💻 computer science

Data-Environment Coverage and the Path from Narrow to General AI:A Cyber-Physical-Social-ThinkingSurvey

Este artigo argumenta que as limitações persistentes da IA atual em raciocínio causal, cognição social e composição simbólica decorrem da falta de ambientes de dados diversos, em vez de uma escala insuficiente, demonstrando, por meio de um levantamento de oitenta sistemas, que a integração de sinais dos espaços físico, social e do pensamento é essencial para avançar do reconhecimento de padrões estreitos para a inteligência geral.

Autores originais: yi peng, Huansheng Ning, Jianguo Ding

Publicado 2026-08-07

📖 8 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: yi peng, Huansheng Ning, Jianguo Ding

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar um robô a entender o mundo. Durante a última década, os maiores avanços na inteligência artificial (IA) vieram de alimentar esses robôs com quantidades massivas de informações digitais — texto, imagens, código e vídeos. Isso é como dar a um estudante uma biblioteca infinita de livros sobre o oceano. Eles podem memorizar cada fato sobre marés, peixes e tempestades, e podem escrever ensaios belíssimos sobre o mar. Mas, se você pedir que eles realmente nadem, sintam a água fria ou naveguem em uma corrente que nunca viram, eles podem afundar. Este é o estado atual da "IA Estreita": sistemas que são brilhantes em processar dados digitais, mas que lutam com as coisas desordenadas do mundo real, como causa e efeito, compreensão de intenções humanas ou raciocínio lógico que exige mais do que apenas reconhecimento de padrões. Cientistas chamam o objetivo de construir uma máquina que possa fazer tudo isso de "Inteligência Artificial Geral" (AGI). A grande questão que todos estão fazendo é: Por que ainda não a construímos? É porque nossos computadores não são grandes o suficiente, ou há algo faltando na maneira como estamos ensinando essas máquinas?

Este artigo, escrito pelos pesquisadores Yi Peng, Huansheng Ning e Jianguo Ding, argumenta que o problema não é o tamanho do computador ou a quantidade de dados que temos. Em vez disso, o problema é de onde esses dados vêm. Os autores sugerem que a IA atual está presa em uma bolha "apenas-Cibernética", aprendendo apenas através de registros digitais. Para se tornarem verdadeiramente inteligentes, eles argumentam, a IA precisa sair da biblioteca e entrar no mundo real. Eles propõem uma nova forma de olhar para o aprendizado de IA chamada estrutura "CPST", que significa Ciber-Físico-Social-Pensamento. Pense nisso como um mapa quadridimensional da realidade:

Ciber: O mundo digital de textos, códigos e arquivos (onde a IA atual vive).
Físico: O mundo de objetos, gravidade e causa e efeito (onde você pode empurrar uma xícja e vê-la cair).
Social: O mundo dos sentimentos humanos, intenções e regras (onde você tem que adivinhar o que outra pessoa está pensando).
Pensamento: O mundo da lógica estrita, matemática e símbolos estruturados (onde você pode provar um teorema).
O artigo sugere que, para passar de um "calculadora inteligente" para uma "inteligência geral", uma IA precisa fechar o ciclo em todos esses quatro mundos, não apenas no digital.

A Grande Bolha de Dados

Os pesquisadores analisaram oitenta sistemas diferentes de IA, variando de classificadores de imagens iniciais até os robôs e chatbots mais avançados disponíveis hoje. Eles classificaram esses sistemas com base em quantos dos quatro "mundos" (Ciber, Físico, Social, Pensamento) eles realmente interagem em um "ciclo fechado". Um ciclo fechado significa que o sistema não apenas lê dados; ele age no mundo, vê o resultado e aprende com ele.

Aqui está o que eles descobriram, e é um choque para os defensores do "maior é melhor": Nenhum sistema de IA único em toda a sua lista de oitenta conseguiu fechar ciclos em mais de dois desses mundos.

Os sistemas mais avançados que são puramente digitais (apenas-Cibernéticos) estão atingindo um teto difícil. Eles são incríveis em reconhecer padrões nos dados que viram, mas falham miseravelmente em coisas que exigem compreensão do mundo real. Por exemplo:

Raciocínio Causal: Se você mostrar um vídeo de um robô empilhando blocos, uma IA apenas-digital pode adivinhar o próximo movimento. Mas se você perguntar, "O que aconteceria se eu removesse o bloco de baixo?" (uma pergunta contrafactual), ela frequentemente erra. Ela não sentiu a gravidade ou empurrou os blocos, então não entende verdadeiramente a física.
Cognição Social: A IA atual pode imitar conversas humanas, mas tem dificuldade em entender o que alguém está pensando se essa pessoa estiver escondendo seus verdadeiros sentimentos. É como jogar uma partida de pôquer onde você consegue ler as cartas, mas não consegue ler o rosto ou a linguagem corporal do jogador.
Raciocínio Lógico: Embora a IA possa resolver problemas matemáticos por meio de suposição de padrões, ela frequentemente falha quando solicitada a seguir um caminho lógico estrito, passo a passo, que exige verificar seu próprio trabalho contra um conjunto de regras.

O artigo descarta explicitamente a ideia de que simplesmente tornar a IA maior (adicionando mais parâmetros ou treinando-a com mais texto) resolverá esses problemas. Eles apontam que mesmo os modelos mais grandes e poderosos ainda estão presos na zona "Cibernética". Eles são como um chef que leu todos os livros de culinária do mundo, mas nunca tocou em um fogão ou provou um prato. Nenhuma quantidade de leitura ensinará como cozinhar uma refeição perfeita se eles nunca sujarem as mãos.

Os Ingredientes Faltantes

Os autores usam uma analogia inteligente para explicar por que a abordagem "apenas-Cibernética" falha. Eles dizem que cada um dos quatro mundos fornece um tipo único de "sinal" que os outros simplesmente não conseguem produzir.

Para aprender a causalidade (causa e efeito), você precisa de dados Físicos. Você tem que realmente fazer algo e ver o que acontece. Você não pode aprender isso apenas lendo um livro sobre física.
Para aprender inteligência social (entender pessoas), você precisa de dados Sociais. Você tem que interagir com humanos reais, ver suas reações e ajustar seu comportamento. Você não pode aprender isso apenas lendo registros de chat.
Para aprender lógica complexa, você precisa de dados de Pensamento. Você precisa de um sistema estruturado de símbolos e regras que você possa consultar e modificar, não apenas um amontoado de texto.

O artigo apresenta evidências fortes para isso. Eles compararam sistemas de IA que eram idênticos em tudo, exceto pelos dados que recebiam.

Quando um robô foi treinado apenas com vídeos de outros robôs se movendo, ele não conseguiu planejar seus próprios movimentos. Mas quando o mesmo robô foi treinado com vídeos reais de si mesmo se movendo e interagindo com objetos, ele subitamente aprendeu a planejar e manipular coisas que nunca tinha visto antes.
Da mesma forma, um modelo de linguagem que era apenas um modelo de linguagem para resolver matemática obteve quase zero acertos. Mas quando conectaram esse mesmo modelo de linguagem a um motor de lógica estrito (uma ferramenta de "Pensamento"), seu desempenho disparou.

Os dados mostram um padrão claro: sistemas que interagem com apenas um mundo extra (como Físico ou Pensamento) têm muito mais probabilidade de alcançar um nível mais alto de capacidade. Mas o "santo graal" da AGI — onde um sistema pode lidar com os quatro mundos ao mesmo tempo — permanece vazio. Em sua pesquisa de oitenta sistemas, zero sistemas conseguiram fechar ciclos em três ou mais mundos. Toda a região do mapa onde uma verdadeira "Inteligência Geral" deveria viver é atualmente uma cidade fantasma.

O Roteiro para a Inteligência Geral

Então, para onde vamos a partir daqui? Os autores não apenas apontam o problema; eles oferecem um roteiro de três etapas para resolvê-lo.

Alinhamento Semântico: Precisamos ensinar a IA a traduzir entre esses diferentes mundos. Agora, uma IA pode entender uma leitura de sensor físico, mas não saber como isso se conecta a uma regra social ou a um fato lógico. Precisamos construir pontes para que a IA possa dizer: "O robô bateu na xícja (Físico), o que deixou o humano irritado (Social), então eu devo me desculpar (Pensamento)."
Modelos de Mundo Unificados: Precisamos construir um "cérebro" único que possa conter todos esses diferentes tipos de informação ao mesmo tempo. Em vez de ter um cérebro para física, outro para regras sociais e outro para matemática, precisamos de um sistema que possa lidar com todos eles simultaneamente.
Governança: À medida que a IA começa a interagir com o mundo real (Físico) e com pessoas reais (Social), precisamos de novas regras de segurança. Não podemos apenas verificar o código; precisamos garantir que a IA entenda as consequências de suas ações no mundo real.

O artigo conclui com uma previsão ousada: o caminho para a AGI não é construir computadores maiores ou extrair mais textos da internet. Trata-se de construir robôs que possam tocar, sentir e interagir com o mundo físico; criar sistemas que possam genuinamente conversar e negociar com humanos; e projetar ferramentas que possam raciocinar com lógica estrita. Até que os sistemas de IA possam sair da biblioteca digital e entrar na realidade complexa e desordenada de quatro dimensões — Ciber-Físico-Social-Pensamento — eles continuarão sendo estudantes brilhantes, porém limitados, incapazes de se graduar ao nível da verdadeira inteligência geral.

Os autores ressaltam cuidadosamente que esta é uma hipótese apoiada por fortes evidências, mas que ainda não é uma lei comprovada. Eles sugerem que, se uma IA puramente digital de repente resolvesse todos esses problemas sem nunca tocar o mundo real, sua teoria estaria errada. Mas, até agora, as evidências apontam para uma única direção: para construir uma inteligência geral, temos que parar de tratar o mundo como um conjunto de dados e começar a tratá-lo como um parquinho de diversões.

Resumo Técnico: Cobertura de Ambiente de Dados e o Caminho da IA Estreita para a Geral

1. Declaração do Problema

Os sistemas atuais de inteligência artificial, apesar do crescimento rápido na escala de modelos e computação de treinamento, exibem tetos de capacidade persistentes em três áreas críticas: raciocínio causal (planejamento e inferência contrafactual), cognição social (teoria da mente e atribuição de intenção) e raciocínio simbólico composicional.

O artigo argumenta que essas limitações não são artefatos de arquiteturas, modalidades ou regimes de treinamento específicos, mas sim falhas do ambiente de dados. Os sistemas atuais extraem sinais de treinamento quase exclusivamente do espaço "Cyber" (registros digitais estáticos como texto, código e imagens). Os autores postulam que os sinais necessários para a inteligência geral existem apenas em ambientes com os quais os sistemas atuais se envolvem apenas superficialmente ou de forma alguma: o espaço Físico (dados intervencionais), o espaço Social (dados intencionais) e o espaço do Pensamento (dados simbólicos estruturados). A tese central é que a transição da Inteligência Artificial Estreita (ANI) para a Inteligência Artificial Geral (AGI) requer a expansão da cobertura do ambiente de dados de um modelo apenas Cyber para um engajamento de ciclo fechado multi-espaço.

2. Metodologia

O artigo emprega uma estrutura Cyber-Física-Social-Pensamento (CPST), reinterpretada como uma taxonomia de ambientes de dados de IA, para analisar 80 sistemas de IA.

2.1 A Estrutura CPST e Critérios Operacionais

Os autores definem quatro espaços interativos:

Cyber (C): Informação digital e computação (padrões de coocorrência estatística).
Físico (P): Objetos materiais e dinâmicas (dados intervencionais, $P(Y|do(X))$).
Social (S): Relacionamentos e instituições (sinais intencionais, estados mentais).
Pensamento (T): Cognição formalizada (dados simbólicos estruturados, regras lógicas).

Para determinar se um sistema genuinamente se envolve com um espaço, o artigo introduz um critério de engajamento de ciclo fechado. Um sistema $A$ opera em um ciclo fechado com o espaço $X$ se três condições forem atendidas simultaneamente durante a operação:

Percepção ( $P_X$ ): Aquisição contínua de sinais de $X$ .
Ação ( $A_X$ ): Saídas de $A$ alteram o estado de $X$ .
Feedback ( $F_X$ ): Mudanças em $X$ são observadas por $A$ .

Sistemas que falham em qualquer condição permanecem em modo "apenas-C" em relação a esse espaço, mesmo que processem dados originados nele.

2.2 Métricas: Cobertura ( $K$ ) e Capacidade ( $L$ )

Cobertura ( $K$ ): Uma contagem inteira de engajamentos de ciclo fechado. $K=1$ (apenas-C), $K=2$ (C + um espaço não-cyber), $K=3$ (C + dois espaços), $K=4$ (CPST completo).
Capacidade ( $L$ ): Uma escala ordinal de maturidade comportamental, ancorada em resultados de benchmarks observáveis:
- $L0$ : Nível humano em um único benchmark.
- $L1$ : Transferência entre tarefas dentro de uma mesma modalidade.
- $L2$ : Sucesso em planejamento de múltiplas etapas, raciocínio contrafactual ou testes de teoria da mente com assimetria de informação.
- $L3$ : Autoaperfeiçoamento sem retreinamento externo.

2.3 Análise Empírica

Os autores examinaram um corpus de 80 sistemas de IA (variando de CNNs iniciais a robôs VLA modernos e agentes sociais) e os mapearam no espaço $(K, L)$ . A análise inclui:

Contrastes Controlados: Comparação de sistemas com arquiteturas idênticas, mas ambientes de dados diferentes (ex: V-JEPA 2 com/sem dados de interação robótica; AlphaGeometry com/sem acoplamento simbólico).
Testes Estatísticos: Uso do teste exato de Fisher para avaliar a associação entre cobertura e capacidade.
Diagnósticos de Domínio: Aplicação da estrutura aos domínios de "Cidades Inteligentes" e "Internet Industrial" para identificar restrições limitantes.

3. Principais Contribuições

Estrutura CPST Operacional: O artigo adiciona uma camada operacional à ontologia CPST existente, definindo um eixo de cobertura contável ( $K$ ) e um eixo de capacidade independente ( $L$ ). Isso transforma argumentos qualitativos sobre "corporificação" ou "ancoragem" em observações empíricas falseáveis.
A Descoberta da "Região Vazia": O levantamento revela que a região de ciclo fechado multi-espaço ( $K \ge 3$ ) está vazia em todos os 80 sistemas. Nenhum sistema atual fecha ciclos genuinamente em três ou mais espaços.
O Teto do "Apenas-Cyber": O estudo estabelece que nenhum sistema apenas-cyber ( $K=1$ ) atingiu o nível de capacidade $L2$ (planejamento confiável e raciocínio contrafactual), independentemente de arquitetura ou escala.
Evidência Causal via Contrastes Controlados: Dois contrastes específicos de mesma arquitetura fornecem peso causal à tese do ambiente de dados:
- Físico: O V-JEPA 2 ganha capacidades de planejamento de manipulação apenas após o pós-treinamento com dados de interação robótica real.
- Pensamento: O AlphaGeometry atinge desempenho de nível de Olimpíada de Geometria apenas quando um proponente neural é acoplado a um motor de dedução simbólica; nenhum dos componentes atinge isso sozinho.
Associação Estatística: Uma associação estatística significativa ( $p \approx 1.23 \times 10^{-6}$ ) é encontrada entre fechar um ciclo não-cyber ( $K=2$ ) e atingir $L1.5$ ou superior. 28 de 48 sistemas $K=2$ atingiram este nível, comparado a apenas 2 de 32 sistemas $K=1$ .
Diagnósticos de Domínio: A estrutura identifica restrições específicas em aplicações do mundo real:
- Cidades Inteligentes: Gargalo causado pela integração rasa de Social (S) e Pensamento (T) com dados Físicos (P) ricos.
- Internet Industrial: Gargalo causado pela quase total ausência de dados Sociais (S) (conhecimento tácito do operador, dinâmicas de confiança), apesar de dados P e T abundantes.

4. Resultados e Descobertas

Tetos de Capacidade: A IA atual falha em benchmarks que exigem raciocínio causal (IntPhys 2, CausalVQA), cognição social (FANToM, ExploreToM) e raciocínio abstrato (ARC-AGI-3). Essas lacunas persistem apesar do escalonamento.
Escassez de Dados: O artigo observa que o texto de alta qualidade gerado por humanos (dados Cyber) deve se esgotar no final da década de 2020, e dados sintéticos não podem introduzir tipos de sinais ausentes nos dados de treinamento do próprio gerador.
O Caminho para a AGI: Os dados sugerem que o escalonamento dentro de um único espaço (Cyber) atinge um teto. A transição para $L2$ e além requer a adição de ciclos fechados não-cyber.
O Fenômeno do "Toque Superficial": Sistemas que tocam um terceiro espaço (ex: um robô com uma busca simbólica) mas o fazem via canais unidirecionais ou de apenas leitura não ganham os benefícios de capacidade de um ciclo fechado total; eles permanecem efetivamente em $K=2$ .

5. Significância e Roteiro

O artigo afirma que sua significância reside em deslocar o foco da pesquisa do escalonamento de parâmetros para a expansão do ambiente de dados. Argumenta-se que a AGI é limitada pela capacidade de fechar ciclos nos espaços Físico, Social e de Pensamento, e não apenas pelo aumento de computação.

Os autores propõem um roteiro de três vias para expandir a cobertura CPST da Inteligência Estreita para a Geral:

Alinhamento Semântico Transversal: Desenvolver métodos para alinhar estruturas causais (físicas), intencionais (sociais) e lógicas (pensamento), que atualmente operam isoladamente.
Construção de Modelo de Mundo Unificado: Criar arquiteturas capazes de hospedar entidades com regras de atualização heterogêneas (dinâmicas contínuas, lógica intencional, composição discreta) sem colapsá-las.
Governança Escala com a Cobertura: Mover-se de auditorias externas para restrições internas que considerem as interações entre contextos físicos, sociais e de conhecimento.

Projeção Futura: O artigo postula que uma Inteligência Artificial Superiore (ASI) seria um sistema que, tendo alcançado $K=4$ e $L3$ , pode implantar autonomamente novos sensores ou protocolos para expandir ainda mais seu próprio ambiente de dados, criando um ambiente qualitativamente mais rico do que os humanos construíram.

Limitações e Falseabilidade: Os autores declaram explicitamente que a afirmação de que $K=4$ é necessário para a AGI é uma conjectura, pois nenhum sistema $K=3$ ou $K=4$ existe ainda. A afirmação causal para o espaço Social é atualmente suportada apenas por uma prova de existência (CICERO) e um experimento proposto (agente de mesma arquitetura com/sem loops humanos reais) que ainda não foi conduzido. A estrutura é falseável: um sistema apenas-cyber ( $K=1$ ) que atinja o nível humano em benchmarks de teoria da mente e raciocínio contrafactual refutaria a tese central.