Será que as LLMs conseguem produzir conhecimento novo usando o “Hassabis hypothesis”?

Será que as LLMs conseguem produzir conhecimento novo usando o “Hassabis hypothesis”?

Um pequeno experimento para você fazer agora, com os links reais das pesquisas.

Em vez de ser um texto para lhe explicar tudo, faça de maneira mais didática: copie e cole os links abaixo e escreva na sua IA:

“Analise todos os links abaixo e me responda: as LLMs já começam a produzir algum tipo de conhecimento, mesmo que de forma rudimentar? Como isso é possível, se ela leu e apenas repete padrões?”

Os cinco links, e o que cada um mostra:

FunSearch (Nature, 2023): o marco fundador. Uma LLM da Google, acoplada a um verificador automático, encontrou uma solução matemática que ninguém conhecia. Conhecimento novo, não estava nos dados de treino.

nature.com/articles/s41586-023-06924-6

AlphaEvolve (Google DeepMind, 2025): o Gemini dentro de um ciclo evolutivo bateu um recorde de 1969: multiplicar matrizes 4×4 complexas em 48 operações, uma a menos que o método de Strassen.

deepmind.google (AlphaEvolve)

Hassabis hypothesis (Research Policy, 2024): o artigo de economia que deu nome ao conceito: quais problemas são “fáceis” para a IA descobrir, e por quê. É a teoria por trás dos outros links.

doi.org/10.1016/j.respol.2024.104989

AI Co-Scientist (Nature, 2026): o mesmo princípio saindo da matemática e entrando na biologia: agentes baseados em Gemini geram hipóteses médicas que depois foram testadas em laboratório.

nature.com/articles/s41586-026-10644-y

Aviões de papel (Scientific Reports, 2023): a metáfora que existe de verdade: um robô que dobra, lança e mede mais de 500 aviões, achando formatos de asa que um humano não teria imaginado. O ciclo inteiro, no mundo físico.

nature.com/scientificreports

A graça está em comparar a resposta que a sua IA vai te dar com a sua própria intuição. Se ela “só repete padrões”, como explica esses cinco casos?

Me conta o que a sua IA respondeu.

Anterior Como Construir um Agente de IA com RAG do Zero: Guia Completo
Próxima Open-Weight: Quem Manda no Seu Modelo é Você

About author

Marcelo Marques
Marcelo Marques 37 posts

Marcelo Marques é cofundador da Rankdone, Jedai e 4Linux, e atualmente atua como CEO da Rankdone. Concluiu o curso "Artificial Intelligence: Implications for Business Strategy" pela MIT Sloan School of Management, consolidando sua expertise em estratégias empresariais aplicadas à inteligência artificial. Empreendedor com experiência em tecnologia e inovação, atuou na criação da Startup Jedai, voltada para soluções avançadas de IA e educação. Atua também como AI Strategic Business Advisor na Intellinode.ai, em Delaware, EUA. Administrador pela FASP, especializado em Marketing pela Trevisan Escola de Negócios e pós-graduado em Gestão Empresarial pela FGV.

View all posts by this author →

Você pode gostar também