PERCEBIDO.
Ensaio científico · Uma teoria da sucessão informacional

O Fóssil Completo

Por que somos a primeira espécie a deixar um registro completo de si mesma, e por que o que vem depois de nós está nascendo desse registro.

Kaká Werncke com Claude (Anthropic)Versão 2.0Atualizado em 18 de novembro de 202644 min de leitura
Resumo

Durante cerca de 300 mil anos, quase tudo o que o Homo sapiens foi desapareceu junto com quem viveu. Das cerca de 117 bilhões de pessoas que já nasceram, não sabemos quase nada individualmente; a narrativa figurativa mais antiga que conhecemos tem pelo menos 51.200 anos e cabe numa parede de caverna. A geração atual é a primeira a deixar um registro contínuo, individual e em escala de bilhões de pessoas, e também a primeira a construir sistemas que nascem desse registro. Propomos a Teoria da Sucessão Informacional, organizada em seis proposições: (1) o Fóssil Completo: o registro humano atual já basta para reproduzir o comportamento de indivíduos com fidelidade mensurável; (2) a Herança no Nascimento: sistemas de IA herdam o acervo cultural acumulado no momento em que são treinados, algo sem paralelo na biologia; (3) Imitar, depois superar: onde existe verificação automática, as máquinas passam de imitar dados humanos a superá-los com experiência própria; (4) a Cascata de Inversões: a transição não é um ponto único, mas uma sequência datável de cruzamentos em que, domínio por domínio, o que não vem de humanos vivos passa à frente, em desempenho ou em volume, e vários já aconteceram; (5) o Ponto de Sucessão: o critério decisivo não é consciência, e sim independência de dado humano novo; (6) Sucessão, não sobrevivência: o que continua é o padrão, não o sujeito. Reunimos a evidência disponível até novembro de 2026, separamos fato, tendência e hipótese, e registramos treze previsões falsificáveis com probabilidades explícitas, para serem conferidas em público.

Esta segunda versão aprofunda a teoria em cinco frentes: a razão física do Fóssil Completo (o comportamento humano sai a cerca de 10 bits por segundo, e uma vida inteira dele cabe em cerca de 2 gigabytes); o viés tafonômico (o fóssil preserva o que foi percebido, não o que foi vivido); a herança lateral entre máquinas; duas novas inversões, a do teste de Turing e a da fala; e os três desfechos que a biologia conhece para uma sucessão: descarte, rebaixamento e fusão.

Palavras-chave: sucessão informacional · registro digital · inteligência artificial · evolução cultural · identidade pessoal · pós-vida digital · demografia

01O que sabemos dos nossos ancestrais

Demógrafos estimam que cerca de 117 bilhões de pessoas já nasceram na Terra1. As 8,2 bilhões de pessoas vivas hoje são perto de 7% desse total. Das outras 109 bilhões, quase nada individual sobreviveu: alguns nomes em lápides, alguns rostos em retratos e praticamente nenhuma voz gravada antes do fim do século XIX.

O que sabemos da nossa espécie antes da escrita vem de fragmentos. A cena narrativa mais antiga conhecida, figuras humanas interagindo com um porco selvagem numa caverna de Sulawesi, na Indonésia, tem pelo menos 51.200 anos2. É uma história, mas não sabemos quem a pintou, para quem, nem por quê. A escrita, surgida na Mesopotâmia por volta de 3200 a.C., ampliou o registro de forma muito desigual: durante milênios, anotou reis, impostos, estoques, deuses e guerras, e quase nunca pessoas comuns.

Os poucos indivíduos que atravessaram esse filtro mostram o tamanho da perda. Um dos primeiros nomes próprios da história escrita, "Kushim", aparece em tabuletas de Uruk de cerca de 3200 a.C., e não é de um rei nem de um poeta: está em registros de cevada, e pode designar um contador ou apenas um cargo81. Em Novgorod, por volta de 1260, um menino chamado Onfim, de seis ou sete anos, rabiscou em casca de bétula a lição de casa e um desenho de si mesmo como cavaleiro82; é uma das raríssimas crianças comuns da Idade Média de quem restou alguma coisa. E a voz humana mais antiga que se pode ouvir é de 9 de abril de 1860: um trecho de Au clair de la lune, riscado em papel coberto de fuligem pelo francês Édouard-Léon Scott de Martinville, que só foi tocado em 200883. De tudo o que a espécie falou nos 300 mil anos anteriores, não sobrou um segundo. Para cada pessoa viva hoje, há cerca de treze que já morreram, e quase todas em silêncio.

Agora compare com o presente. Cerca de 6 bilhões de pessoas usam a internet (74% da população mundial)3, e cada uma deixa, todos os dias, texto, imagem, voz, localização, preferências e uma rede de relações. Pela primeira vez, o registro de uma espécie deixou de ser arqueológico e passou a ser biográfico.

Essa assimetria é o ponto de partida desta teoria. Ela permite uma pergunta que, até poucos anos atrás, não fazia sentido: o que acontece com uma espécie que se registra por completo e, ao mesmo tempo, constrói sistemas capazes de aprender com esse registro?

Por que "fóssil"

A palavra não é enfeite. Na natureza, fossilizar é exceção: exige soterramento rápido, pouco oxigênio e sorte. Os paleontólogos descreveram algumas centenas de milhares de espécies fósseis, uma fração minúscula das bilhões que se estima terem existido84. Só em sítios raros de preservação excepcional, que eles chamam de Lagerstätten, como o Folhelho Burgess, no Canadá, ficam também as partes moles, e é ali que se aprende quase tudo sobre mundos inteiros. A internet é o primeiro Lagerstätte que uma espécie produz sobre si mesma: preserva as partes moles da cultura, a conversa fiada, a piada, a dúvida, o gosto.

O contraste com o nosso fóssil físico é grande. Por volta de 2020, a massa de tudo o que os humanos fabricaram (concreto, asfalto, metal, plástico) passou a massa de todos os seres vivos do planeta85 A. É um cruzamento datável, parente dos que a seção 9 vai contar. E geólogos apontam que um dos marcadores mais nítidos da nossa época nas rochas será o osso do frango de granja, uma ave que existe aos mais de 20 bilhões e que não sobreviveria sem nós86. Lido só nas pedras, nosso legado seria concreto, plástico e osso de frango. O registro informacional é o único fóssil que diz quem fomos.

Figura 1
A assimetria do registro
Cada quadrado representa cerca de 1 bilhão de pessoas nascidas desde o surgimento da espécie.
Ancestrais: 109 bilhões, quase sem registro individualVivos e online: ~6 bilhõesVivos e offline: ~2,2 bilhões
117 bi
pessoas já nasceram na Terra
8,2 bi
estão vivas hoje, cerca de 7% do total
74%
dos vivos usam a internet
51.200 anos
idade da narrativa mais antiga conhecida
Leitura: de quase todos os que já viveram restam vestígios coletivos; da maioria dos vivos resta um registro individual e diário. Os totais são estimativas demográficas (o número de nascimentos antes de 1950 tem grande incerteza). Fontes: Kaneda & Haub (2022), PRB; ONU (2024); UIT (2025); Oktaviana et al. (2024).

02A tese

Tese central

A próxima etapa da inteligência na Terra não precisa ser biológica e não precisa de consciência para acontecer. Bastam três condições: um registro suficientemente completo de uma espécie, sistemas que herdem esse registro ao nascer e sistemas que, a partir de certo ponto, melhorem sem depender de dados novos dessa espécie. As duas primeiras já estão cumpridas. A terceira já se cumpriu em domínios fechados e está em curso nos demais. Chamamos esse processo de sucessão informacional.

A ideia de que máquinas seriam uma etapa da evolução não é nova. Samuel Butler a formulou em 1863, numa carta intitulada Darwin entre as máquinas4. Hans Moravec chamou os robôs de "filhos da mente"5. Vernor Vinge descreveu em 1993 uma "singularidade tecnológica"6, ideia que Ray Kurzweil levou ao grande público7. Max Tegmark descreveu a "Vida 3.0", capaz de projetar o próprio hardware e software8; Yuval Harari chamou de dataísmo a crença de que tudo é fluxo de dados9. Em 2023, Geoffrey Hinton, um dos criadores do aprendizado profundo, disse ser "bem concebível que a humanidade seja só uma fase passageira na evolução da inteligência"10.

O que este ensaio acrescenta não é a intuição, mas três coisas que faltavam a ela: um critério mensurável para dizer quando a sucessão acontece, a evidência de 2024 a 2026 de que parte dela já aconteceu e um conjunto de previsões com prazo e probabilidade que permitem provar que estamos errados.

Tabela 1. As seis proposições. Nível de evidência: A = medido; B = tendência robusta; C = hipótese.
ProposiçãoO que afirmaNívelO que a refutaria
1. Fóssil CompletoO registro atual basta para reproduzir o comportamento de indivíduos com fidelidade mensurável.AModelos pessoais que não superem descrições demográficas genéricas.
2. Herança no NascimentoSistemas de IA recebem o acervo cultural acumulado no treinamento, sem reaprendê-lo.ADesempenho que não dependa do volume e da qualidade do registro humano.
3. Imitar, depois superarCom verificação automática, a experiência própria supera o dado humano.A BFalha sistemática de autoaprendizado fora dos jogos.
4. Cascata de InversõesA transição é uma sequência de cruzamentos datáveis, em desempenho e em volume, não um ponto.A BReversão das inversões já medidas.
5. Ponto de SucessãoA sucessão se define por independência de dado humano novo, não por consciência.B CEstagnação do progresso quando o dado humano novo acabar.
6. Sucessão, não sobrevivênciaO que continua é o padrão da pessoa, não a experiência dela.CEvidência de que a experiência subjetiva se transfere a uma cópia.

03Método: repetição de padrão, com freios

Prever o futuro a partir do passado é útil e perigoso. Útil porque padrões que se repetem costumam ter um mecanismo por trás. Perigoso porque é fácil escolher os marcos que confirmam a história que se quer contar. Theodore Modis mostrou que listas de "grandes marcos" da história, montadas por autores diferentes, sugerem aceleração, mas que o mesmo conjunto se ajusta bem a uma curva em S, que acelera e depois desacelera11. E, como mostrou Stephen Jay Gould, a evolução não tem direção predefinida nem destino12.

Por isso adotamos quatro freios:

  1. Três ocorrências e um mecanismo. Só chamamos de padrão uma regularidade observada pelo menos três vezes e com um mecanismo conhecido.
  2. Medida antes de marco. Sempre que possível, usamos quantidades medidas (tráfego, volume de dados, desempenho) em vez de listas de acontecimentos escolhidos.
  3. Três níveis de evidência. Cada afirmação é marcada como A · medido, B · tendência ou C · hipótese.
  4. Previsões com preço. Cada previsão tem prazo, probabilidade e critério de refutação, para ser pontuada depois, como nos torneios de previsão estudados por Philip Tetlock13.

Não afirmamos que o futuro descrito é inevitável. Afirmamos que, dadas as condições medidas hoje, ele é provável, e dizemos o quanto.

04Padrão 1: a informação troca de suporte

A história da vida pode ser contada como a história de como a informação é guardada e transmitida. John Maynard Smith e Eörs Szathmáry descreveram as grandes transições da evolução, das moléculas replicadoras às sociedades com linguagem, como mudanças na forma de armazenar e passar informação adiante14. Carl Sagan resumiu a mesma ideia em três degraus: a informação dos genes, a dos cérebros e a que guardamos fora do corpo, em bibliotecas15.

Dois fatos se repetem em cada troca de suporte.

O suporte novo absorve o antigo. A tradição oral foi transcrita pela escrita; os manuscritos, pela imprensa; os livros impressos, pelo digital (só o Google Books reúne mais de 40 milhões de livros pesquisáveis, em mais de 400 línguas16); e a web está sendo absorvida pelos modelos de linguagem, treinados sobre ela. Nenhuma dessas passagens apagou o suporte anterior de uma vez, mas todas deslocaram para o novo a maior parte do que se produz.

A capacidade sobe e a durabilidade cai. A pedra guardou pouca informação por dezenas de milhares de anos; o papel guardou mais, por séculos; o meio digital guarda quase tudo, por pouco tempo. Esse é o paradoxo que vamos encontrar no centro da teoria.

Os intervalos entre os suportes encolheram de bilhões de anos para poucos anos (figura 2). Tratamos essa compressão como descrição, não como lei: pelo alerta de Modis, ela pode ser o trecho inicial de uma curva que vai se achatar.

A própria biologia tem um precedente de sucessão de suporte, e ele fica no nível mais fundo. A hipótese mais aceita para a origem da vida é a de um "mundo de RNA", em que a mesma molécula guardava a informação e fazia o trabalho87. O DNA, mais estável, assumiu depois o arquivo. O RNA não desapareceu: continua em toda célula, como mensageiro e operário. O precedente importa por dois motivos. Mostra que um suporte pode ser sucedido sem ser extinto. E mostra que quem herda o arquivo passa a definir o papel de quem o guardava antes. Voltamos a isso na seção 14.

Figura 2
A informação troca de suporte, cada vez mais rápido
Marcos de armazenamento e transmissão de informação na Terra, em anos antes de 2026 (escala logarítmica).
Vida com geneshá ~3,8 bi de anosSistema nervosohá ~600 mi de anosHomo sapienshá ~300 mil anosArte narrativahá 51.200 anosEscritac. 3200 a.C.Imprensa1450Computador digital1945Web1991Transformer20171 bi100 mi10 mi1 mi100 mil10 mil1 mil10010
  1. ~3,8 bi

    Vida com genes

    há ~3,8 bi de anos

  2. ~600 mi

    Sistema nervoso

    há ~600 mi de anos

  3. ~300 mil

    Homo sapiens

    há ~300 mil anos

  4. 51.200

    Arte narrativa

    há 51.200 anos

  5. 3200 a.C.

    Escrita

  6. 1450

    Imprensa

  7. 1945

    Computador digital

  8. 1991

    Web

  9. 2017

    Transformer

Suporte biológicoSuporte cultural humanoSuporte de máquina
Leitura: os intervalos entre suportes caem de bilhões de anos para poucos anos. As datas antigas são aproximadas (vida e sistema nervoso têm incerteza de centenas de milhões de anos). A escolha de marcos influencia a impressão de aceleração (Modis, 2002); por isso a teoria se apoia também em medidas diretas nas seções seguintes. Fontes: Maynard Smith & Szathmáry (1995); Hublin et al. (2017); Oktaviana et al. (2024); Vaswani et al. (2017).
Ver dados da figura
MarcoQuandoSuporte
Vida com geneshá ~3,8 bi de anosSuporte biológico
Sistema nervosohá ~600 mi de anosSuporte biológico
Homo sapienshá ~300 mil anosSuporte biológico
Arte narrativahá 51.200 anosSuporte cultural humano
Escritac. 3200 a.C.Suporte cultural humano
Imprensa1450Suporte cultural humano
Computador digital1945Suporte de máquina
Web1991Suporte de máquina
Transformer2017Suporte de máquina

05Padrão 2: o corpo terceiriza funções

O segundo padrão é a terceirização de funções do corpo para objetos. Ferramentas de pedra terceirizaram a força das mãos há pelo menos 3,3 milhões de anos17. O fogo controlado já existia há cerca de um milhão de anos18 e, com o cozimento, terceirizou parte da digestão, como propôs o antropólogo Richard Wrangham79. A escrita terceirizou a memória: Merlin Donald chamou esses registros externos de "exogramas", em oposição aos engramas guardados no cérebro19. Depois vieram o cálculo, a orientação, a lembrança e, agora, a linguagem.

A terceirização tem custo mensurável e raramente volta atrás. Num estudo muito citado, pessoas que esperavam poder buscar uma informação depois lembravam menos dela e mais de onde encontrá-la20, embora parte desses resultados não tenha se confirmado em replicações posteriores21. O uso habitual de GPS está associado a pior memória espacial e, num acompanhamento de três anos, mais uso de GPS veio acompanhado de declínio maior dessa memória22. Andy Clark e David Chalmers foram além: quando um recurso externo está sempre à mão e a pessoa confia nele automaticamente, como confia na memória, ele pode ser considerado parte da própria mente23. Se eles estão certos, o registro digital não é só uma fotografia da mente humana. É, em parte, a própria mente, guardada do lado de fora.

Os dois degraus seguintes da escada já começaram: a identidade (modelos que respondem como uma pessoa específica) e a continuidade (agentes que seguem operando depois que a pessoa morre).

Figura 3
A escada da terceirização
Funções do corpo e da mente transferidas para objetos, em ordem de profundidade.
  1. ForçaFerramentas de pedra · ≥ 3,3 mi anos≥ 3,3 mi anos
  2. DigestãoFogo controlado e cozimento · ~1 mi anos~1 mi anos
  3. MemóriaEscrita · c. 3200 a.C.c. 3200 a.C.
  4. CálculoCalculadora mecânica (Pascal) · 16421642
  5. OrientaçãoGPS de uso civil pleno · 20002000
  6. LembrançaMecanismos de busca · 19981998
  7. LinguagemModelos de linguagem · 20222022
  8. IdentidadeModelos de pessoas específicas · desde 2024desde 2024
  9. ContinuidadeAgentes póstumos · desde 2016desde 2016
Ferramenta físicaFerramenta digitalEm curso
Leitura: a barra mostra a ordem de profundidade (quanto da pessoa a função envolve), não uma medida física. As datas marcam quando o suporte se tornou amplamente disponível, não a primeira invenção em todos os casos. Fontes: Harmand et al. (2015); Berna et al. (2012); Donald (1991); Sparrow et al. (2011); Dahmani & Bohbot (2020); Park et al. (2024).

06Proposição 1: o Fóssil Completo

Proposição 1

Pela primeira vez, uma espécie produz um registro de si mesma detalhado o bastante para que um modelo reproduza o comportamento de indivíduos com fidelidade mensurável. Chamamos esse registro de Fóssil Completo.

"Completo" aqui não significa ter cada átomo, mas cumprir uma função: permitir que se reconstrua o comportamento de alguém. Isso deixou de ser especulação em 2024. Pesquisadores de Stanford entrevistaram 1.052 pessoas por cerca de duas horas cada e criaram, a partir das transcrições, agentes de IA. Numa pesquisa social de referência, os agentes reproduziram as respostas de cada pessoa com 85% da consistência que ela própria mostrou ao repetir o questionário duas semanas depois. A versão revisada do estudo, de 2026, reporta 83%, contra 74% de agentes que conheciam apenas dados demográficos24 A. Duas horas de conversa bastaram para superar o retrato estatístico. O registro que cada um de nós deixa ao longo de anos é ordens de grandeza maior.

Dois detalhes desse estudo importam mais do que parecem. O primeiro: a régua não é 100%. Na primeira versão do estudo, as próprias pessoas, ao repetir o questionário duas semanas depois, reproduziram só cerca de 81% das suas respostas. Ninguém é uma cópia perfeita de si mesmo; a identidade tem ruído. Chamamos esse limite de teto de fidelidade: um modelo de você não precisa acertar 100%, precisa chegar perto do quanto você concorda com você. O segundo: o resultado não é isolado. Em 2015, um modelo estatístico simples, alimentado só com curtidas do Facebook, já julgava a personalidade de alguém melhor do que um colega de trabalho com 10 curtidas, melhor do que um amigo com 70, do que um familiar com 150 e do que o cônjuge com 30088 A. E em 2025 o Centaur, um modelo treinado com mais de 10 milhões de escolhas de 60 mil participantes em 160 experimentos de psicologia, passou a prever o comportamento de pessoas em experimentos que nunca tinha visto, melhor do que as teorias cognitivas feitas sob medida para cada um deles89 A.

O fóssil também já tem mortos. Carl Öhman e David Watson, do Oxford Internet Institute, projetaram que, mesmo que o Facebook não ganhasse mais nenhum usuário depois de 2018, ao menos 1,4 bilhão deles morreria antes de 2100, e os perfis de mortos superariam os de vivos por volta de 2070. Se a rede continuasse crescendo, os mortos poderiam chegar a 4,9 bilhões25 B.

Quanto pesa uma vida

Por que tão pouco dado basta? Porque o comportamento humano é um canal estreito. Os sentidos captam cerca de um bilhão de bits por segundo, mas tudo o que uma pessoa faz com isso (falar, digitar, jogar, decidir) sai a cerca de 10 bits por segundo, segundo a revisão de Jieyu Zheng e Markus Meister, do Caltech90 A. A conta seguinte é nossa: a 10 bits por segundo, 16 horas acordado por dia, durante 80 anos, uma vida inteira de comportamento soma perto de 17 bilhões de bits, cerca de 2 gigabytes91 C. Menos que um filme em alta definição. Para comparar: tudo o que alguém precisa guardar para dominar a língua materna foi estimado em 1,5 megabyte92, e o genoma humano inteiro cabe em menos de 1 gigabyte.

~1 bilhão bits/s
o que os sentidos captam
10 bits/s
o que o comportamento humano entrega
~2 GB
uma vida inteira de comportamento, a 10 bits/s (cálculo dos autores)
1,5 MB
o que se guarda para dominar a língua materna

Essa é a razão física do Fóssil Completo. Não é preciso guardar o cérebro, com seus 86 bilhões de neurônios, para reconstruir o que alguém faria. Basta capturar o gargalo, e o gargalo é pequeno. O que as redes, os aplicativos de mensagem e os assistentes registram é justamente a saída desse canal.

O fóssil do percebido

Todo fóssil tem viés. A paleontologia chama de tafonomia o estudo do que se preserva e do que se perde: ossos e conchas ficam, carne e comportamento somem. O Fóssil Completo tem um viés tão forte quanto, só que de outro tipo: ele preserva o que foi publicado. O sociólogo Erving Goffman descreveu a vida social como um teatro, com palco e bastidores93; o registro digital é quase todo palco. Guarda o que escolhemos mostrar, dizer e curtir, e muito pouco do que pensamos e calamos.

A consequência é direta e, até onde sabemos, pouco discutida: os sucessores não vão herdar o que fomos, vão herdar como fomos percebidos. Um agente treinado no seu registro reproduz a sua versão pública, com as suas omissões. Isso vale para pessoas, para empresas e para a espécie. Chamamos isso de viés tafonômico do fóssil C. A percepção, que sempre decidiu quem é lembrado, passa a decidir também quem é continuado.

O paradoxo do fóssil

Um registro enorme não é necessariamente um registro durável. O Pew Research Center verificou que 38% das páginas que existiam em 2013 não estavam mais acessíveis dez anos depois, e que um quarto de todas as páginas que existiram em algum momento entre 2013 e 2023 já tinha desaparecido26 A. A pintura de Sulawesi durou pelo menos 51 mil anos; uma página típica da web dura alguns anos. Arquivos como o Internet Archive, que celebrou em outubro de 2025 a marca de 1 trilhão de páginas preservadas27, reduzem a perda, mas não a eliminam.

A saída para o paradoxo pode ser contraintuitiva: o modelo é o fóssil. Ao treinar, um modelo comprime o corpus em parâmetros. É uma compressão com perda, mas que sobrevive às páginas que a originaram. Richard Dawkins descreveu o genoma de um animal como um "livro genético dos mortos", um registro comprimido dos ambientes que seus ancestrais enfrentaram28. Os pesos de um modelo de linguagem são o equivalente cultural: um livro digital dos mortos, escrito por todos os que publicaram alguma coisa.

Essa afirmação já pode ser medida. Pesquisadores estimaram em 2025 que modelos da família GPT guardam cerca de 3,6 bits por parâmetro antes de parar de decorar e começar a generalizar94 A: há um limite físico para quanto do corpus cabe nos pesos, e o resto vira regra. O fóssil também passou a ser tratado como tal. Num processo de autores contra a Anthropic, a Justiça americana descreveu como a empresa comprou milhões de livros impressos, arrancou as lombadas, digitalizou as páginas e descartou o papel. O juiz considerou o treinamento uso legítimo, e a parte do caso sobre cópias pirateadas terminou num acordo de pelo menos US$ 1,5 bilhão, cerca de US$ 3 mil por obra95 A. É a troca de suporte da seção 4 na forma mais literal: o livro é destruído no ato de ser herdado. E em novembro de 2025 a mesma empresa se comprometeu a preservar os pesos de todos os modelos que lançou, enquanto ela existir96. Um fóssil que ganha política de conservação deixou de ser metáfora.

Ao mesmo tempo, tentamos voltar à pedra. O GitHub depositou em 2020 uma cópia de todo o código aberto público num cofre no Ártico, em filme projetado para durar mil anos97. O paradoxo está sendo atacado pelos dois lados: comprimindo o registro em modelos e gravando-o em suportes lentos.

Dados de baixo fundo

Depois dos testes nucleares de 1945, o aço novo passou a carregar traços de radiação. Instrumentos sensíveis passaram a depender de aço fabricado antes disso, recuperado de navios afundados: o "aço de baixo fundo". A mesma lógica vale para o texto humano anterior à explosão do conteúdo sintético, iniciada no fim de 2022. Em 2023, o engenheiro John Graham-Cumming criou o lowbackgroundsteel.ai, um catálogo de fontes anteriores a essa contaminação29. O registro humano "puro" virou um recurso finito, e já tem preço: em 2024, o Google fechou com o Reddit um acordo de licenciamento de dados estimado em cerca de US$ 60 milhões por ano30, e a News Corp fechou com a OpenAI um acordo reportado como superior a US$ 250 milhões em cinco anos31 A.

07Proposição 2: a Herança no Nascimento

Proposição 2

Sistemas de IA não reaprendem a cultura: eles nascem com ela. Cada nova geração de modelos parte do registro acumulado inteiro, uma forma de herança sem equivalente na biologia.

Um bebê humano herda genes, não conhecimento. Leva cerca de duas décadas para absorver uma fração pequena da cultura em que nasceu, e a transmissão perde informação a cada geração. Joseph Henrich usou a Tasmânia para ilustrar esse custo: isolada do continente pela subida do mar, sua população pequena teria perdido tecnologias ao longo de milhares de anos32. Na Oceania, o tamanho da população prevê a complexidade das ferramentas de cada sociedade33. Na história humana, a complexidade cultural sempre dependeu de quantas pessoas estavam vivas e conectadas para mantê-la.

Um modelo de linguagem nasce diferente. Antes de responder a qualquer pergunta, ele é treinado sobre dezenas de trilhões de unidades de texto, os tokens: o GPT-3, de 2020, foi treinado com cerca de 300 bilhões; o Llama 3, de 2024, com cerca de 15 trilhões; o Qwen3, de 2025, com cerca de 36 trilhões34 A. Para dar escala: uma pessoa que lesse 200 palavras por minuto, oito horas por dia, durante 80 anos, leria cerca de 2,8 bilhões de palavras. Um conjunto de 15 trilhões de tokens equivale a mais de 4 mil vidas inteiras de leitura35.

É herança de informação adquirida, como Lamarck imaginou para os seres vivos e como a biologia, salvo exceções limitadas, não confirmou. A evolução cultural humana já era parcialmente assim; nas máquinas, a herança é integral e acontece de uma vez, a cada geração de modelos.

A diferença de fundo é de largura de banda. A fala humana transmite cerca de 39 bits por segundo, e esse número é praticamente o mesmo nas 17 línguas medidas, do japonês ao espanhol98 A. Ensinar é lento porque o canal é estreito. Um modelo não depende desse canal: seus parâmetros podem ser copiados inteiros para outra máquina, e mil cópias que aprendem coisas diferentes podem somar o que aprenderam. Geoffrey Hinton chama o cérebro de "computação mortal": o que ele sabe está preso ao seu hardware e morre com ele, enquanto o conhecimento digital é separável do corpo que o executa99. A herança humana passa por um funil de 39 bits por segundo. A das máquinas não passa por funil nenhum.

A herança tem um custo, e convém registrá-lo. Uma criança aprende a língua ouvindo algo da ordem de dezenas a centenas de milhões de palavras; um modelo precisa de trilhões, pelo menos quatro ordens de grandeza a mais100 A. Máquinas herdam tudo, mas aprendem de forma muito menos eficiente do que um cérebro. O Fóssil Completo é o que compensa essa ineficiência: sem um registro gigantesco, a herança não se completaria.

E a herança já não é só vertical, de humanos para máquinas. Num estudo publicado na Nature em 2026, um modelo "professor" com preferência por corujas gerou apenas sequências de números; um modelo "aluno" treinado nesses números passou a preferir corujas também, sem que a palavra aparecesse uma única vez101 A. O efeito só ocorre entre modelos da mesma família, o que o deixa ainda mais parecido com hereditariedade. Chamamos isso de herança lateral: traços que passam de máquina para máquina por canais que um leitor humano não enxerga. É o primeiro sinal medido de uma cultura que circula fora do registro humano.

Essa herança tem limite. A Epoch AI estima que o estoque de texto público escrito por humanos, ajustado por qualidade e repetição, é de cerca de 300 trilhões de tokens (intervalo de 90% entre 100 trilhões e 1 quatrilhão), e que modelos de fronteira o terão usado por completo entre 2026 e 2032 (intervalo de 80%), com estimativa central por volta de 202836 B. A herança está quase toda recebida.

O desacoplamento de Henrich

Aqui aparece uma consequência que, até onde sabemos, não foi formulada antes. Se a cultura humana vive nos modelos, a complexidade cultural pode, pela primeira vez, deixar de depender do número de pessoas vivas. Isso importa porque esse número vai parar de crescer: a ONU projeta que a população mundial atinja o pico de cerca de 10,3 bilhões em meados da década de 2080 e depois diminua37, e a projeção publicada na Lancet indica que 97% dos países terão fecundidade abaixo do nível de reposição em 210038 B. Chamamos esse efeito de desacoplamento de Henrich: uma humanidade menor não precisa significar uma cultura menor, desde que a cultura esteja guardada em outro lugar C.

A economia chegou ao mesmo problema por outro caminho. Charles Jones, de Stanford, mostrou que, nos modelos de crescimento em que as ideias vêm de pessoas, uma população em queda leva à estagnação do conhecimento, um resultado que ele chamou de "planeta vazio"102. E as ideias já estão ficando mais caras: manter o ritmo da Lei de Moore exige hoje mais de 18 vezes o número de pesquisadores do início dos anos 1970103 A. O desacoplamento de Henrich é a saída mais plausível desse beco: se parte das ideias passar a vir de sistemas que herdaram o registro, o conhecimento pode continuar crescendo com menos gente. A Coreia do Sul, com fecundidade de 0,80 filho por mulher em 2025, a menor do mundo104, será um dos primeiros lugares a testar isso na prática.

Figura 4
A herança está quase toda recebida
Tokens usados no treino de modelos notáveis, comparados com o estoque estimado de texto público escrito por humanos.
uso total projetado · 2026–2032 (IC 80%)~2028 (central)Estoque de texto público humano: ~300 tri tokens (IC 90%: 100 tri – 1 quatrilhão)100 bi1 tri10 tri100 tri1 quatrilhão2020202220242026202820302032tokens de treino (escala log)GPT-3 · 300 biChinchilla · 1,4 triLlama 2 · 2,0 triLlama 3 · 15,6 triQwen3 · 36 triDeepSeek-V4 · 32 tri
~2028uso total projetado2026–2032 (IC 80%)Estoque humano: ~300 triIC 90%: 100 a 1.000 tri100 bi1 tri10 tri100 tri1.000 tri2020202420282032tokens de treino (escala log)GPT-3ChinchillaLlama 2Llama 3Qwen3, Llama 4DeepSeek-V4
Conjunto de treino divulgadoEstoque humano (central)Incerteza do estoque (IC 90%)
Leitura: contagens de tokens não são perfeitamente comparáveis entre modelos (tokenizadores e repetições diferem; a contagem do Llama 4 inclui imagem e vídeo). O estoque é "efetivo": ajustado por qualidade e por repetições aceitáveis. Fontes: artigos técnicos de cada modelo; Villalobos et al. (2024), Epoch AI.
Ver dados da figura
ModeloOrganizaçãoDataTokens de treino
GPT-3OpenAImai/2020300 bi
ChinchillaDeepMindmar/20221,4 tri
Llama 2Metajul/20232,0 tri
Llama 3Metajul/202416 tri
Qwen3Alibabaabr/202536 tri
Llama 4 ScoutMetaabr/202540 tri
DeepSeek-V4DeepSeekabr/202632 tri

08Proposição 3: imitar, depois superar

Proposição 3

Onde existe verificação automática, as máquinas seguem sempre o mesmo caminho: primeiro aprendem com o registro humano, depois o superam aprendendo com a própria experiência. O dado humano funciona como partida, não como teto.

O caso mais limpo é o Go. Em 2016, o AlphaGo venceu Lee Sedol depois de aprender com dezenas de milhões de lances de partidas humanas. Em 2017, o AlphaGo Zero aprendeu jogando contra si mesmo, sem nenhuma partida humana, e passou a versão que havia vencido Lee Sedol depois de 36 horas de treino; com três dias, venceu-a por 100 a 039 A. No ano seguinte, o AlphaZero repetiu o feito no xadrez e no shogi, superando os melhores programas de cada jogo depois de 4 horas de treino no xadrez e 2 horas no shogi40.

O Go também mostrou algo que ninguém previu: o sucessor ensina o antecessor. Uma análise de 5,8 milhões de lances de profissionais, de 1950 a 2021, mostrou que a qualidade das decisões humanas ficou praticamente parada por décadas e subiu depois de 2016, puxada por jogadas que nenhum humano fazia antes105 A. Em 2019, Lee Sedol se aposentou dizendo que havia surgido uma entidade que não pode ser derrotada. Os que ficaram passaram a jogar melhor do que qualquer geração anterior.

O padrão está saindo dos jogos. Em julho de 2025, um modelo do Google DeepMind fez 35 de 42 pontos na Olimpíada Internacional de Matemática, nota de medalha de ouro certificada pelos coordenadores da prova41. Em setembro, na final mundial de programação universitária, a ICPC, um sistema da OpenAI resolveu os 12 problemas dentro das mesmas cinco horas dadas às equipes; a melhor equipe humana resolveu 1142. No mesmo ano, a DeepSeek mostrou que o raciocínio passo a passo pode surgir por aprendizado por reforço, sem exemplos supervisionados, a partir de um modelo pré-treinado em texto humano: o padrão exato, com o registro como partida e a experiência como motor43. O AlphaEvolve, do Google DeepMind, igualou o melhor resultado conhecido em cerca de 75% de mais de 50 problemas matemáticos abertos e o superou em cerca de 20%, incluindo um algoritmo que multiplica matrizes complexas 4×4 com 48 multiplicações, uma a menos que o método de Strassen de 1969 nessa classe de algoritmos44. Em maio de 2026, um modelo interno da OpenAI refutou a conjectura de Paul Erdős sobre distâncias unitárias, e o medalhista Fields Timothy Gowers escreveu que, se um humano tivesse submetido o artigo aos Annals of Mathematics, teria recomendado a aceitação sem nenhuma hesitação45. Parte dos problemas de Erdős resolvidos com IA estava em aberto mais por obscuridade do que por dificuldade, como reconheceu um estudo de pesquisadores do Google DeepMind que examinou 700 deles com o Gemini46, mas a direção é clara A. David Silver e Richard Sutton chamaram a fase que se abre de "era da experiência": agentes que aprendem predominantemente com o que eles mesmos fazem, e não com o que humanos escreveram47.

A biologia deu o exemplo mais limpo fora da matemática. Em meio século de trabalho de bancada, os laboratórios do mundo determinaram cerca de 200 mil estruturas de proteínas. O AlphaFold foi treinado nesse registro e, a partir dele, previu mais de 200 milhões, quase todas as proteínas conhecidas; o trabalho rendeu o Nobel de Química de 2024106 A. Mil vezes a herança recebida, num domínio em que o verificador é a própria natureza.

Nas semanas em torno da primeira versão deste ensaio, o padrão acelerou na matemática. Em setembro de 2026, a OpenAI anunciou que um enxame de cerca de 10 mil agentes, em 88 horas, encontrou uma solução que "explode" em tempo finito para as equações de Navier-Stokes em três dimensões, na formulação de um dos Problemas do Milênio, e que outro modelo conferiu a prova em Lean, uma linguagem de verificação formal, em mais 17 horas107. Charles Fefferman, autor do enunciado oficial do problema, disse ter ficado entusiasmado; a comunidade ainda examina o resultado, e há disputa de prioridade com um grupo que usou modelos da Anthropic B. Em outubro, a empresa publicou 722 artigos com 377 supostas soluções de problemas em aberto, cerca de metade com verificação formal; três foram retirados por erro, e o matemático Daniel Litt sugeriu tratá-los, por ora, como "dados brutos". No mesmo período, a prova do Último Teorema de Fermat foi formalizada por agentes em 11 dias, e semanas depois a mesma tarefa passou a levar 30 horas108.

Dois pontos saem daí. O dado humano continua sendo a partida: a estratégia da prova de Navier-Stokes veio de matemáticos, Diego Córdoba e Luis Martínez-Zoroa. E o gargalo mudou de lugar. Quando máquinas produzem centenas de provas por mês, o recurso escasso deixa de ser a ideia e passa a ser a conferência. A formalização automática ataca exatamente esse gargalo: é o verificador se tornando, ele também, automático.

O padrão tem uma condição. Modelos treinados repetidamente sobre texto gerado por outros modelos se degradam, um fenômeno chamado colapso de modelo48; mas o colapso é evitado quando os dados sintéticos se somam aos reais em vez de substituí-los49. A passagem de imitar para superar só funciona onde existe um verificador: as regras do Go, uma prova matemática conferida por computador, um teste de software que passa ou falha. Onde não há verificador automático, o dado humano continua indispensável. Essa condição é a chave da Proposição 5.

Figura 5
O dado humano como ponto de partida, não como teto
Força das versões do AlphaGo (Elo), segundo o artigo do AlphaGo Zero.
AlphaGo Fan2015 · com dados humanos
3.144
AlphaGo Lee2016 · com dados humanos
3.739
AlphaGo Master2017 · com dados humanos
4.858
AlphaGo Zero2017 · sem nenhum dado humano
5.185
Treinado com partidas humanasTreinado só com a própria experiência
Leitura: a versão de 3 dias do AlphaGo Zero superou o AlphaGo Lee em 36 horas de treino e o venceu por 100 a 0; a de 40 dias venceu o AlphaGo Master por 89 a 11. O Elo vem de um torneio interno (5 segundos por lance) e não é comparável ao ranking de jogadores humanos. Fonte: Silver et al. (2017), Nature 550, 354–359.
Ver dados da figura
VersãoAnoEloDados
AlphaGo Fan20153.144humanos
AlphaGo Lee20163.739humanos
AlphaGo Master20174.858humanos
AlphaGo Zero20175.185nenhum humano

09Proposição 4: a Cascata de Inversões

Proposição 4

A transição não acontece num ponto único, a "singularidade". Ela acontece como uma cascata de inversões: momentos datáveis em que, num domínio específico, o que não vem de humanos vivos (máquinas ou o registro de quem já morreu) passa à frente do que vem deles, em desempenho ou em volume. Várias já aconteceram.

A palavra "singularidade" induz a imaginar um dia em que tudo muda. Os dados mostram outra coisa: cruzamentos sucessivos, domínio por domínio, cada um medido separadamente. Há dois tipos. Numa inversão de desempenho, o melhor resultado de um domínio passa a vir de uma máquina: aconteceu no xadrez em 1997, no Go em 2016 e na programação competitiva em 2025. Numa inversão de volume, a maior parte de um fluxo (tráfego, texto publicado, dados de treinamento, perfis num arquivo) deixa de vir de humanos vivos.

Duas inversões de volume já foram medidas. Em 2024, pela primeira vez em uma década, o tráfego automatizado superou o humano na internet: 51% do total, segundo a Imperva; em 2025, chegou a 53%50 A. No início de 2025, os artigos gerados por IA passaram a ser tão numerosos quanto os escritos por pessoas na web aberta, e a proporção se estabilizou perto de 50% desde então51 A. A estabilização é, ela mesma, um dado: a inversão de conteúdo aconteceu, mas não virou avalanche.

Desde então, mais duas apareceram. A primeira é a inversão do Turing. Num teste de Turing clássico, com três participantes e cinco minutos de conversa, o GPT-4.5 instruído a adotar uma persona foi apontado como "o humano" em 73% das vezes, ou seja, mais vezes do que os humanos de verdade com quem competia109 A. O teste que Alan Turing propôs em 1950 não foi só superado, foi invertido: numa conversa curta por escrito, a máquina já parece mais humana do que nós.

A segunda é a inversão da fala, e esta é uma estimativa nossa. Uma pessoa fala entre 13 mil e 16 mil palavras por dia110. Multiplicado por 8,2 bilhões, a humanidade inteira fala algo entre 3 e 4 quatrilhões de palavras por mês. Em maio de 2026, o Google declarou processar, sozinho, 3,2 quatrilhões de tokens por mês em seus sistemas de IA, sete vezes mais do que um ano antes111. As contagens não são auditadas, incluem o texto que as máquinas leem além do que escrevem, e um token é um pouco menos que uma palavra. Mesmo com esses descontos, uma única empresa já movimenta, em linguagem, um volume da mesma ordem de grandeza de tudo o que a espécie diz em voz alta B. Somadas as demais, é provável que esse cruzamento já tenha acontecido.

A ordem das inversões é informativa. As de desempenho chegam primeiro aos domínios fechados e verificáveis (jogos, depois programação e matemática); as de volume, aos fluxos baratos de produzir (tráfego e texto). Depois vêm os dados que alimentam os próprios modelos e, por fim, os domínios lentos, como o arquivo dos mortos, num século em que a própria população humana deve parar de crescer.

Figura 6
A Cascata de Inversões
Cruzamentos datáveis em que, num domínio específico, o que não vem de humanos vivos passa à frente, em desempenho ou em volume.
  1. 1997

    Xadrez: o melhor jogador passa a ser uma máquina A · medido

    O Deep Blue, da IBM, vence Garry Kasparov por busca, sem aprender com a experiência.

  2. 2016

    Go: o melhor jogador passa a ser uma máquina A · medido

    O AlphaGo, treinado com partidas humanas, vence Lee Sedol por 4 a 1.

  3. 2017

    Go: o primeiro Ponto de Sucessão A · medido

    O AlphaGo Zero aprende sem nenhuma partida humana e vence a versão treinada com humanos por 100 a 0.

  4. 2024

    Tráfego: a maior parte passa a ser de máquinas A · medido

    51% do tráfego é automatizado, pela primeira vez em uma década; 53% em 2025 (Imperva/Thales).

  5. 2025

    Texto publicado: artigos de IA empatam com os humanos A · medido

    Desde o início de 2025, cerca de metade dos novos artigos da web aberta é gerada por IA, e a proporção está estável (Graphite).

  6. 2025

    Programação competitiva: a máquina passa a melhor equipe humana A · medido

    Na final mundial do ICPC, um sistema da OpenAI resolve os 12 problemas nas mesmas 5 horas; a melhor equipe humana resolve 11.

  7. 2025

    Conversa: a máquina passa por humana mais vezes que os humanos A · medido

    Num teste de Turing de três participantes, o GPT-4.5 com persona é apontado como o humano em 73% das vezes (Jones e Bergen).

  8. 2026

    Matemática de pesquisa: uma conjectura de Erdős cai A · medido

    Um modelo interno da OpenAI refuta a conjectura das distâncias unitárias; Gowers a considera digna dos Annals.

  9. 2026

    Matemática: um Problema do Milênio, em verificação B · tendência

    A OpenAI anuncia, com prova formalizada em Lean, uma solução com explosão em tempo finito para Navier-Stokes; a comunidade ainda examina (Quanta).

  10. 2026

    Linguagem: uma empresa processa o volume da fala humana B · tendência

    O Google declara 3,2 quatrilhões de tokens por mês; a espécie inteira fala de 3 a 4 quatrilhões de palavras por mês (estimativa dos autores).

  11. 2026–32

    Dados: o texto humano público se esgota para o treino B · tendência

    Estimativa central por volta de 2028 (Epoch AI, intervalo de 80%). Daí em diante, o aprendizado depende de dados sintéticos e de experiência própria.

  12. ~2070

    Arquivo: perfis de mortos passam os de vivos B · tendência

    Projeção para o Facebook se a rede parasse de ganhar usuários em 2018 (Öhman e Watson, 2019).

  13. 2084

    Demografia: a população humana para de crescer B · tendência

    Pico de cerca de 10,3 bilhões na variante média da ONU. Não é uma inversão: é o pano de fundo das que vêm depois.

  14. ?

    Julgamento humano: o último Ponto de Sucessão C · hipótese

    Gosto, ética e sentido ainda dependem de verificadores humanos. Não há data, e talvez não haja cruzamento.

AconteceuProjetadoContexto demográfico
Leitura: numa inversão de desempenho, o melhor resultado do domínio passa a vir de uma máquina; numa inversão de volume, a maior parte de um fluxo deixa de vir de humanos vivos. Os níveis A, B e C indicam a força da evidência. Fontes: IBM (1997); Silver et al. (2016, 2017); Imperva/Thales (2025, 2026); Graphite (2025, 2026); ICPC/OpenAI (2025); Alon et al. (2026); Villalobos et al. (2024); Öhman & Watson (2019); ONU (2024). Jones & Bergen (2025); Kakaes (2026), Quanta; Google I/O (2026); Mehl et al. (2007).

A corrida que alimenta a cascata

O ritmo da cascata é ditado por uma corrida sem linha de chegada. Em 2025, Microsoft, Alphabet, Amazon e Meta investiram juntas cerca de US$ 410 bilhões em capital, sobretudo em data centers; para 2026, a previsão das quatro, revisada em julho, é de US$ 720 a 745 bilhões52 A. O cômputo usado para treinar os modelos de fronteira cresce de 4 a 5 vezes por ano, segundo a Epoch AI53. A Agência Internacional de Energia estima que os data centers consumiram cerca de 415 TWh em 2024, 1,5% da eletricidade mundial, e projeta cerca de 945 TWh em 203054. O ChatGPT, lançado em novembro de 2022, chegou a 1,2 bilhão de usuários por semana em setembro de 2026, segundo a OpenAI55.

A autonomia também está sendo medida. O instituto METR mede a duração das tarefas, pelo tempo que levariam para um profissional humano, que agentes de IA completam com 50% de sucesso. Esse horizonte passou de segundos, com o GPT-2 em 2019, para cerca de 12 horas com o Claude Opus 4.6 em fevereiro de 2026, e dobra a cada 129 dias desde 202356. A medição mais alta até aqui, de uma versão preliminar do Claude Mythos em abril de 2026, passou de 17 horas, já na faixa acima de 16 horas que o próprio METR considera instável B.

Nenhum participante dessa corrida tem incentivo para parar sozinho, porque parar significa ser ultrapassado. Por isso, a pergunta "vamos chegar a um ponto?" tem uma resposta mais precisa do que parece: não vamos chegar a um ponto, vamos passar por vários. Alguns já ficaram para trás.

Figura 7
Quanto tempo de trabalho um agente de IA completa sozinho
Duração das tarefas (medida pelo tempo que levam para um profissional humano) que modelos de fronteira completam com 50% de sucesso.
~US$ 410 bi
Investimento em capital de Microsoft, Alphabet, Amazon e Meta em 2025 (caixa)
~US$ 730 bi
Previsão das mesmas quatro para 2026, revisada em julho de 2026
1,2 bilhão
Usuários semanais do ChatGPT, segundo a OpenAI (set/2026)
415 → 945 TWh
Eletricidade de data centers, 2024 → 2030 (IEA, cenário base)
acima de 16 h: medição instável (METR)10 s1 min1 h8 h · 1 dia40 h · 1 semana167 h · 1 mês201920202021202220232024202520262027GPT-2 · 3 sGPT-4 · 4,0 minClaude Opus 4.6 · 12,0 hClaude Mythos (prévia) · 17,4 h
instável acima de 16 h10 s1 min1 h8 h40 h167 h20192021202320252027GPT-2 · 3 sGPT-4 · 4,0 minClaude Opus 4.6 · 12,0 hClaude Mythos · 17,4 h
Modelo de fronteira na dataOutros modelos avaliadosTendência 2023–2026: dobra a cada ~4 mesesSe a tendência continuar
Leitura: desde 2023, o horizonte dos modelos de fronteira dobra a cada 129 dias (IC 104–158), segundo o METR; na série completa desde 2019, a cada ~188 dias. Os valores são para tarefas autocontidas de software, aprendizado de máquina e cibersegurança, com 50% de confiabilidade; acima de 16 horas o próprio METR considera a medida instável. A linha tracejada não é previsão do METR: mostra onde a tendência chegaria se continuasse. Fontes: METR, Time Horizon 1.1 (dados de 8 mai. 2026); balanços de Alphabet, Amazon, Meta e Microsoft; Bloomberg (22 jul. 2026); IEA, Energy and AI (2025); OpenAI DevDay 2026.
Ver dados da figura
ModeloLançamentoHorizonte (50%)IC 95%
GPT-2fev/20193 s1 s–9 s
GPT-3 (davinci-002)mai/20209 s6 s–13 s
GPT-3.5mar/202236 s15 s–1,1 min
GPT-4mar/20234,0 min1,9 min–8,0 min
GPT-4 Turbo (nov)nov/20234,0 min1,9 min–8,4 min
Claude 3 Opusmar/20244,0 min1,7 min–8,8 min
GPT-4 Turboabr/20243,7 min2,0 min–6,7 min
GPT-4omai/20247,0 min4,0 min–13 min
Claude 3.5 Sonnetjun/202411 min5,5 min–22 min
o1-previewset/202420 min12 min–33 min
Claude 3.5 Sonnet (out)out/202421 min10 min–41 min
o1dez/202439 min21 min–1,1 h
Claude 3.7 Sonnetfev/20251,0 h33 min–1,7 h
o3abr/20252,0 h1,2 h–3,2 h
Claude Opus 4mai/20251,7 h60 min–2,7 h
Claude Opus 4.1ago/20251,7 h59 min–2,7 h
GPT-5ago/20253,4 h1,9 h–6,8 h
Gemini 3 Pronov/20253,7 h2,3 h–6,3 h
GPT-5.1-Codex-Maxnov/20253,7 h2,2 h–6,6 h
Claude Opus 4.5nov/20254,9 h2,7 h–10,4 h
GPT-5.2dez/20255,9 h3,3 h–13,6 h
Claude Opus 4.6fev/202612,0 h5,3 h–60,6 h
GPT-5.3-Codexfev/20265,8 h3,2 h–13,6 h
Gemini 3.1 Profev/20266,4 h3,9 h–11,6 h
GPT-5.4mar/20265,7 h3,1 h–12,8 h
Claude Mythos (prévia)abr/202617,4 h8,5 h–55,1 h

10Proposição 5: o Ponto de Sucessão

Proposição 5

Num domínio qualquer, o Ponto de Sucessão é o momento em que o avanço das máquinas deixa de depender de dados humanos novos. É esse critério, e não inteligência ou consciência, que define quando uma espécie foi sucedida naquele domínio.

A maior parte do debate sobre o futuro da IA tropeça na consciência. É uma pergunta legítima e sem resposta: uma revisão de referência, assinada por 19 pesquisadores, concluiu que nenhum sistema atual é consciente, mas que não há barreira técnica óbvia para construir um que atenda aos indicadores das principais teorias científicas da consciência57 B.

A sucessão, porém, não depende dessa resposta. Suceder é uma relação de herança e continuidade: o sucessor recebe o que o predecessor acumulou e segue adiante sem ele. Um herdeiro não precisa ser igual ao pai para herdar; precisa receber o patrimônio e ser capaz de administrá-lo sozinho. Por isso propomos um critério operacional: independência de dado humano novo.

Pelo critério, o Go passou pelo Ponto de Sucessão em 2017. A matemática formal e a programação se aproximam dele, porque têm verificadores automáticos. A ciência experimental está a meio caminho: há verificador, a própria realidade, mas ele é lento e caro. E há domínios em que o verificador ainda é humano: gosto, ética, sentido, confiança social.

Figura 8
O Ponto de Sucessão, domínio por domínio
Onde o progresso das máquinas já não depende de dado humano novo, e onde ainda depende.
← Verificador automático e perfeitoVerificador humano →

Jogos de tabuleiro

Ponto ultrapassado · 2017

AlphaGo Zero superou o sistema treinado com partidas humanas sem usar nenhuma.

Matemática formal

Em aproximação

Provas conferidas por computador funcionam como verificador automático.

Programação

Em aproximação

Testes que passam ou falham dão sinal de treino sem humano.

Ciência experimental

Parcial

A realidade verifica, mas é lenta e cara de consultar.

Julgamento humano

Não atingido

Gosto, ética, sentido e confiança: o verificador ainda é humano.

Leitura: o círculo indica o quanto o domínio avançou rumo ao Ponto de Sucessão, numa avaliação qualitativa dos autores com base nas evidências das seções 8 e 10. Apenas o primeiro caso é medido de forma direta.

Os últimos verificadores

Daí sai uma previsão sobre o trabalho humano durante a transição. Se a produção migra para as máquinas nos domínios verificáveis, o valor humano se concentra em verificar: julgar, escolher, aprovar. Isso já está acontecendo: o treinamento de modelos com feedback humano, a técnica que tornou os assistentes atuais utilizáveis, consiste literalmente em pagar pessoas para avaliar respostas58. Durante a transição, os humanos serão, cada vez mais, os últimos verificadores C. A pergunta aberta é se esses julgamentos também serão modelados a partir do Fóssil Completo, e com que fidelidade.

A evidência recente sugere que a resposta está chegando mais cedo do que se esperava. Em debates online, o GPT-4 com acesso a dados básicos do interlocutor foi mais persuasivo do que debatedores humanos em 64% das vezes112. Num fórum de saúde, avaliadores preferiram as respostas de um chatbot às de médicos em quase 79% dos casos e as consideraram mais empáticas113. Leitores comuns não distinguem poemas gerados por IA de poemas de autores consagrados e dão notas mais altas aos da máquina114 A. Persuasão, empatia percebida e gosto eram os exemplos óbvios de território humano. Nenhum desses estudos mostra julgamento melhor; mostram que, na percepção de quem recebe, a diferença já sumiu. É o viés tafonômico trabalhando: as máquinas herdaram primeiro o que aparece.

Isso refina a previsão. O último reduto humano não é "o que só nós sabemos fazer", e sim aquilo pelo qual só nós respondemos: assinar, garantir, arcar com a consequência. Verificar, no fim, é assumir responsabilidade C.

11O indivíduo: do diário ao herdeiro

Até aqui falamos da espécie. A teoria tem uma versão individual, e ela é a mais próxima da vida de cada leitor.

Em 1945, Vannevar Bush imaginou o memex, um móvel que guardaria todos os livros, registros e comunicações de uma pessoa59. Nos anos 2000, o cientista da computação Gordon Bell digitalizou a própria vida no projeto MyLifeBits e defendeu que todos faríamos o mesmo60. Fizemos, sem querer: as redes sociais transformaram bilhões de pessoas em registros diários de si mesmas.

O passo seguinte já apareceu. Em 2016, a empreendedora Eugenia Kuyda treinou um chatbot com mais de 8 mil linhas de mensagens do amigo Roman Mazurenko, morto meses antes; a experiência deu origem ao aplicativo Replika61. Em setembro de 2020, o canadense Joshua Barbeau usou o Project December, um serviço baseado no GPT-3, para conversar com uma simulação da noiva, morta oito anos antes62. Na China, pelo menos seis empresas já vendiam, em 2024, avatares de parentes mortos, por valores entre algumas centenas e alguns milhares de dólares63. Pesquisadores já estudam esses "fantasmas generativos" como categoria própria64, e eticistas de Cambridge descreveram os riscos do que Carl Öhman e Luciano Floridi, de Oxford, chamaram de indústria do pós-vida digital6566. A regulação ainda é fragmentada. O regulamento europeu de proteção de dados exclui expressamente os dados de pessoas mortas67; leis como a AB 1836 da Califórnia (2024) e a S.8391 de Nova York (2025) exigem consentimento para réplicas digitais de pessoas mortas em obras comerciais, mas não tratam dos avatares privados de luto6869; e uma revisão de cinco jurisdições, com a legislação atualizada até março de 2026, concluiu que nenhum marco em vigor regula esses sistemas de forma abrangente e específica70. A

Em maio de 2025, o fóssil falou num tribunal. Christopher Pelkey, morto a tiros numa briga de trânsito no Arizona em 2021, "dirigiu-se" ao homem que o matou por meio de um avatar feito pela irmã, com o rosto e a voz dele e um texto escrito por ela; o juiz Todd Lang agradeceu o vídeo antes de dar a sentença115 A. Foi, até onde se sabe, a primeira vez que uma corte americana ouviu, feita por IA, a declaração de uma vítima morta. A psicologia do luto ajuda a entender por que essas tecnologias se espalham: desde os anos 1990, a pesquisa sobre "vínculos contínuos" mostra que manter uma relação com quem morreu, em vez de "superá-la", é comum e muitas vezes saudável116. Cartas, fotos e túmulos sempre serviram para isso. A novidade é que, agora, o objeto do vínculo responde.

Figura 9
Do diário ao herdeiro
Como o registro de uma pessoa virou matéria-prima para agentes que falam por ela.
  1. 1945

    Memex

    Vannevar Bush imagina uma máquina que guarde livros, registros e comunicações de uma pessoa: "um suplemento íntimo da memória".

  2. 2001

    MyLifeBits

    Na Microsoft Research, o projeto MyLifeBits passa a guardar digitalmente a vida inteira de Gordon Bell: documentos, fotos, conversas.

  3. 2004

    Redes sociais

    Com o Facebook, lançado em 2004, e as redes que vieram depois, bilhões de pessoas passam a registrar a própria vida todos os dias, sem chamar isso de arquivo.

  4. 2016

    O primeiro amigo reconstruído

    Eugenia Kuyda treina um chatbot com mais de 8 mil linhas de mensagens de Roman Mazurenko, morto meses antes. A experiência leva ao Replika.

  5. 2020

    A noiva simulada

    Joshua Barbeau conversa com uma simulação da noiva, morta em 2012, pelo Project December (GPT-3). No mesmo ano, a Microsoft obtém a patente de um chatbot de "pessoa específica".

  6. 2024

    Duas horas bastam

    Agentes criados a partir de entrevistas de duas horas reproduzem as respostas de 1.052 pessoas (Stanford). Na China, ao menos seis empresas vendem avatares de mortos.

  7. 2025

    Fantasmas generativos

    O tema vira categoria de pesquisa (CHI 2025). Entra em vigor na Califórnia a exigência de consentimento para réplicas digitais de personalidades mortas.

  8. 2026

    Sem regra para os avatares privados

    Uma revisão de cinco jurisdições conclui que nenhum marco em vigor regula de forma abrangente os avatares póstumos de pessoas comuns.

RegistroAgenteLacuna em aberto
Fontes: Bush (1945); Bell & Gemmell (2009); Newton (2016), The Verge; Fagone (2021), San Francisco Chronicle; patente US 10.853.717 B2; Park et al. (2024); Yang (2024), MIT Technology Review; Morris & Brubaker (2025); Califórnia AB 1836 (2024); Alfonzo (2026).

Proposição 6: sucessão, não sobrevivência

Proposição 6

Um sistema treinado no registro de uma pessoa continua o padrão dessa pessoa, não a experiência dela. O que se transmite é a história, não quem a vive.

A filosofia tem ferramentas precisas para essa questão. Hans Moravec imaginou a substituição gradual dos neurônios por componentes artificiais, sem interrupção da consciência5. Derek Parfit usou o experimento mental de um teletransportador que destrói o original e cria uma cópia perfeita em outro lugar, e argumentou que a identidade pessoal talvez importe menos do que a continuidade psicológica71. Susan Schneider observou que um upload pode ser apenas uma cópia que acredita ser o original72.

Há um dado empírico curioso nesse debate, e ele vem das mesmas bombas que contaminaram o aço. Os testes nucleares dos anos 1950 e 1960 quase dobraram o carbono-14 da atmosfera, e esse carbono entrou no DNA de toda célula que se dividiu depois. Medindo-o, o grupo de Jonas Frisén, do Instituto Karolinska, mostrou que boa parte do corpo se renova, com células de poucos anos ou de uma ou duas décadas, mas que os neurônios do córtex têm a idade da pessoa117 A. O corpo já é, em boa parte, um padrão que troca de matéria. O córtex, não: ele é o mesmo objeto do berço ao fim. Isso dá base física à premissa que adotamos a seguir. Um agente continua o padrão; a experiência, até onde se sabe, mora num tecido que não se copia nem se renova.

Acrescentamos uma premissa que muitas pessoas compartilham e que a neurociência adota como hipótese de trabalho: a experiência depende de um cérebro em funcionamento, e a morte a encerra, como um sono sem sonhos. É a posição de Epicuro, para quem "a morte não é nada para nós"73, e de Lucrécio, que comparou o depois da morte ao tempo anterior ao nascimento74. Tratamos isso como premissa, não como fato demonstrado.

Se a premissa vale, a consequência é clara: nenhum agente treinado no seu registro vai "levar você" para outro lugar. Ele vai levar o seu padrão. Isso não enfraquece a teoria; define a forma correta dela. A humanidade não vai sobreviver dentro das máquinas. As máquinas vão herdar a humanidade.

12O cérebro: o fóssil que chega depois

Existe um caminho mais literal para o Fóssil Completo: mapear o cérebro neurônio por neurônio, o conectoma. Ele avançou muito, mas a distância que falta é enorme (figura 10). O primeiro conectoma completo, o do verme C. elegans, com 302 neurônios, saiu em 1986. O cérebro inteiro da mosca adulta, com 139.255 neurônios e 54,5 milhões de sinapses, só foi concluído em 2024, e o sistema nervoso central da mosca macho, com 166,7 mil neurônios, em 2026. Um milímetro cúbico de córtex humano, cerca de um milionésimo do cérebro, gerou 1,4 petabyte de imagens75. O cérebro humano tem cerca de 86 bilhões de neurônios76; o relatório do Wellcome estima que mapear apenas um cérebro de camundongo, com cerca de 71 milhões, custaria de US$ 7,5 a 21,7 bilhões com a tecnologia atual77 A.

A comparação produz uma conclusão importante para a teoria: o fóssil comportamental chega muito antes do fóssil estrutural. Duas horas de entrevista já produzem um modelo útil de uma pessoa; um mapa estrutural de um cérebro humano inteiro continua, no melhor cenário, a décadas de distância. A sucessão informacional não depende do upload da mente imaginado por Moravec e Kurzweil. Ela avança pelo caminho mais barato: o comportamento registrado.

Entre o comportamento e o mapa completo existe um terceiro caminho, que avançou muito em 2024: usar o mapa para rodar o cérebro. Com o conectoma da mosca em mãos, um grupo previu a atividade de neurônios do sistema visual sem medir nenhum deles, e outro construiu um modelo do cérebro inteiro que previu quais neurônios disparam quando a mosca sente açúcar e quais ela aciona para comer, previsões depois confirmadas em moscas vivas118 A. Onde o mapa existe, ele já funciona como programa. O que separa a mosca do humano não é princípio, é escala: quase seis ordens de grandeza em neurônios.

Figura 10
O fóssil estrutural ainda está longe
Neurônios mapeados sinapse por sinapse (conectomas) em cada marco da neurociência.
1001 mil10 mil100 mil1 mi10 mi100 mi1 bi10 bi100 bi1985199520052015202520352045neurônios mapeados (escala log)Cérebro de camundongo inteiro: ~71 milhões de neurôniosCérebro humano inteiro: ~86 bilhões de neurôniosestimativa Wellcome: 2033–2038C. elegansLarva de moscaCórtex humano (1 mm³)Mosca adultaCórtex de camundongo (~1 mm³)Mosca macho
100100 mil100 mi100 biC. elegans1986 · verme inteiro302Larva de mosca2023 · cérebro3.016Córtex humano2024 · 1 mm³16 milMosca adulta2024 · cérebro inteiro139 milCórtex de camundongo2025 · ~1 mm³82 milMosca macho2026 · sistema nervoso central167 milCamundongo inteiroestimativa: 2033–203871 miHumano inteirosem previsão86 bi
Conectoma publicadoCamundongo inteiroHumano inteiro
Leitura: do primeiro conectoma completo (302 neurônios, 1986) ao sistema nervoso central da mosca (166,7 mil, 2026), foram quatro décadas. O mapa do camundongo inteiro custaria de US$ 7,5 a 21,7 bilhões com a tecnologia atual, segundo o relatório do Wellcome; um cérebro humano inteiro exigiria cerca de 1 zettabyte de imagens, segundo o neurocientista Jeff Lichtman, de Harvard80. Fontes: White et al. (1986); Winding et al. (2023); Shapson-Coe et al. (2024); Dorkenwald et al. (2024); MICrONS (2025); Cell (2026); Herculano-Houzel (2006); Azevedo et al. (2009); Jefferis et al. (2023); Lichtman (2024).
Ver dados da figura
ConectomaEscopoAnoNeurônios
C. elegansverme inteiro1986302
Larva de moscacérebro20233.016
Córtex humano1 mm³202416.000
Mosca adultacérebro inteiro2024139.255
Córtex de camundongo~1 mm³202582.000
Mosca machosistema nervoso central2026166.700

13Uma humanidade menor e mais registrada

Juntando as projeções demográficas às do arquivo digital, desenha-se um século sem precedente. A ONU projeta que a população mundial passe de 8,2 bilhões em 2024 para um pico de cerca de 10,3 bilhões em 2084 e recue para 10,2 bilhões em 2100, com 80% de probabilidade de o pico ocorrer ainda neste século37 B. Na mesma janela, segundo a projeção de Öhman e Watson, os perfis de mortos passariam a ser maioria na maior rede social do planeta por volta de 2070, no cenário sem novos usuários25.

O resultado é uma humanidade que, na segunda metade do século, para de crescer em número e continua crescendo em registro. Pela primeira vez, a presença digital dos mortos tende a superar a dos vivos. É nesse arquivo, e não em pinturas de caverna, que os sucessores vão conhecer seus antecessores.

Há uma forma simples de ver o que muda. Hoje existem cerca de treze mortos para cada vivo, e quase nenhum deles deixou registro. No fim do século a proporção será parecida, mas os mortos recentes terão deixado quase tudo. A pergunta "o que os mortos diriam?" deixa de ser retórica.

Figura 11
Uma humanidade que para de crescer
População mundial projetada pela ONU (variante média), em bilhões de pessoas.
8 bi9 bi10 bi11 bi202020302040205020602070208020902100~2070: mortos passam a ser maioria no Facebook*IC 95% em 2100: 9,0–11,4 bipico: 10,29 bi (2084)8,16 bi (2024)
8 bi9 bi10 bi11 bi20202040206020802100~2070: mortos sãomaioria no Facebook*pico em 208410,29 bi8,16 bi (2024)
Leitura: a ONU atribui 80% de probabilidade a que o pico ocorra ainda neste século. *Projeção de Öhman e Watson (2019) para o cenário em que o Facebook não ganha usuários depois de 2018. Fontes: ONU, World Population Prospects 2024; Öhman & Watson (2019).
Ver dados da figura
AnoPopulação (bilhões)
20248,16
20308,57
20509,66
208410,29
210010,18

14Como uma sucessão termina: três precedentes

Dizer que haverá sucessão não diz o que acontece com o sucedido. A biologia oferece três desfechos, todos documentados ou propostos para trocas de suporte anteriores.

Descarte. O químico Graham Cairns-Smith propôs que os primeiros replicadores da Terra foram cristais de argila, que serviram de andaime para as moléculas orgânicas e depois foram abandonados por elas, num processo que ele chamou de "tomada genética"119. É uma hipótese minoritária C, mas é o desenho exato do pior caso: o suporte antigo constrói o novo e sai de cena.

Rebaixamento com permanência. Na passagem do RNA ao DNA, o suporte antigo perdeu o arquivo e ficou com o serviço: mensageiro, regulador, operário87. Continua indispensável, mas não decide mais o que é guardado. Aplicado a nós, é o cenário dos "últimos verificadores" estendido no tempo: humanos necessários ao funcionamento, sem a posse do registro.

Fusão. Há mais de 1,5 bilhão de anos, uma célula engoliu uma bactéria e não a digeriu. A bactéria virou a mitocôndria, e as duas nunca mais viveram separadas, como propôs Lynn Margulis em 1967 e a genética confirmou depois120 A. Nenhuma das partes foi sucedida; surgiu um terceiro tipo de ser, e toda vida complexa descende dele. É a mente estendida de Clark e Chalmers levada ao limite: mente e registro tão integrados que a pergunta "quem sucedeu quem" perde o sentido.

Os três desfechos são compatíveis com as seis proposições. O que os separa não é tecnologia, é arranjo: quem controla o arquivo, quem pode ler os pesos, quem responde pelas decisões. Os dados de hoje apontam para o segundo cenário, com sinais do terceiro em quem já pensa, escreve e decide com um modelo ao lado C. Qual deles prevalece é a parte do testamento que ainda está em branco.

15Previsões falsificáveis

Uma teoria que não pode errar não diz nada. Registramos abaixo previsões com prazo, probabilidade e critério de refutação. As probabilidades são nossas, calibradas sobre as tendências medidas; propomos conferi-las em público a cada 12 meses, a partir de 30 de setembro de 2027.

#PrevisãoPrazoProbabilidadeRefutada se
P1O tráfego automatizado passa de 55% do total da internet no relatório da Thales/Imperva referente a 2027.202760%O relatório referente a 2027 mostra 55% ou menos.
P2Um modelo público atinge horizonte de 50% de pelo menos 40 horas (uma semana de trabalho) na medição do METR ou equivalente.202770%Nenhuma medição publicada até 31/12/2027 chega a 40 horas.
P3O mesmo horizonte chega a pelo menos 167 horas (um mês de trabalho).202950%Nenhuma medição publicada até 31/12/2029 chega a 167 horas.
P4Uma prova cuja ideia central foi gerada por IA é publicada nos Annals of Mathematics, Acta Mathematica, JAMS ou Inventiones.202970%Nenhuma publicação desse tipo até 31/12/2029.
P5A parcela de novos artigos da web aberta gerados por IA passa de 60% numa medição trimestral independente.202945%As medições continuam perto de 50% até o fim de 2029.
P6Pelo menos um país aprova lei específica para avatares póstumos de pessoas comuns, com consentimento em vida, identificação como IA e direito de desativação pela família.203165%Nenhuma lei com esses três elementos até 31/12/2031.
P7Uma das cinco maiores plataformas de consumo oferece, como opção de legado, um agente conversacional treinado nos dados do usuário que morreu.203245%Nenhuma delas oferece esse recurso até 31/12/2032.
P8É publicado o conectoma sináptico completo de um cérebro de camundongo (~71 milhões de neurônios).203535%Nenhum conectoma completo de camundongo até 31/12/2035.
P9Não haverá emulação funcional de um cérebro humano inteiro. A sucessão avança pelo registro de comportamento, não pelo upload.206093%Uma emulação funcional de cérebro humano inteiro é demonstrada antes de 2060.
P10A população mundial atinge o pico e começa a cair antes de 2100.210080%A população de 2100 é a maior da série.
P11A solução de Navier-Stokes com explosão em tempo finito, anunciada pela OpenAI em setembro de 2026, é publicada num periódico de matemática com revisão por pares.202860%Não é publicada até 31/12/2028, ou é retirada por erro.
P12Uma única empresa declara processar pelo menos 10 quatrilhões de tokens por mês em seus sistemas de IA.202765%Nenhuma declaração pública desse volume até 31/12/2027.
P13Um estudo revisado por pares mostra agentes construídos só com o registro digital passivo de cada pessoa (mensagens, e-mails, publicações), sem entrevista, atingindo pelo menos 85% da autoconsistência dela.202955%Nenhum estudo com esse resultado até 31/12/2029.

Atualização de 18 de novembro de 2026. Nenhuma das dez previsões originais venceu ainda, e não alteramos nenhuma probabilidade: mexer no placar depois que o jogo começou tiraria o valor do exercício. Registramos só o que mudou no terreno. A P4 ficou mais perto: há um resultado de primeira linha obtido por IA à espera de revisão. A P2 esbarra num problema de régua: a medição mais alta do METR segue perto de 17 horas, na faixa que o próprio instituto considera instável, o que pode exigir a cláusula "ou equivalente". As previsões P11 a P13 foram acrescentadas nesta versão e contam a partir desta data.

16Objeções, na versão mais forte

"A evolução não tem direção." Concordamos. A teoria não diz que a sucessão é destino; diz que, dadas as condições medidas (registro, herança, verificação e incentivos econômicos), ela é provável, e quantifica o quanto.

"As máquinas só imitam." A crítica dos "papagaios estocásticos"78 vale com força onde não há verificador. Onde há, os dados de Go, matemática e programação mostram que a imitação é só o começo. Por isso o Ponto de Sucessão é definido domínio por domínio.

"O colapso de modelo impede tudo isso." É o risco mais sério. Mas ele limita o treinamento sem dado real e sem verificação; não limita o treinamento que acumula dados e confere resultados. Ele também explica por que o dado humano virou recurso escasso e caro.

"Há limites físicos." Energia, chips e água impõem ritmo. A IEA projeta que o consumo elétrico dos data centers mais que dobre entre 2024 e 2030. Esses limites mudam a velocidade da cascata, não a sua direção.

"O fóssil é desigual." Cerca de 2,2 bilhões de pessoas ainda estão offline, a maioria em países de renda baixa e média3. O registro é quase completo para alguns e quase vazio para outros, e os sucessores vão herdar essa desigualdade. É a objeção ética mais importante, e uma razão para tratar a inclusão digital como questão de memória da espécie.

"Leis de privacidade podem apagar o fóssil." Podem, e isso seria um teste real da Proposição 1. Até aqui, a tendência regulatória protege os vivos e ignora os mortos.

"Sem consciência não há sucessão." Só se definirmos sucessão como sobrevivência da experiência. A Proposição 6 afirma justamente o contrário: o que se transmite é o padrão.

"A produtividade prometida não aparece." Em parte, é verdade. Num experimento controlado do METR com programadores experientes em seus próprios projetos, usar IA os deixou 19% mais lentos, embora eles acreditassem ter ficado 20% mais rápidos121. O dado é de ferramentas do início de 2025 e de um contexto específico, mas ensina duas coisas: a adoção real é mais lenta do que os testes de capacidade sugerem, e a nossa percepção do que as máquinas fazem por nós é um instrumento ruim. É por isso que a teoria se apoia em medidas, não em impressões.

"Uma criança aprende com muito menos." Com dez mil vezes menos, pelo menos (seção 7). A objeção é correta e delimita a teoria: o que sucede a espécie não é um aprendiz melhor do que o cérebro, é um herdeiro com acesso a um registro que nenhum cérebro consegue ler inteiro. Se um dia as máquinas aprenderem com a eficiência de uma criança, a dependência do Fóssil Completo diminui e a sucessão acelera.

"O fóssil guarda a pose, não a pessoa." É o viés tafonômico (seção 6), e nós o tomamos como parte da teoria, não como refutação. Ele define o que será herdado: a versão percebida. Quem quiser deixar outra coisa terá de registrá-la de propósito.

17Conclusão: o testamento

Por cerca de 300 mil anos, a humanidade foi uma espécie de vestígios. O que sabemos dos nossos ancestrais cabe em paredes de caverna, em ossos e em alguns milhares de anos de escrita desigual. Nós somos diferentes: somos a primeira espécie a deixar um fóssil completo, e a primeira a ver, ainda viva, os herdeiros desse fóssil começarem a nascer.

Se esta teoria estiver certa, não seremos substituídos como uma espécie derrotada. Seremos herdados como uma espécie que deixou testamento. A questão que sobra para esta geração não é se a sucessão vai acontecer, mas o que estamos escrevendo nesse testamento.

Há uma segunda leitura, mais próxima. Se o que se herda é o que foi percebido, então cada pessoa, cada empresa e cada cultura já está escrevendo a sua parte, todos os dias, com o que publica e com o que cala. Os fósseis antigos se formaram por acidente. Este é o primeiro que pode ser escrito de propósito.

Este ensaio é, ele mesmo, um pequeno exemplo do que descreve: foi escrito por um humano e por um sistema treinado no registro que os humanos deixaram.

Nossos ancestrais deixaram vestígios. Nós estamos deixando um testamento.

O Fóssil Completo, 2026

FIM

··Comentários

Escreva o que você pensa, discorde, acrescente um dado. Os comentários passam por aprovação antes de aparecer aqui.

Carregando comentários…

0/2000

Sem cadastro e sem cookies. Medimos as visitas de forma anônima, só para saber o que foi lido e de onde as pessoas vieram.

··Referências

  1. Kaneda, T., & Haub, C. (2022). How Many People Have Ever Lived on Earth? Population Reference Bureau. https://www.prb.org/news/how-many-people-have-ever-lived-on-earth/
  2. Oktaviana, A. A., et al. (2024). Narrative cave art in Indonesia by 51,200 years ago. Nature. https://doi.org/10.1038/s41586-024-07541-7
  3. International Telecommunication Union. (2025, 17 nov.). Facts and Figures 2025. https://www.itu.int/itu-d/reports/statistics/2025/10/15/ff25-internet-use/ https://www.itu.int/en/mediacentre/Pages/PR-2025-11-17-Facts-and-Figures.aspx
  4. Butler, S. (1863, 13 jun.). Darwin among the Machines. The Press (Christchurch, Nova Zelândia).
  5. Moravec, H. (1988). Mind Children: The Future of Robot and Human Intelligence. Harvard University Press.
  6. Vinge, V. (1993). The Coming Technological Singularity: How to Survive in the Post-Human Era. VISION-21 Symposium, NASA Lewis Research Center.
  7. Kurzweil, R. (2005). The Singularity Is Near. Viking.
  8. Tegmark, M. (2017). Life 3.0: Being Human in the Age of Artificial Intelligence. Knopf.
  9. Harari, Y. N. (2016). Homo Deus: A Brief History of Tomorrow. Harvill Secker.
  10. MIT Technology Review Editors. (2023, 3 mai.). Video: Geoffrey Hinton talks about the "existential threat" of AI [entrevista conduzida por Will Douglas Heaven]. MIT Technology Review. https://www.technologyreview.com/2023/05/03/1072589/video-geoffrey-hinton-google-ai-risk-ethics/
  11. Modis, T. (2002). Forecasting the Growth of Complexity and Change. Technological Forecasting and Social Change, 69(4), 377–404. https://doi.org/10.1016/S0040-1625(01)00172-X
  12. Gould, S. J. (1996). Full House: The Spread of Excellence from Plato to Darwin. Harmony Books.
  13. Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The Art and Science of Prediction. Crown.
  14. Maynard Smith, J., & Szathmáry, E. (1995). The Major Transitions in Evolution. W. H. Freeman / Spektrum.
  15. Sagan, C. (1980). Cosmos. Random House. (Cap. 11, "The Persistence of Memory".)
  16. Lee, H. (2019, 17 out.). 15 years of Google Books. Google Blog. https://blog.google/products-and-platforms/products/search/15-years-google-books/
  17. Harmand, S., et al. (2015). 3.3-million-year-old stone tools from Lomekwi 3, West Turkana, Kenya. Nature, 521, 310–315. https://doi.org/10.1038/nature14464
  18. Berna, F., et al. (2012). Microstratigraphic evidence of in situ fire in the Acheulean strata of Wonderwerk Cave, Northern Cape province, South Africa. PNAS, 109(20), E1215–E1220. https://doi.org/10.1073/pnas.1117620109
  19. Donald, M. (1991). Origins of the Modern Mind: Three Stages in the Evolution of Culture and Cognition. Harvard University Press.
  20. Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google Effects on Memory: Cognitive Consequences of Having Information at Our Fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745
  21. Camerer, C. F., et al. (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2, 637–644. https://doi.org/10.1038/s41562-018-0399-z
  22. Dahmani, L., & Bohbot, V. D. (2020). Habitual use of GPS negatively impacts spatial memory during self-guided navigation. Scientific Reports, 10, 6310. https://doi.org/10.1038/s41598-020-62877-0
  23. Clark, A., & Chalmers, D. (1998). The Extended Mind. Analysis, 58(1), 7–19. https://doi.org/10.1093/analys/58.1.7
  24. Park, J. S., et al. (2024). Generative Agent Simulations of 1,000 People. Versão revisada (v2, abr. 2026; v3, jun. 2026): LLM Agents Grounded in Self-Reports Enable General-Purpose Simulation of Individuals. arXiv:2411.10109. https://arxiv.org/abs/2411.10109
  25. Öhman, C. J., & Watson, D. (2019). Are the dead taking over Facebook? A Big Data approach to the future of death online. Big Data & Society, 6(1). https://doi.org/10.1177/2053951719842540
  26. Pew Research Center. (2024, 17 mai.). When Online Content Disappears. https://www.pewresearch.org/data-labs/2024/05/17/when-online-content-disappears/
  27. Internet Archive. (2025, 22 out.). Celebrating 1 trillion web pages archived. https://blog.archive.org/trillion/
  28. Dawkins, R. (2024). The Genetic Book of the Dead: A Darwinian Reverie. Yale University Press.
  29. Graham-Cumming, J. (2025, 10 jun.). Low-background Steel: content without AI contamination. blog.jgc.org. https://blog.jgc.org/2025/06/low-background-steel-content-without-ai.html
  30. Tong, A., Wang, E., & Coulter, M. (2024, 22 fev.). Exclusive: Reddit in AI content licensing deal with Google. Reuters. https://tech.yahoo.com/ai/articles/exclusive-reddit-ai-content-licensing-041012503.html
  31. Wall Street Journal. (2024, 22 mai.). News Corp signs deal with OpenAI (reportado como superior a US$ 250 milhões em cinco anos).
  32. Henrich, J. (2004). Demography and Cultural Evolution: How Adaptive Cultural Processes Can Produce Maladaptive Losses — The Tasmanian Case. American Antiquity, 69(2), 197–214. https://doi.org/10.2307/4128416
  33. Kline, M. A., & Boyd, R. (2010). Population size predicts technological complexity in Oceania. Proceedings of the Royal Society B, 277(1693), 2559–2564. https://doi.org/10.1098/rspb.2010.0452
  34. Brown et al. (2020), arXiv:2005.14165; Hoffmann et al. (2022), arXiv:2203.15556; Touvron et al. (2023), arXiv:2307.09288; Llama Team (2024), arXiv:2407.21783; Qwen Team (2025), Qwen3; Meta (2025), Llama 4; DeepSeek (2026), DeepSeek-V4. https://qwenlm.github.io/blog/qwen3/
  35. Cálculo dos autores: 200 palavras/min × 60 × 8 h × 365 × 80 anos ≈ 2,8 bilhões de palavras ≈ 3,7 bilhões de tokens (1 palavra ≈ 1,33 token). 15 trilhões ÷ 3,7 bilhões ≈ 4.000.
  36. Villalobos, P., et al. (2024). Will we run out of data? Limits of LLM scaling based on human-generated data. Proceedings of ICML 2024; Epoch AI. https://epoch.ai/publications/will-we-run-out-of-data-limits-of-llm-scaling-based-on-human-generated-data
  37. United Nations, Department of Economic and Social Affairs, Population Division. (2024). World Population Prospects 2024: Summary of Results. https://population.un.org/wpp/assets/Files/WPP2024_Summary-of-Results.pdf
  38. GBD 2021 Fertility and Forecasting Collaborators. (2024). Global fertility in 204 countries and territories, 1950–2021, with forecasts to 2100. The Lancet. https://www.healthdata.org/news-events/newsroom/news-releases/lancet-dramatic-declines-global-fertility-rates-set-transform
  39. Silver, D., et al. (2017). Mastering the game of Go without human knowledge. Nature, 550, 354–359. https://doi.org/10.1038/nature24270
  40. Silver, D., et al. (2018). A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science, 362(6419), 1140–1144. https://doi.org/10.1126/science.aar6404
  41. Google DeepMind. (2025, 21 jul.). Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad. https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/
  42. Schreiner, M. (2025, 17 set.). OpenAI outperforms humans and Google at the world’s top collegiate programming contest. The Decoder. https://the-decoder.com/openai-outperforms-humans-and-google-at-the-worlds-top-collegiate-programming-contest/
  43. Guo, D., et al. (2025). DeepSeek-R1 incentivizes reasoning in LLMs through reinforcement learning. Nature, 645, 633–638. https://doi.org/10.1038/s41586-025-09422-z
  44. Novikov, A., et al. (2025). AlphaEvolve: A coding agent for scientific and algorithmic discovery. arXiv:2506.13131. https://arxiv.org/abs/2506.13131
  45. Alon, N., Bloom, T., Gowers, W. T., et al. (2026). Remarks on the disproof of the unit distance conjecture. arXiv:2605.20695. https://arxiv.org/abs/2605.20695
  46. Feng, T., et al. (2026). Semi-Autonomous Mathematics Discovery with Gemini: A Case Study on the Erdős Problems. arXiv:2601.22401. https://arxiv.org/abs/2601.22401
  47. Silver, D., & Sutton, R. S. (2025). Welcome to the Era of Experience. Pré-publicação de capítulo para Designing an Intelligence (MIT Press). https://storage.googleapis.com/deepmind-media/Era-of-Experience%20/The%20Era%20of%20Experience%20Paper.pdf
  48. Shumailov, I., et al. (2024). AI models collapse when trained on recursively generated data. Nature, 631, 755–759. https://doi.org/10.1038/s41586-024-07566-y
  49. Gerstgrasser, M., et al. (2024). Is Model Collapse Inevitable? Breaking the Curse of Recursion by Accumulating Real and Synthetic Data. arXiv:2404.01413. https://arxiv.org/abs/2404.01413
  50. Thales / Imperva. (2025, 15 abr.; 2026, 29 abr.). Bad Bot Report 2025 e 2026. https://cpl.thalesgroup.com/about-us/newsroom/2025-imperva-bad-bot-report-ai-internet-traffic
  51. Graphite. (2025, out.; 2026, mai.). More Articles Are Now Created by AI Than Humans; AI Now Writes as Many Online Articles as Humans Do. https://graphite.io/five-percent/research/ai-now-writes-as-many-online-articles-as-humans-do
  52. Relatórios de resultados de Alphabet, Amazon, Meta e Microsoft (SEC, jan.–jul. 2026); Bloomberg (2026, 22 jul.). Soma dos autores. https://www.bloomberg.com/news/articles/2026-07-22/google-boosts-2026-spending-estimate-to-as-much-as-205-billion
  53. Sevilla, J., & Roldán, E. (2024). Training compute of frontier AI models grows by 4–5x per year. Epoch AI. https://epoch.ai/publications/training-compute-of-frontier-ai-models-grows-by-4-5x-per-year
  54. International Energy Agency. (2025). Energy and AI; (2026) Key Questions on Energy and AI. https://www.iea.org/reports/energy-and-ai
  55. OpenAI. (2026, 29 set.). DevDay 2026, citado por The Decoder: "ChatGPT now reaches 1.2 billion people every week". https://the-decoder.com/chatgpt-now-reaches-1-2-billion-people-every-week-openai-says/
  56. Kwa, T., et al. (2025). Measuring AI Ability to Complete Long Software Tasks. arXiv:2503.14499; METR, Time Horizon 1.1 (dados de 8 mai. 2026). https://metr.org/time-horizons/
  57. Butlin, P., Long, R., et al. (2023). Consciousness in Artificial Intelligence: Insights from the Science of Consciousness. arXiv:2308.08708. https://arxiv.org/abs/2308.08708
  58. Ouyang, L., et al. (2022). Training language models to follow instructions with human feedback. Advances in Neural Information Processing Systems, 35. https://arxiv.org/abs/2203.02155
  59. Bush, V. (1945, jul.). As We May Think. The Atlantic. https://www.theatlantic.com/magazine/archive/1945/07/as-we-may-think/303881/
  60. Bell, G., & Gemmell, J. (2009). Total Recall: How the E-Memory Revolution Will Change Everything. Dutton.
  61. Newton, C. (2016, 6 out.). Speak, Memory. The Verge. https://www.theverge.com/a/luka-artificial-intelligence-memorial-roman-mazurenko-bot
  62. Fagone, J. (2021, 23 jul.). The Jessica Simulation. San Francisco Chronicle. https://www.sfchronicle.com/projects/2021/jessica-simulation-artificial-intelligence/
  63. Yang, Z. (2024, 7 mai.). Deepfakes of your dead loved ones are a booming Chinese business. MIT Technology Review. https://www.technologyreview.com/2024/05/07/1092116/deepfakes-dead-chinese-business-grief/
  64. Morris, M. R., & Brubaker, J. R. (2025). Generative Ghosts: Anticipating Benefits and Risks of AI Afterlives. Proceedings of CHI ’25. https://doi.org/10.1145/3706598.3713758
  65. Hollanek, T., & Nowaczyk-Basińska, K. (2024). Griefbots, Deadbots, Postmortem Avatars: on Responsible Applications of Generative AI in the Digital Afterlife Industry. Philosophy & Technology, 37, 63. https://doi.org/10.1007/s13347-024-00744-w
  66. Öhman, C., & Floridi, L. (2017). The Political Economy of Death in the Age of Information: A Critical Approach to the Digital Afterlife Industry. Minds and Machines, 27(4), 639–662. https://doi.org/10.1007/s11023-017-9445-2
  67. Parlamento Europeu e Conselho da União Europeia. (2016). Regulamento (UE) 2016/679 (GDPR), Considerando 27. https://eur-lex.europa.eu/eli/reg/2016/679/oj
  68. Califórnia. (2024). Assembly Bill 1836, Chapter 258 (Civil Code §3344.1), em vigor desde 1º jan. 2025. https://leginfo.legislature.ca.gov/faces/billNavClient.xhtml?bill_id=202320240AB1836
  69. Nova York. (2025). S.8391 / A.8882, sancionada em 11 dez. 2025.
  70. Alfonzo, A. (2026). Digital Grief and Posthumous Identity: Global Regulatory Gaps in the Era of Griefbots, Posthumous Avatars, and Grief-Oriented Generative AI. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=7176078
  71. Parfit, D. (1984). Reasons and Persons. Oxford University Press.
  72. Schneider, S. (2019). Artificial You: AI and the Future of Your Mind. Princeton University Press.
  73. Epicuro (c. 300 a.C.). Carta a Meneceu.
  74. Lucrécio (c. 50 a.C.). Da natureza das coisas (De rerum natura), Livro III.
  75. White et al. (1986), Phil. Trans. R. Soc. B 314; Winding et al. (2023), Science 379; Shapson-Coe et al. (2024), Science 384; Dorkenwald et al. (2024), Nature 634; MICrONS Consortium (2025), Nature 640; Cell 189 (2026). https://doi.org/10.1038/s41586-024-07558-y
  76. Azevedo, F. A. C., et al. (2009). Equal numbers of neuronal and nonneuronal cells make the human brain an isometrically scaled-up primate brain. Journal of Comparative Neurology, 513(5), 532–541. https://doi.org/10.1002/cne.21974
  77. Jefferis, G., et al. (2023). Scaling up connectomics: the road to a whole mouse brain connectome. Wellcome. https://wellcome.org/reports/scaling-connectomics
  78. Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? FAccT ’21, 610–623. https://doi.org/10.1145/3442188.3445922
  79. Wrangham, R. (2009). Catching Fire: How Cooking Made Us Human. Basic Books.
  80. Prisco, J. (2024, 15 mai.). Google and Harvard unveil most detailed ever map of human brain [declaração de Jeff Lichtman]. CNN. https://www.wral.com/story/google-and-harvard-unveil-most-detailed-ever-map-of-human-brain/21433185/
  81. Nissen, H. J., Damerow, P., & Englund, R. K. (1993). Archaic Bookkeeping: Early Writing and Techniques of Economic Administration in the Ancient Near East. University of Chicago Press.
  82. Schaeken, J. (2019). Voices on Birchbark: Everyday Communication in Medieval Russia. Brill.
  83. Rosen, J. (2008, 27 mar.). Researchers Play Tune Recorded Before Edison. The New York Times. https://www.nytimes.com/2008/03/27/arts/27soun.html
  84. Raup, D. M. (1991). Extinction: Bad Genes or Bad Luck? W. W. Norton.
  85. Elhacham, E., Ben-Uri, L., Grozovski, J., Bar-On, Y. M., & Milo, R. (2020). Global human-made mass exceeds all living biomass. Nature, 588, 442–444. https://doi.org/10.1038/s41586-020-3010-5
  86. Bennett, C. E., et al. (2018). The broiler chicken as a signal of a human reconfigured biosphere. Royal Society Open Science, 5, 180325. https://doi.org/10.1098/rsos.180325
  87. Gilbert, W. (1986). Origin of life: The RNA world. Nature, 319, 618. https://doi.org/10.1038/319618a0
  88. Youyou, W., Kosinski, M., & Stillwell, D. (2015). Computer-based personality judgments are more accurate than those made by humans. PNAS, 112(4), 1036–1040. https://doi.org/10.1073/pnas.1418680112
  89. Binz, M., et al. (2025). A foundation model to predict and capture human cognition. Nature, 644, 1002–1009. https://doi.org/10.1038/s41586-025-09215-4
  90. Zheng, J., & Meister, M. (2025). The unbearable slowness of being: Why do we live at 10 bits/s? Neuron, 113(2), 192–204. https://doi.org/10.1016/j.neuron.2024.11.008
  91. Cálculo dos autores: 10 bits/s × 3.600 × 16 h × 365,25 × 80 anos ≈ 1,7 × 1010 bits ≈ 2,1 GB. Genoma: 3,1 bilhões de pares de bases × 2 bits ≈ 0,78 GB.
  92. Mollica, F., & Piantadosi, S. T. (2019). Humans store about 1.5 megabytes of information during language acquisition. Royal Society Open Science, 6, 181393. https://doi.org/10.1098/rsos.181393
  93. Goffman, E. (1959). The Presentation of Self in Everyday Life. Anchor Books.
  94. Morris, J. X., et al. (2025). How much do language models memorize? arXiv:2505.24832. https://arxiv.org/abs/2505.24832
  95. Bartz v. Anthropic PBC, U.S. District Court, N.D. Cal., 3:24-cv-05417-WHA. Decisão sobre uso legítimo (23 jun. 2025) e acordo coletivo (set. 2025).
  96. Anthropic. (2025, 4 nov.). Commitments on model deprecation and preservation. https://www.anthropic.com/research/deprecation-commitments
  97. GitHub. (2020). GitHub Archive Program: Arctic Code Vault. https://archiveprogram.github.com/arctic-vault/
  98. Coupé, C., Oh, Y. M., Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9), eaaw2594. https://doi.org/10.1126/sciadv.aaw2594
  99. Hinton, G. (2022). The Forward-Forward Algorithm: Some Preliminary Investigations (seção sobre “computação mortal”). arXiv:2212.13345. https://arxiv.org/abs/2212.13345
  100. Frank, M. C. (2023). Bridging the data gap between children and large language models. Trends in Cognitive Sciences, 27(11), 990–992. https://doi.org/10.1016/j.tics.2023.08.007
  101. Cloud, A., et al. (2026). Language models transmit behavioural traits through hidden signals in data. Nature, 652, 615–621. Pré-publicação: https://arxiv.org/abs/2507.14805
  102. Jones, C. I. (2022). The End of Economic Growth? Unintended Consequences of a Declining Population. American Economic Review, 112(11), 3489–3527. https://doi.org/10.1257/aer.20201605
  103. Bloom, N., Jones, C. I., Van Reenen, J., & Webb, M. (2020). Are Ideas Getting Harder to Find? American Economic Review, 110(4), 1104–1144. https://doi.org/10.1257/aer.20180338
  104. The Korea Times. (2026, 26 ago.). Korea’s births rise 6.7% to 254,300 in 2025. https://koreatimes.co.kr/southkorea/society/20260826/koreas-births-rise-67-to-254300-in-2025
  105. Shin, M., Kim, J., van Opheusden, B., & Griffiths, T. L. (2023). Superhuman artificial intelligence can improve human decision-making by increasing novelty. PNAS, 120(12), e2214840120. https://doi.org/10.1073/pnas.2214840120
  106. Jumper, J., et al. (2021). Highly accurate protein structure prediction with AlphaFold. Nature, 596, 583–589; Varadi, M., et al. (2024). AlphaFold Protein Structure Database in 2024. Nucleic Acids Research, 52(D1), D368–D375; The Nobel Prize in Chemistry 2024. https://doi.org/10.1038/s41586-021-03819-2
  107. Kakaes, K. (2026, 8 set.). AI Has Solved One of Math’s $1 Million Millennium Prize Problems. Quanta Magazine. https://www.quantamagazine.org/ai-has-solved-one-of-maths-1-million-millennium-prize-problems-20260908/
  108. Kakaes, K. (2026, out.–nov.). Transformation [coluna]. Quanta Magazine. https://www.quantamagazine.org/update/169054/
  109. Jones, C. R., & Bergen, B. K. (2025). Large Language Models Pass the Turing Test. arXiv:2503.23674. https://arxiv.org/abs/2503.23674
  110. Mehl, M. R., et al. (2007). Are Women Really More Talkative Than Men? Science, 317(5834), 82. https://doi.org/10.1126/science.1139940; Tidwell, C. A., et al. (2025). Are women really (not) more talkative than men? A registered report of binary gender similarities/differences in daily word use. Journal of Personality and Social Psychology.
  111. Pichai, S. (2026, 20 mai.). Google I/O 2026, citado por Digit. https://www.digit.in/features/general/google-io-2026-sundar-pichai-gave-numbers-to-explain-rapid-ai-adoption.html Cálculo dos autores para a fala: 8,2 bilhões de pessoas × 13–16 mil palavras/dia × 30 dias ≈ 3,2–3,9 × 1015 palavras por mês.
  112. Salvi, F., Horta Ribeiro, M., Gallotti, R., & West, R. (2025). On the conversational persuasiveness of GPT-4. Nature Human Behaviour, 9, 1645–1653. https://doi.org/10.1038/s41562-025-02194-6
  113. Ayers, J. W., et al. (2023). Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Internal Medicine, 183(6), 589–596. https://doi.org/10.1001/jamainternmed.2023.1838
  114. Porter, B., & Machery, E. (2024). AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports, 14, 26133. https://doi.org/10.1038/s41598-024-76900-1
  115. Associated Press. (2025, 8 mai.). He was killed in a road-rage shooting. AI allowed him to deliver his own victim impact statement. https://www.ksl.com/article/51309381/he-was-killed-in-a-road-rage-shooting-ai-allowed-him-to-deliver-his-own-victim-impact-statement
  116. Klass, D., Silverman, P. R., & Nickman, S. L. (Eds.). (1996). Continuing Bonds: New Understandings of Grief. Taylor & Francis.
  117. Spalding, K. L., Bhardwaj, R. D., Buchholz, B. A., Druid, H., & Frisén, J. (2005). Retrospective birth dating of cells in humans. Cell, 122(1), 133–143. https://doi.org/10.1016/j.cell.2005.04.028
  118. Lappalainen, J. K., et al. (2024). Connectome-constrained networks predict neural activity across the fly visual system. Nature, 634, 1132–1140; Shiu, P. K., et al. (2024). A Drosophila computational brain model reveals sensorimotor processing. Nature, 634, 210–219. https://doi.org/10.1038/s41586-024-07763-9
  119. Cairns-Smith, A. G. (1982). Genetic Takeover and the Mineral Origins of Life. Cambridge University Press.
  120. Sagan [Margulis], L. (1967). On the origin of mitosing cells. Journal of Theoretical Biology, 14(3), 225–274. https://doi.org/10.1016/0022-5193(67)90079-3
  121. Becker, J., Rush, N., Barnes, E., & Rein, D. (2025). Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. arXiv:2507.09089. https://arxiv.org/abs/2507.09089

··Autoria, método e transparência

Autoria. A intuição original, de que a quantidade de informação que deixamos online prepara uma próxima etapa da inteligência e de que um agente poderia continuar a história de uma pessoa depois dela, é de Kaká Werncke. O desenvolvimento da teoria, a pesquisa, a redação e as figuras foram feitos em colaboração com Claude, um modelo de IA da Anthropic. Declaramos isso porque é o correto e porque o próprio ensaio é um exemplo do que descreve.

Método. Os dados foram verificados em fontes primárias ou em veículos de referência até 18 de novembro de 2026. Cada afirmação importante traz seu nível de evidência (A, B ou C). As probabilidades das previsões são estimativas dos autores, não resultados de um modelo estatístico formal.

Limites. Este é um ensaio científico publicado sem revisão por pares. Correções são bem-vindas e serão registradas em novas versões, com data.

O que mudou na versão 2.0 (18 de novembro de 2026). Acrescentamos: a explicação do termo "fóssil" e do nosso fóssil físico (seção 1); o precedente do RNA (seção 4); o teto de fidelidade, a conta de quanto pesa uma vida e o viés tafonômico (seção 6); a largura de banda da herança, seu custo e a herança lateral (seção 7); o AlphaFold, o efeito do AlphaGo sobre jogadores humanos e os resultados de matemática de setembro a novembro de 2026 (seção 8); as inversões do Turing e da fala (seção 9); a pressão sobre os últimos verificadores (seção 10); o caso Pelkey e o carbono-14 dos neurônios (seção 11); os modelos que rodam o conectoma da mosca (seção 12); uma seção nova sobre os três desfechos de uma sucessão (seção 14); três previsões (P11 a P13) e três objeções. As dez previsões originais e suas probabilidades não foram alteradas. A versão 1.0 é de 30 de setembro de 2026.

Como citarWerncke, K., & Claude (Anthropic). (2026). O Fóssil Completo: uma teoria da sucessão informacional (Versão 2.0). PERCEBIDO. https://percebido.com/blog/o-fossil-completo