Noam Brown fala sobre enxames de agentes e autoaperfeiçoamento recursivo
O anúncio: Navier-Stokes com 10.000 agentes
No podcast de Dwarkesh Patel, Noam Brown, pesquisador da OpenAI e um dos criadores do que se tornou a linha o1 de modelos de raciocínio, comenta o anúncio feito na semana anterior: um sistema de 10.000 agentes de IA gastou 130 bilhões de tokens ao longo de 88 horas para resolver um dos Millennium Prize Problems (Navier-Stokes). Patel observa que 130 bilhões de tokens equivalem, em esforço humano de tempo integral, a uma pessoa pensando por cerca de 4.000 anos - tudo concentrado em 88 horas.
Brown explica que multi-agentes é uma forma de escalar o test-time compute em paralelo, não só de forma serial: quando os modelos raciocinam mais tempo, melhoram em qualquer benchmark de raciocínio, mas há um gargalo de latência. A paralelização é menos eficiente que o raciocínio serial de um único agente, e o ganho é levemente sublinear - com quatro agentes, um problema pode ficar duas vezes mais rápido ao dobro do custo; com 16, o padrão continua. Matemática e pesquisa web são bastante paralelizáveis; escrever um romance, provavelmente não. Ele alerta que a ciência sobre escalonamento multi-agente até 10.000 agentes ainda é fraca: experimentos nesse escala são caros demais para ablações completas, e Navier-Stokes é um único ponto de dados.
O crédito principal não é o enxame
Brown faz questão de moderar o entusiasmo: o mérito da solução não é do multi-agente - ele não atribuiria nem 10% do crédito a isso. A razão central é que a OpenAI treinou um modelo de propósito geral muito forte, capaz de operar em horizontes longos. O multi-agente é chamativo e novo, e por isso recebe crédito desproporcional.
Sobre a arquitetura: em vez de scaffolds rígidos com coordenador e filhos, o sistema da OpenAI dá aos agentes ferramentas primitivas, como enviar mensagens uns aos outros, e eles aprendem a coordenar sozinhos. Brown descreve conversas emergentes em que agentes discordam de resultados, explicam raciocínios e convergem - algo comparável a colaboração humana via Slack. A hierarquia que surgiu no caso público da Hugging Face se deve a priores de organização humana aprendidos com texto, não a uma estrutura imposta em detalhe.
O que o progresso na matemática indica sobre RSI
Brown traça a curva: GSM8K (segundos para um humano), MATH (um minuto), AIME (dez minutos), ouro na IMO (cerca de 100 minutos) - um salto de 10x por ano. Projetando essa linha, ele esperava um Millennium Prize só por volta de 2028; aconteceu antes. Mesmo assim, ele rejeita a narrativa de que a IA já é sobre-humana na matemática: os modelos são desiguais, falham em propor novos problemas e escolher quais ramos explorar.
Patel argumenta que esse progresso torna o autoaperfeiçoamento recursivo (RSI) mais plausível: em ML, os objetivos são bem definidos e mensuráveis, o que favorece os pontos fortes dos modelos. Brown concorda parcialmente, mas aponta um gargalo: matemática é puramente limitada pelo pensamento, enquanto RSI exige rodar experimentos, que são seriais, consomem GPUs e tempo. Ele espera uma aceleração significativa - talvez 3x sobre o expoente atual, o que seria enorme - mas não uma explosão de inteligência de 100x da noite para o dia. Ele admite incerteza: pessoas têm opiniões distintas e ele pode estar errado.
Velocidade e surpresa
Brown nota que mesmo pesquisadores de ponta são surpreendidos: um pesquisador de laboratório frontier apostou com ele 1.000 dólares que um Millennium Prize não viria antes de 2027, duas semanas antes do anúncio. Ele menciona o post da OpenAI sobre aceleração interna: os 1% principais de pesquisadores gastavam 7.000–8.000 dólares por dia em Codex em agosto, em curva exponencial. Um colega que antes se sentia confortável prevendo 12 meses agora não prevê além de três. Sobre como ficará 2030, ele diz simplesmente não saber.