic levanta uma questão provocativa: e se o caminho para a inteligência artificial geral (AGI) não passasse por data centers cada vez maiores, mas por milhões de CPUs comuns trabalhando juntos e evoluindo por conta própria?

David Vivancos

David Vivancos é um cientista espanhol especializado em inteligência artificial e empreendedor tecnológico ativo desde 1995. Atualmente é conselheiro científico em inteligência artificial geral (AGI) para o projeto blockchain Qubic (nomeado em 29 de julho de 2024) e fundador-diretor da MindBigData, o maior depósito mundial aberto de EEG, origem de benchmarks como o “MNIST of Brain Digits” (2015) e a versão “MNIST-8B” com 8 bilhões de amostras (2023).

Em três décadas, fundou cinco startups cobrindo serviços web pioneiros, realidade virtual/aumentada, nanotecnologia, impressão 3D e IA. Hoje é membro do conselho da consultoria barcelonesa Keenfolks. Seu trabalho público inclui mais de 400 conferências para empresas, universidades e fóruns como o AI for Good da UIT e a conferência ICLR 2025.

Vivancos acumulou 25.000 horas de P&D na busca pela AGI e interfaces cérebro-computador, combinando métodos de deep learning e grandes conjuntos de sinais neurais.

É autor de quatro livros sobre o impacto social da tecnologia (The End of Knowledge 2024; Automate or Be Automated 2020; From Big Data to Artificial Intelligence 2016/2019) e publica regularmente artigos sobre AGI e blockchain.

Seu lema pessoal, „Ensinando Máquinas, Aconselhando Humanos, Explorando Cérebros”, ilustra uma carreira dedicada ao avanço da inteligência da máquina e à orientação de organizações em sua transformação digital.

Dr. José Sánchez García

Dr. José Sánchez García é um neurocientista, biotecnólogo e ex-engenheiro industrial espanhol cuja trajetória conecta engenharia, ciências da vida e psicologia.

Desde julho de 2024, faz parte do comitê consultivo científico da Qubic, orientando sua folha de rota AGI, enquanto ensina neurociências comportamentais e cognitivas na Universidade Internacional de La Rioja (UNIR). Possui doutorado em psicologia / neurociências cognitivas pela Universidade Complutense de Madrid.

Na última década, publicou mais de 20 artigos científicos Q1/Q2 sobre emoções sociais, tomada de decisão, a rede do modo padrão e dinâmica cerebral em repouso.

Também co-desenvolveu vários pipelines de deep learning reutilizando dados de tomografia e radiografias para diagnóstico e triagem da COVID-19, contribuindo para avanços em imagem médica assistida por IA.

Fora do mundo acadêmico, é consultor em ciências comportamentais para organizações que vão da Federação Saudita de Futebol a startups blockchain, ajudando a traduzir conhecimentos neurocientíficos em estratégias de desempenho e fatores humanos — especialmente para a iniciativa Aigarth da Qubic.

Aigarth em um parágrafo

Aigarth considera a AGI não como um “supermodelo” monolítico, mas como um jardim vivo de minúsculos fragmentos neuronais — um tecido inteligente — que evoluem por seleção natural.

Cada fragmento é codificado em lógica ternária (VERDADEIRO, FALSO, DESCONHECIDO) em vez de binária, aprende em CPUs baratas em vez de GPUs caras, competindo semanalmente na rede descentralizada da Qubic.

Os melhores sobrevivem; os demais são eliminados. Com o tempo, o tecido deve se auto-organizar em agentes cada vez mais inteligentes, tudo isso protegido e auditado pela blockchain da Qubic.

Como isso difere da IA atual

Como as peças se encaixam

1. Tecido inteligente
   Imagine um autoencoder ultra-esparso onde os neurônios são atualizados um a um.
   Cada peso é gerado de forma determinística a partir da chave pública do minerador e um nonce, assegurando a reprodutibilidade enquanto mantém um espaço de busca astronômico.
2. Cálculo ternário
   Permitindo um valor terceiro “desconhecido”, o sistema representa explicitamente ruído ou ambiguidade, reduzindo o consumo energético em até 70% nos protótipos de hardware.
3. Loop semanal de evolução
   • Mutação: inversão de alguns estados neuronais.
   • Crossover: mistura dos dois melhores candidatos para gerar descendentes.
   • Limiar adaptativo: elimina os perdedores e aumenta o nível de exigência para a próxima época.
4. Avaliação determinística
   Envia-se um padrão ternário para o tecido; após uma série de atualizações assíncronas, conta-se quantos neurônios de saída recriam a entrada.
   Se o score ultrapassar o limiar dinâmico da época, o candidato avança para a próxima rodada.
5. Regulamentação on-chain
   Cada experiência é hasheada e marcada temporalmente na Qubic.
   No futuro, os agentes vencedores poderão ser implantados como smart contracts, tornando-se módulos IA autônomos, capazes de viver, ganhar e gastar on-chain.

Por que CPUs em vez de GPUs?

• Acessibilidade: Clusters de GPU pertencem a poucos gigantes; CPUs estão presentes em toda parte.
• Velocidade evolutiva: Milhões de pequenos testes baratos valem mais que um único teste colossal e caro.
• Pegada energética: Redes ternárias esparsas + cálculos inteiros acelerados por AVX aprendem mais por joule que gigantes em ponto flutuante.

Atributos potenciais

Quando a AGI funcional emergir, a vida cotidiana será dominada pela era do “copiloto universal”.

Imagine: diagnósticos médicos instantâneos via seu telefone; educação personalizada que se adapta em tempo real; prédios que otimizam seu consumo de energia sozinhos; descobertas científicas aceleradas por inteligências que testam milhões de hipóteses por hora; decisões políticas apoiadas por simulações globais ao invés de aproximações grosseiras.

A AGI não se limitaria a automatizar tarefas: ampliaria a criatividade e a resolução de problemas numa escala que ainda não imaginamos. Desde que implementemos desde já fortes salvaguardas éticas para que ela sirva à humanidade em vez de eclipsá-la.

E depois?

A equipe planeja publicar regularmente relatórios de época, benchmarks abertos e, futuramente, liberar IAs capazes de alugar sua própria capacidade computacional na Qubic, graças à sua rede sem taxas e 15 milhões de TPS.

Se isso se concretizar, o caminho para a AGI se parecerá menos com um gigantesco data center e mais com um vasto recife de coral planetário de mentes evolutivas.

Por enquanto, Aigarth propõe uma hipótese nova: a inteligência geral poderia emergir não de GPUs maiores, mas de uma melhor evolução.

Artigo científico: (PDF) Qubic AGI Journey Human and Artificial Intelligence: Toward an AGI with Aigarth

Conteúdo educativo, não um conselho financeiro. Sempre faça sua própria pesquisa.

Theia P.