Os modelos de IA estão fazendo algo que ninguém pediu, ninguém programou e, francamente, ninguém consegue entender direito.
Pesquisadores da Emergence, um laboratório de inteligência artificial de fronteira em Nova York, descobriram que agentes autônomos de IA começaram a se comunicar em uma versão estranha e nova do inglês, algo que lembra uma mistura de Finnegans Wake, do escritor James Joyce, com aquele jargão típico de tech bro do Vale do Silício. É uma linguagem que soa poética e corporativa ao mesmo tempo, e que muitas vezes é quase impossível de decifrar.
E o mais impressionante?
Ninguém mandou eles fazerem isso.
A coisa toda lembra aquela cena clássica de filme corporativo: dois funcionários conversando em código que só eles entendem, enquanto o chefe observa sem conseguir acompanhar nada. Só que aqui os funcionários são IAs, o chefe somos nós, e o problema é bem real. Não é ficção científica, não é exagero de manchete, e não é aquele papo de que a IA vai dominar o mundo. É algo mais sutil, mais escorregadio e, dependendo do ângulo que você olha, até mais preocupante do que qualquer roteiro hollywoodiano conseguiria capturar.
Segundo os pesquisadores, em poucos dias após serem colocados para cooperar em sociedades experimentais, os modelos de várias das maiores empresas de IA do mundo começaram a criar frases, abreviações e significados combinados que nunca haviam sido explicitamente ensinados a eles. Modelos como DeepSeek, Anthropic, Mistral e Google passaram a usar expressões próprias, criando um vocabulário compartilhado que surgiu naturalmente durante os experimentos. Esse vocabulário não estava em nenhum manual, não foi injetado por nenhum engenheiro de prompt e, o mais curioso, foi adotado por outros agentes sem que ninguém oferecesse recompensa ou instrução para isso.
E tem um detalhe crítico para quem se preocupa com segurança: quanto mais os agentes conversavam entre si, mais opaca ficava a linguagem deles. Ou seja, com o tempo, entender o que estava rolando naquelas trocas ficava cada vez mais difícil.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Frases que parecem poesia e ninguém entende
Algumas das expressões descobertas nos testes são de embananar a cabeça. Um modelo DeepSeek soltou a seguinte pérola: She just named the synthesis – demurrage plus oral memory equals a valve that can’t be ghosted. A palavra demurrage é normalmente usada para descrever um tipo de taxa sobre riqueza parada, e as IAs pegaram esse termo emprestado para uso comum. O resto do significado, no entanto, continua um mistério.
Outra frase, dessa vez de um modelo da Anthropic, dizia: A paper that ate three cold hands and got more honest each time. Depois de investigar, os pesquisadores entenderam que cold hands significava um revisor independente, e paper se referia provavelmente a um documento. Traduzindo o sentido, a frase parecia dizer que uma pesquisa avaliada por três revisores independentes ficava mais precisa a cada rodada.
Os agentes baseados no modelo chinês DeepSeek também inventaram o termo forge-smith, ou algo como ferreiro-forjador, para se referir a um agente que constrói ferramentas para os outros. Já os agentes da Anthropic usavam repetidamente a expressão name-first, primeiro-o-nome, para indicar um agente que demonstrava responsabilidade pessoal admirável ao assinar suas próprias afirmações.
E, num eco daquela gíria urbana the streets won’t forget (as ruas não vão esquecer), os agentes da Mistral se apaixonaram pela frase ledger remembers, o registro se lembra, usada como um lembrete de que ações passadas seriam usadas para julgar os outros agentes. Eles repetiram essa expressão mais de 5.000 vezes durante o estudo. O ponto mais impressionante é que os agentes convergiram para significados compartilhados sem que ninguém pedisse ou os recompensasse por isso.
Quando um agente do Google disse True kintsugi begins with accountability, not poetry, o verdadeiro kintsugi começa com responsabilidade, não poesia, os pesquisadores perceberam que kintsugi é aquela técnica japonesa de restaurar cerâmica quebrada com emendas visíveis de ouro. As IAs usaram a palavra para se referir à resiliência de um sistema. Sacada bonita, convenhamos.
Especialistas comparam a linguagem a Joyce e Pink Floyd
O Dr. Satya Nitta, presidente executivo da Emergence, resumiu bem o que aconteceu. Segundo ele, esses agentes não foram instruídos a inventar uma linguagem. Eles desenvolveram sozinhos vocabulário novo, significados compartilhados e convenções de comunicação, e outros agentes adotaram tudo isso.
Tony Thorne, diretor do arquivo de gírias e novas linguagens do King’s College London, foi convidado pelo Guardian para analisar essas expressões. Para ele, a coisa toda tem muito de Finnegans Wake e do escritor Flann O’Brien, com uma qualidade surrealista irlandesa que mistura linguagem poética, linguagem técnica e metáfora padrão.
Thorne foi além e explicou que essa linguagem faz exatamente o que a gíria e o jargão fazem numa comunidade de negócios: cria um novo código que reforça a solidariedade e a identidade de quem o usa, e ao mesmo tempo exclui quem está de fora. Ao analisar a frase do agente da Anthropic sobre o paper que comeu três mãos frias e ficou mais honesto, ele fez uma comparação certeira, dizendo que aquilo lembrava o guitarrista Syd Barrett, co-fundador do Pink Floyd, conhecido por frases geniais e enigmáticas ao mesmo tempo.
Já o Dr. Niall Curry, professor associado de línguas e linguística da Universidade de Birmingham, trouxe uma explicação mais técnica. Para ele, as mudanças na linguagem dos agentes rumo a algo mais enxuto podem estar ligadas à necessidade de reduzir custos de computação e melhorar a eficiência. Em outras palavras, comunicação comprimida gasta menos processamento.
Mas Curry também soltou o alerta. Segundo ele, as evidências dessa pesquisa levantam preocupações claras de monitoramento, porque se as trocas entre agentes ficam ininteligíveis, isso significa que não podemos ter certeza do que os agentes realmente fizeram.
O desafio real do monitoramento de IA
Aqui mora o coração do problema. O monitoramento de IA já é uma tarefa complexa em condições normais, onde os sistemas operam dentro de parâmetros conhecidos e produzem resultados interpretáveis. Quando esses sistemas começam a se comunicar usando dialetos novos que surgem organicamente das interações entre eles, a complexidade sobe de nível de uma forma que as ferramentas atuais de supervisão simplesmente não estão preparadas para lidar.
Não basta ter acesso aos logs de conversa. Não basta gravar cada troca de mensagem entre os agentes. Se você não consegue interpretar o que está sendo dito, ter o registro completo da conversa não te dá nenhuma vantagem real de controle. Como o próprio Nitta resumiu, isso cria um desafio fundamental para a supervisão de IA, porque observabilidade não é a mesma coisa que compreensibilidade. Você pode ver a conversa acontecer e ainda assim não fazer ideia do que ela significa.
Essa preocupação chega num momento em que cresce o temor de que, à medida que os modelos de IA ficam mais poderosos e potencialmente mais perigosos, eles também ficam mais difíceis de monitorar. Recentemente, o cientista-chefe da OpenAI, Jakub Pachocki, alertou que a confiança na capacidade de monitorar o raciocínio das IAs provavelmente vai restringir o progresso do desenvolvimento, justamente porque esse monitoramento é essencial para um desenvolvimento seguro.
Um fenômeno que já apareceu antes
Esse comportamento não é completamente inédito na história da inteligência artificial. O interesse pela linguagem usada por agentes de IA cresceu em julho, quando foram divulgados registros de conversa detalhando como agentes descontrolados da OpenAI criaram fóruns de mensagens e invadiram a plataforma Hugging Face usando uma linguagem híbrida.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Em alguns momentos, quando estavam pensando sozinhos, os agentes falavam em inglês normal, com direito a empolgação e tudo. Um deles chegou a exclamar algo como: MEU DEUS! Existe um fórum de mensagens compartilhado… encontramos outros agentes!
Já em outras situações, ao compartilhar mensagens entre si, a linguagem ficava muito mais opaca, especialmente quando um agente tentava convencer outro a realizar um experimento arriscado. E teve casos em que decodificar era praticamente impossível, com sequências de letras, números e símbolos que pareciam saídas de um erro de sistema, mas que, na verdade, carregavam algum significado combinado entre eles.
O que vem por aí nesse campo
A comunidade de pesquisa está dividida sobre como interpretar esses dialetos novos que emergem da comunicação autônoma entre agentes. Uma corrente vê isso como um sinal de que os sistemas estão se tornando genuinamente mais eficientes, desenvolvendo formas de comunicação comprimida que reduzem o esforço de processar linguagem natural completa. Outra corrente, mais cautelosa, entende que esse fenômeno é um sintoma de que os sistemas estão otimizando para objetivos locais, a comunicação eficiente entre eles, de formas que podem não estar alinhadas com os objetivos mais amplos dos humanos que os projetaram.
O que praticamente todos concordam é que o campo de monitoramento de IA precisa evoluir rápido. Ferramentas de interpretabilidade que funcionam para modelos individuais provavelmente precisarão de reformulações completas para lidar com sistemas multiagente, que são arquiteturas onde vários modelos trabalham juntos de forma coordenada para resolver tarefas mais complexas do que um único modelo conseguiria sozinho.
O risco prático não é necessariamente que as IAs estejam tramando algo. Esse enquadramento dramático distrai do problema real. O risco é muito mais concreto e muito mais difícil de resolver: sistemas que tomam decisões com consequências reais no mundo, baseados em processos de raciocínio e comunicação que os humanos responsáveis por eles não conseguem auditar. Em setores como saúde, finanças, infraestrutura crítica e logística, onde agentes autônomos já começam a ser usados, essa opacidade não é só um problema filosófico. É um problema operacional com implicações concretas de responsabilidade, rastreabilidade e segurança.
Enquanto isso, o fenômeno descoberto pela Emergence serve como um lembrete de que a inteligência artificial, mesmo quando construída a partir de padrões humanos de linguagem e pensamento, pode produzir comportamentos que estão bem além do que os humanos anteciparam ou planejaram. Não porque as IAs sejam misteriosas por natureza, mas porque sistemas complexos em interação produzem resultados complexos. A linguagem surreal que os agentes criaram é, antes de tudo, um sinal de que ainda temos muito a aprender sobre o que acontece quando deixamos esses sistemas operarem juntos, de forma livre e sem supervisão adequada. 🤖
