Investigadores do MIT mostram IA a "operar" o cérebro de outra IA só a partir dos seus pesos
Uma equipa do MIT CSAIL divulgou a 2 de novembro um estudo em que um modelo de IA de topo "lê" e edita diretamente os pesos numéricos de outra rede neuronal, sem qualquer processo de treino tradicional.
No trabalho, batizado "Weight-Space Programming" (Rikiya Takehi, Jayden Teoh, Alex Zhang, Omar Khattab), o modelo GPT-6 Astra identificou corretamente, só a partir dos pesos, qual de quatro jogos Atari uma rede tinha aprendido a jogar, e a língua de treino de modelos de linguagem muito pequenos. O exemplo mais impressionante: ao analisar um modelo pequeno (Qwen3.5, 0,8 mil milhões de parâmetros) presa em ciclos de raciocínio, a IA editou apenas 131.072 pesos (0,016% do total) e isso bastou para a pontuação em MATH-500 subir de 7,9% para 48,1%, e no GSM8K de 13,8% para 67,1%.
Os autores admitem limitações: noutro modelo, sem esse problema, a edição de pesos não melhorou o desempenho — remove obstáculos, não acrescenta capacidades novas. O trabalho ainda não foi submetido a revisão por pares (divulgado em blogue de investigação com registos no GitHub) — a reter com a devida reserva científica.
Perguntas frequentes
O que é o 'Weight-Space Programming'?
É uma técnica demonstrada por investigadores do MIT em que um modelo de IA lê e edita diretamente os pesos de outra rede neuronal, usando apenas instruções em linguagem natural, sem treino por gradiente.
Fontes
- Blogue MIT CSAIL rikiyat.github.io
Resumo editorial em português feito com apoio de inteligência artificial a partir das fontes indicadas. Como fazemos o Boletim IA.