O que os três construíram juntos

A história começa nos anos 1980, quando o aprendizado profundo — redes neurais artificiais com múltiplas camadas — era considerado uma ideia morta pela comunidade de pesquisa em IA. Os modelos simbólicos dominavam; as redes neurais eram vistas como computacionalmente inviáveis e teoricamente problemáticas.

Geoffrey Hinton, nascido em 1947 no Reino Unido e radicado no Canadá, foi o mais obstinado defensor das redes neurais durante esse inverno. Seu trabalho sobre backpropagation (com Rumelhart e Williams, 1986) e, mais tarde, sobre Boltzmann Machines e redes neurais convolucionais estabeleceu os fundamentos matemáticos que tornariam o deep learning possível.

Yann LeCun, nascido em 1960 na França, foi um de seus estudantes de pós-doutorado. LeCun desenvolveu as redes neurais convolucionais (CNNs) — a arquitetura que transformou o reconhecimento de imagens e é a base de quase todo sistema de visão computacional em uso hoje. Seu trabalho no Bell Labs nos anos 1990 produziu o primeiro sistema prático de reconhecimento de dígitos manuscritos, usado pelos correios americanos.

Yoshua Bengio, nascido em 1966 no Canadá, completou o trio. Seu trabalho sobre modelos de linguagem neurais (Bengio et al., 2003) foi seminal para o desenvolvimento dos transformers modernos. Bengio também é conhecido por contribuições fundamentais sobre representações distribuídas e currículo de aprendizagem.

O momento definidor foi 2012: Alex Krizhevsky, estudante de Hinton, usou uma CNN treinada em GPUs para vencer o ImageNet com margem absurda. O campo inteiro virou de cabeça para baixo. Em 2018, o Prêmio Turing reconheceu o que já era evidente: os três haviam mudado a história da computação.

Hinton: o arrependimento e o alarme

Geoffrey Hinton saiu do Google em maio de 2023 especificamente para poder falar livremente sobre os riscos da IA. Desde então, tornou-se a voz mais prominente entre os pioneiros a expressar preocupação profunda — e pessoal — sobre o que ajudou a criar.

Sua posição central: os sistemas de IA atuais podem ser mais inteligentes do que humanos em alguns aspectos já hoje, e o ritmo de desenvolvimento está ultrapassando nossa capacidade de entender o que estamos construindo. Hinton acredita que a probabilidade de a IA representar uma ameaça existencial à humanidade — por meio de sistemas que desenvolvem objetivos próprios contrários aos humanos, ou por meio de atores maliciosos que usam IA para consolidar poder — é significativa, possivelmente 10-20% nos próximos 30 anos.

Em outubro de 2024, Hinton recebeu o Prêmio Nobel de Física — uma distinção incomum para um cientista da computação, concedida pelo trabalho sobre redes de Hopfield e máquinas de Boltzmann como modelos físicos de informação. Ele usou a plataforma do Nobel para amplificar seu alerta.

LeCun: o otimista cético

Yann LeCun, atualmente Chief AI Scientist do Meta AI, é o mais vocal dos três em discordar de Hinton — e do mainstream de preocupação com riscos existenciais de IA. Para LeCun, os LLMs atuais são fundamentalmente limitados: são máquinas de completar padrões estatísticos, não sistemas que entendem o mundo.

Sua tese central: os LLMs não têm modelos do mundo físico e causal, e por isso nunca chegarão à inteligência geral por essa rota. O caminho para a inteligência genuína passa pelos world models — sistemas que aprendem como o mundo funciona ao observá-lo, da forma como bebês humanos aprendem antes de dominar a linguagem. A arquitetura JEPA (Joint Embedding Predictive Architecture) que o Meta AI desenvolve é sua aposta concreta nessa direção.

LeCun é também o mais cético sobre os riscos existenciais de curto prazo. Para ele, a preocupação com uma IA que "desenvolve objetivos próprios e domina os humanos" confunde ficção científica com realidade técnica. Os sistemas atuais não têm objetivos — têm funções de perda. A diferença não é semântica: é arquitetural.

Bengio: o cientista que virou ativista

Yoshua Bengio ocupa um território intermediário e crescentemente político. Como Hinton, ele saiu do otimismo ilimitado para uma posição de preocupação genuína com riscos. Diferente de Hinton, Bengio canaliza essa preocupação primariamente para a ação política e regulatória.

Bengio foi um dos principais signatários da carta aberta de 2023 pedindo pausa no desenvolvimento de IA avançada, e desde então se tornou um defensor ativo de governança internacional de IA. Ele participou da preparação do relatório da ONU sobre IA de 2024 e tem sido vocal sobre a necessidade de um equivalente ao IPCC (Painel Intergovernamental sobre Mudanças Climáticas) para risco de IA.

Sua diferença em relação a Hinton é de ênfase: onde Hinton foca nos riscos técnicos e nos cenários de IA desonesta, Bengio foca nos riscos de uso malicioso por atores humanos — governos autoritários, corporações sem accountability, grupos extremistas — que podem usar IA para consolidar poder de formas sem precedente histórico.

Por que as divergências importam

As três posições não são apenas opiniões pessoais de pesquisadores famosos — elas estruturam o debate sobre como o mundo deve reagir ao desenvolvimento da IA. Hinton e Bengio informam o caso para regulação restritiva e pausas de desenvolvimento. LeCun informa o caso para desenvolvimento acelerado com foco em arquiteturas mais seguras por design.

Os três concordam em um ponto: o que está sendo construído é profundamente importante e profundamente não compreendido. A divergência é sobre o que fazer com isso.