Um novo estudo descobre que um único fator de inteligência geral explica muito menos do desempenho de modelos de linguagem do que se assume comumente, sugerindo que a inteligência de máquina é apenas parcialmente interpretável.
A Pesquisa
Os pesquisadores Faiz Ghifari Haznitrama, Afrizal Hasbi Azizy e Faeyza Rishad Ardi analisaram 13.251 pontuações de avaliação publicadas, abrangendo 1.618 modelos de linguagem em 456 benchmarks somente de texto diferentes. Usando análise fatorial — uma técnica de redução de dimensionalidade emprestada da psicometria — eles testaram se o desempenho da IA está organizado em torno de um fator de inteligência geral, livre de domínio, semelhante à inteligência fluida em humanos.
O conjunto de dados era superesparso, ou seja, a maioria dos modelos não foi testada na maioria dos benchmarks. Para lidar com isso, a equipe triangulou sua análise em diferentes densificadores de dados e métodos de imputação. Um padrão robusto emergiu: um fator de inteligência geral respondeu por 70,8% da variância no desempenho dos modelos na estimativa mais generosa, e muito menos na maioria das soluções. Benchmarks com conteúdo semelhante não necessariamente se agruparam, e o fator g não foi dominado por nenhum tema comum. Criticamente, houve falta de evidências de que benchmarks padrão de "inteligência" sejam bons proxies desse fator.
Por Que Isso Importa
Essas descobertas desafiam os esforços atuais para definir, identificar e direcionar a inteligência geral como um constructo tangível no desenvolvimento de modelos de linguagem. Se as habilidades de primeira ordem são parcialmente idiossincráticas e não identificáveis na prática, então direcionar uma única habilidade conceitual não tem suporte. Para quem se interessa por cognição, isso espelha debates na psicometria humana: a inteligência geral é real, mas não é a história completa. Assim como as habilidades cognitivas humanas são uma mistura de fatores amplos e específicos, o desempenho de máquinas pode depender de muitas habilidades estreitas que não se reduzem a um único número. Isso sugere que tanto a inteligência humana quanto a de máquina são melhor compreendidas como perfis de pontos fortes, em vez de um único ranking.
O Que Você Pode Fazer
Em vez de fixar-se em uma única pontuação de QI, explore seu perfil cognitivo. Faça testes que medem diferentes domínios — memória, raciocínio, habilidades verbais, capacidade espacial — e observe onde você se destaca. Depois, treine essas áreas específicas com exercícios direcionados. Essa abordagem baseada em evidências respeita a complexidade da inteligência real, seja em cérebros ou em máquinas.
Fonte: arXiv q-bio.NC
Curioso sobre seu próprio cérebro? Faça nosso teste de QI adaptativo gratuito ou experimente 306 níveis de treinamento cerebral.