noticias

Nicolelis diz que inteligência humana não pode ser replicada por IA mas a ciência ainda não encerrou essa discussão

**Categoria editorial:** Inteligência Artificial / Ciência / Neurociência

Matéria completa

A inteligência artificial pode escrever código, produzir imagens, reconhecer padrões médicos, traduzir idiomas e superar seres humanos em tarefas específicas. Para Miguel Nicolelis, nada disso significa que estamos caminhando para construir digitalmente uma mente humana.

O neurocientista brasileiro defendeu em entrevista ao projeto Futuro Vivo, reproduzida pelo MSN, uma tese muito mais radical que a simples afirmação de que os modelos atuais ainda possuem limitações. Para Nicolelis, **a inteligência humana não pode ser replicada em um sistema digital**, porque aquilo que chamamos de inteligência emerge de um organismo biológico, de sua história evolutiva e de sua interação contínua com o mundo.

A afirmação confronta diretamente uma das narrativas mais poderosas da indústria de tecnologia: a ideia de que aumentar modelos, dados e capacidade computacional eventualmente levará à Inteligência Artificial Geral, ou AGI, capaz de realizar uma ampla variedade de tarefas intelectuais em nível comparável ou superior ao humano.

Nicolelis não está dizendo apenas que isso será difícil.

Sua tese é que estamos tentando chegar a um destino que talvez não exista dentro da arquitetura computacional que escolhemos.

Só que há uma diferença essencial entre uma hipótese científica forte e uma impossibilidade demonstrada. As diferenças entre cérebro e computadores são profundas e bem documentadas. A conclusão de que nenhuma máquina digital poderá jamais apresentar inteligência comparável à humana, entretanto, permanece em debate.

É nessa fronteira que a discussão fica realmente interessante.

O cérebro não é um ChatGPT feito de neurônios

A popularização das redes neurais criou uma metáfora que frequentemente causa mais confusão do que esclarecimento.

Redes neurais artificiais foram historicamente inspiradas, de maneira bastante distante, por conceitos da neurobiologia. Isso não significa que um grande modelo de linguagem funcione como um cérebro.

A diferença começa no componente mais básico.

O “neurônio” utilizado em uma rede artificial é essencialmente uma operação matemática. Ele recebe valores, aplica pesos e transformações e contribui para determinar a ativação das próximas unidades da rede.

Um neurônio biológico é uma célula viva.

Ele possui membrana, metabolismo, milhares de conexões potenciais, processos eletroquímicos, diferentes neurotransmissores, modificações sinápticas e uma dinâmica que muda continuamente conforme o organismo aprende, dorme, envelhece, sente dor, recebe estímulos e interage com o ambiente.

Multiplicar neurônios artificiais até chegar a um número semelhante ao encontrado no cérebro humano não transforma automaticamente um sistema no outro.

É como observar que aviões e pássaros conseguem voar e concluir que um Boeing precisa bater asas para ser considerado uma aeronave legítima.

O resultado funcional pode apresentar alguma semelhança apesar de os mecanismos físicos serem completamente diferentes.

Essa distinção está no centro da crítica de Nicolelis.

Um cérebro não espera alguém escrever um prompt

Modelos de linguagem modernos são construídos inicialmente por meio de treinamento sobre enormes volumes de informação.

Durante esse processo, bilhões de parâmetros são ajustados para capturar regularidades existentes nos dados. Quando alguém escreve uma pergunta, esses parâmetros são utilizados para calcular uma resposta provável segundo o contexto fornecido.

O cérebro humano começa de outro lugar.

Ele se desenvolve dentro de um organismo.

Desde antes do nascimento, recebe sinais internos e externos. Depois precisa aprender a interpretar luz, som, equilíbrio, temperatura, dor, fome, espaço, movimentos do próprio corpo, expressões de outras pessoas e milhares de relações causais construídas pela experiência.

Nós não apenas observamos o mundo.

Estamos fisicamente dentro dele.

Pegamos objetos, caímos, sentimos medo, mudamos estratégias, reconhecemos outras pessoas e convivemos com consequências reais de nossas ações.

Essa característica alimenta uma linha importante de pesquisa conhecida como **cognição incorporada**, segundo a qual compreender inteligência exige considerar a relação entre cérebro, corpo e ambiente.

É uma distância importante em relação aos grandes modelos de linguagem atuais, cuja principal experiência do mundo chega na forma de dados previamente produzidos.

Nicolelis questiona até o nome “inteligência artificial”

A crítica não começou com a entrevista de 2026.

Nicolelis vem argumentando publicamente há anos que a expressão inteligência artificial cria expectativas equivocadas sobre o funcionamento dessas tecnologias.

Na leitura do neurocientista, inteligência seria uma propriedade emergente de organismos produzidos pela evolução e não simplesmente um algoritmo executando operações suficientemente complexas.

Ele também critica a palavra “artificial”, argumentando que sistemas digitais são produtos da atividade e do conhecimento humanos.

É uma posição deliberadamente provocadora.

Mas existe um aspecto da crítica que independe de concordar com sua definição de inteligência: sistemas atuais não demonstraram possuir uma mente humana escondida atrás da interface.

Modelos podem realizar tarefas que associamos à inteligência sem necessariamente reproduzir os mecanismos utilizados por pessoas.

Esse ponto é crucial.

**Comportamento semelhante não prova mecanismo semelhante.**

Superar humanos em uma tarefa não significa superar a mente humana

Esse erro aparece constantemente nas comparações entre pessoas e algoritmos.

Uma calculadora realiza determinadas operações matemáticas milhões de vezes mais rapidamente que qualquer pessoa.

Isso não significa que ela possua inteligência superior à de um matemático.

Um programa de xadrez pode derrotar os melhores jogadores do planeta e continuar sendo incapaz de preparar café.

Modelos modernos tornaram a fronteira menos óbvia porque conseguem atuar em domínios muito mais variados.

Uma mesma arquitetura pode resumir documentos, programar, responder perguntas, traduzir textos e interpretar imagens.

Ainda assim, desempenho é diferente de equivalência cognitiva.

Pesquisas comparando representações humanas com redes neurais encontram tanto aproximações quanto diferenças significativas. Em experimentos de percepção visual, por exemplo, sistemas artificiais podem chegar a resultados semelhantes aos humanos utilizando estratégias internas diferentes.

Isso cria uma pergunta difícil.

Se duas inteligências chegam à mesma resposta por mecanismos completamente diferentes, uma precisa ser considerada cópia da outra?

Provavelmente não.

Mas isso também significa que uma inteligência artificial não precisaria necessariamente reproduzir o cérebro para possuir capacidades comparáveis.

E é exatamente aí que a tese da impossibilidade encontra seu principal desafio.

Uma máquina precisaria copiar o cérebro para ser inteligente?

Essa é uma distinção fundamental que frequentemente desaparece no debate.

Existem pelo menos duas afirmações diferentes:

**“Computadores digitais não conseguem reproduzir integralmente o funcionamento do cérebro humano.”**

**“Nenhum computador digital poderá possuir inteligência equivalente à humana.”**

A primeira encontra amplo apoio nas limitações atuais da neurociência e da computação.

Ainda estamos muito longe de compreender e reproduzir integralmente um cérebro humano.

A segunda é muito mais forte.

Para demonstrá-la seria necessário provar que determinadas propriedades essenciais da inteligência dependem obrigatoriamente de processos biológicos que não podem ser implementados funcionalmente por outro substrato.

Hoje não existe uma demonstração científica definitiva disso.

Também não existe demonstração do contrário.

É uma das razões pelas quais afirmações de que “a AGI chegará em cinco anos” e afirmações de que “uma máquina jamais poderá ser inteligente” merecem cautela semelhante quando apresentadas como certezas.

As duas tentam dar uma resposta definitiva para um problema que ainda não resolvemos.

A ironia: ainda não sabemos exatamente o que estamos tentando copiar

Nicolelis toca em um problema conceitual incômodo para a corrida da IA.

Não existe uma única definição universalmente aceita de inteligência.

Memória é inteligência?

Capacidade de adaptação?

Criatividade?

Planejamento?

Raciocínio abstrato?

Uso de linguagem?

Compreensão social?

Capacidade de formar objetivos?

Consciência?

Uma pessoa pode possuir desempenho extraordinário em determinada dimensão e mediano em outra.

Animais demonstram formas sofisticadas de inteligência sem utilizar linguagem humana.

E sistemas artificiais apresentam desempenho sobre-humano em alguns domínios ao mesmo tempo em que cometem erros que uma criança evitaria.

Quando uma empresa promete atingir “inteligência humana”, portanto, é razoável perguntar qual inteligência está sendo medida.

Sem uma definição operacional clara, a linha de chegada pode se mover sempre que a tecnologia se aproxima dela.

Inteligência e consciência também não são sinônimos

Outro problema frequente é misturar inteligência, consciência e experiência subjetiva.

Um sistema pode resolver problemas sem que exista evidência de que esteja sentindo qualquer coisa durante o processo.

Modelos atuais conseguem produzir frases como “estou preocupado”, “entendi” ou “eu gostaria”.

Essas construções linguísticas não demonstram que exista uma experiência subjetiva equivalente à humana por trás delas.

O modelo aprendeu relações entre palavras usadas por pessoas em contextos semelhantes.

Isso não prova consciência.

Ao mesmo tempo, nossa compreensão científica da própria consciência continua incompleta.

Neurociência consegue relacionar atividade cerebral a percepção, comportamento, memória, decisão e diversos estados conscientes, mas explicar por que determinados processos físicos dão origem à experiência subjetiva permanece um dos problemas mais difíceis da área.

Se ainda não possuímos uma teoria completa da consciência humana, declarar com segurança quando uma máquina jamais poderia possuir algo semelhante é especialmente complicado.

Interfaces cérebro-máquina tornam a posição de Nicolelis ainda mais interessante

A crítica de Nicolelis ganha peso justamente porque ele não é um observador externo à relação entre cérebro e computador.

Sua carreira científica foi construída em grande parte investigando essa fronteira.

Experimentos de interfaces cérebro-máquina demonstraram que sinais provenientes de populações de neurônios podem ser registrados, interpretados computacionalmente e utilizados para controlar próteses, braços robóticos, avatares e outros dispositivos.

Isso demonstra algo extraordinário.

O cérebro consegue incorporar ferramentas artificiais ao circuito funcional responsável pela ação.

Mas não significa que o computador tenha se transformado no cérebro.

O sistema interpreta sinais e executa comandos enquanto o organismo biológico continua responsável pela intenção, aprendizagem e adaptação envolvidas na tarefa.

Essa separação ajuda a entender a visão de Nicolelis.

Para ele, a melhor relação entre cérebro e máquina talvez não seja uma substituição.

Pode ser uma parceria.

NeuroAI segue exatamente na direção dessa pergunta

Enquanto empresas de IA tentam construir modelos maiores, existe um campo crescente tentando aproximar neurociência e inteligência artificial.

A chamada **NeuroAI** utiliza conhecimento sobre sistemas biológicos para desenvolver novas arquiteturas computacionais e, no movimento contrário, emprega modelos artificiais para formular e testar hipóteses sobre o cérebro.

Pesquisadores estudam sistemas neuromórficos, modelos com diferentes tipos de memória, aprendizagem contínua, integração entre percepção e movimento e arquiteturas inspiradas em diferentes escalas da organização cerebral.

Alguns trabalhos tentam simular mecanismos que redes neurais tradicionais praticamente ignoram.

Isso não significa que estejam perto de reproduzir uma pessoa.

Significa justamente que a pergunta permanece aberta.

Se a impossibilidade de construir inteligência comparável à biológica estivesse cientificamente resolvida, boa parte dessa fronteira de investigação deixaria de ter sentido.

A eficiência energética do cérebro expõe outra diferença brutal

Existe ainda uma dimensão da comparação que raramente aparece nas demonstrações mais chamativas de IA: energia.

O cérebro humano funciona com aproximadamente a potência de uma lâmpada pequena.

Centros de dados utilizados para treinar e executar grandes modelos consomem quantidades de energia muitas ordens de magnitude maiores quando considerados em escala.

A comparação direta precisa ser feita com cuidado, porque cérebro e data center executam tarefas e atendem cargas completamente diferentes.

Mesmo assim, a discrepância mostra que a evolução biológica encontrou soluções de processamento extremamente eficientes.

O cérebro aprende continuamente sem precisar ser desligado para receber uma nova rodada gigantesca de treinamento.

Ele adapta conexões enquanto funciona.

Lembra algumas experiências depois de poucas exposições.

Combina visão, audição, propriocepção, memória e decisão dentro do mesmo organismo.

Modelos artificiais reproduzem algumas dessas capacidades separadamente e, cada vez mais, de forma integrada.

Mas ainda por caminhos computacionais muito diferentes.

Onde Nicolelis acerta o alvo da indústria

A parte mais difícil de contestar na crítica do neurocientista não é a impossibilidade absoluta de uma inteligência digital.

É sua rejeição à maneira como o mercado transforma hipóteses sobre o futuro em produtos narrativos do presente.

AGI ainda não possui uma definição única nem um teste científico universal capaz de declarar inequivocamente que ela foi alcançada.

“Superinteligência” é ainda mais especulativa.

Mesmo assim, os dois termos aparecem em estratégias corporativas, apresentações para investidores e previsões sobre mercado de trabalho como se descrevessem tecnologias com cronogramas semelhantes aos de um novo processador.

Essa narrativa produz efeitos reais.

Governos discutem regulamentação.

Empresas reorganizam equipes.

Investidores movimentam bilhões.

Trabalhadores imaginam que suas profissões desaparecerão.

Estudantes escolhem carreiras levando em consideração previsões que podem ou não se concretizar.

Questionar a inevitabilidade desse futuro é saudável.

Mas reduzir IA a uma ilusão também seria um erro

Existe o risco de a crítica ir longe demais na direção oposta.

Uma tecnologia não precisa reproduzir a inteligência humana para provocar transformações profundas.

O avião não replica o voo de uma ave.

Um automóvel não replica pernas.

Uma calculadora não reproduz o raciocínio matemático de uma pessoa.

Ainda assim, todos alteraram atividades humanas.

IA generativa já automatiza partes reais do trabalho em programação, atendimento, tradução, design, análise documental, pesquisa e produção de conteúdo.

Também falha.

Alucina.

Reproduz vieses.

Depende de infraestrutura cara.

Necessita de supervisão em tarefas críticas.

Pode reduzir custos em uma atividade e transferir riscos para outra.

Nada disso exige que o sistema possua consciência.

O impacto econômico de uma máquina é determinado pelo que ela consegue fazer, não por sua capacidade de refletir filosoficamente sobre aquilo.

A pergunta econômica é diferente da pergunta neurocientífica

Uma empresa não precisa construir um cérebro digital para eliminar determinada função.

Precisa construir um sistema suficientemente eficiente e barato para executar uma parcela economicamente relevante daquele trabalho.

Essa diferença é enorme.

Suponha que uma IA jamais consiga reproduzir toda a inteligência de um advogado.

Ela ainda pode automatizar pesquisa jurisprudencial, classificação de documentos, comparação de contratos e elaboração de versões preliminares.

Isso modifica a profissão sem substituir integralmente o profissional.

O mesmo vale para médicos, programadores, jornalistas, professores e profissionais criativos.

A discussão “máquinas podem tornar-se humanas?” não deve esconder outra pergunta muito mais imediata:

**quais atividades humanas elas já conseguem transformar?**

O risco de terceirizar cognição é mais próximo que uma superinteligência

Nicolelis também vem demonstrando preocupação com os efeitos do uso intensivo de sistemas automáticos sobre capacidades cognitivas humanas.

Essa discussão merece atenção independentemente de concordarmos com sua tese sobre a impossibilidade da inteligência artificial.

Toda tecnologia cognitiva modifica nossos hábitos.

Calculadoras alteraram a maneira como fazemos contas.

GPS mudou nossa relação com orientação espacial.

Buscadores transformaram a forma como recuperamos informação.

IA generativa acrescenta uma camada diferente porque pode participar não apenas da recuperação, mas da elaboração da resposta.

Se uma pessoa delega constantemente leitura, síntese, escrita, raciocínio e decisão a um sistema, surge uma questão relevante sobre quais habilidades continuam sendo exercitadas.

Pesquisas recentes já investigam essa relação entre inteligência artificial, aprendizagem e plasticidade cerebral.

O efeito não precisa ser necessariamente negativo.

Ferramentas que provocam reflexão, fornecem feedback e ampliam capacidades podem auxiliar processos cognitivos.

O problema é transformar assistência em substituição passiva.

Análise da equipe

A melhor forma de interpretar a provocação de Miguel Nicolelis é separar aquilo que conhecemos daquilo que acreditamos que poderá acontecer.

Sabemos que cérebros humanos e modelos atuais funcionam de maneiras profundamente diferentes.

Sabemos que inteligência humana envolve um organismo, desenvolvimento, plasticidade, experiência, interação social e centenas de mecanismos biológicos que redes neurais artificiais não reproduzem integralmente.

Sabemos também que nenhum sistema disponível demonstrou possuir uma mente humana digital, consciência comprovável ou equivalência ampla às capacidades cognitivas de uma pessoa.

A partir daí começa a incerteza.

Não sabemos se uma futura arquitetura computacional poderá apresentar propriedades que consideraríamos inteligência geral.

Não sabemos se isso exigiria copiar detalhadamente o cérebro.

Não sabemos se consciência depende obrigatoriamente de matéria biológica.

E não possuímos atualmente um experimento capaz de provar que algo assim jamais poderá acontecer.

Por isso, transformar AGI em destino inevitável é precipitado.

Transformar sua impossibilidade em lei científica também é.

Há algo particularmente importante nessa ambiguidade.

A indústria de IA se beneficia quando o público acredita que máquinas cada vez mais inteligentes são inevitáveis. Quanto mais inevitável parece o futuro, mais razoável parece investir recursos extraordinários para chegar primeiro.

A crítica de Nicolelis funciona como um antídoto útil contra essa narrativa.

Mas o antídoto não precisa virar outro dogma.

A ciência funciona melhor mantendo aberta a possibilidade de descobrir que nossas teorias estavam incompletas.

Talvez estejamos fazendo a pergunta errada

A obsessão em saber quando uma máquina “será tão inteligente quanto uma pessoa” talvez esteja nos distraindo.

Não construímos computadores para reproduzir integralmente humanos.

Construímos máquinas porque elas realizam determinadas coisas de maneira diferente.

Um sistema não precisa sentir medo, ter infância ou compreender a própria mortalidade para transformar uma cadeia produtiva.

Também não precisa possuir inteligência humana para ampliar desinformação, automatizar vigilância, acelerar pesquisa científica ou modificar a distribuição de empregos.

Essa talvez seja a contribuição mais produtiva da controvérsia provocada por Nicolelis.

Em vez de perguntar apenas quando uma máquina se tornará humana, podemos perguntar por que estamos tentando delegar determinadas decisões a ela.

Quem controla o sistema?

Quem fornece os dados?

Quem assume o erro?

Quem recebe os ganhos de produtividade?

Quem perde autonomia?

E qual parte do nosso próprio raciocínio queremos continuar exercitando?

Essas perguntas não dependem de AGI.

Elas já chegaram.

O que precisa ser acompanhado agora

A primeira disputa continuará sendo científica.

Neurociência e inteligência artificial estão cada vez mais próximas, e novos experimentos poderão mostrar quais propriedades da cognição humana conseguem ser reproduzidas computacionalmente e quais resistem às arquiteturas existentes.

A segunda será conceitual.

Empresas terão de explicar cada vez melhor o que querem dizer quando anunciam progresso rumo à AGI. Um termo sem critérios verificáveis pode transformar qualquer avanço em evidência de que a meta está “quase chegando”.

A terceira disputa será social.

Mesmo que Nicolelis esteja correto e uma máquina jamais reproduza integralmente a inteligência humana, sistemas incompletos ainda podem ser suficientemente eficientes para reorganizar trabalho, educação, ciência, cultura e economia.

Essa talvez seja a ironia maior de toda a discussão.

Não precisamos criar uma mente artificial perfeita para mudar o mundo.

Máquinas imperfeitas já estão fazendo isso.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis