A IA pode igualar Elon Musk? Estimando o QI de LLMs vs humanos

A pergunta que não sai

A cada poucos meses, uma manchete se torna viral: "IA passa em teste de QI com pontuação de 155." A implicação é clara: a inteligência artificial superou o gênio humano, os Elon Musks do mundo estão obsoletos. Mas há alguma verdade nisso?

A resposta curta: não. A resposta mais longa exige entender o que os testes de QI medem, como os grandes modelos de linguagem (LLMs) processam informação e por que comparar inteligência humana e artificial é como comparar um submarino a um nadador.

Este artigo examina as evidências reais — estudos revisados por pares do desempenho cognitivo de LLMs, a estrutura dos testes de QI e o que sabemos sobre o perfil cognitivo de Elon Musk — para lhe dar uma resposta honesta.

O que os testes de QI realmente medem

Testes de QI não são medidas únicas de "inteligência." Eles avaliam uma hierarquia de capacidades cognitivas, tipicamente organizada no modelo Cattell-Horn-Carroll (CHC):

• Raciocínio fluido (Gf): Resolução de problemas novos sem conhecimento prévio
• Inteligência cristalizada (Gc): Conhecimento adquirido e vocabulário
• Raciocínio quantitativo (Gq): Reconhecimento de padrões numéricos
• Processamento visual (Gv): Raciocínio espacial e geométrico
• Memória de trabalho (Gwm): Manter e manipular informação na mente
• Velocidade de processamento (Gs): Rendimento cognitivo rápido

Um escore de QI de escala completa agrega estes, mas o perfil importa mais que o número. Duas pessoas com QI 130 podem ter perfis de capacidade radicalmente diferentes — uma pode se destacar em raciocínio verbal mas ter dificuldade com tarefas espaciais, enquanto a outra mostra o oposto.

Como os LLMs foram testados

Vários estudos administraram testes de QI humanos a grandes modelos de linguagem. Os mais rigorosos:

Bubeck et al. (2023) testaram GPT-4 na WAIS-IV (escala Wechsler), descobrindo que performou no ou acima do percentil 99 em subtestes verbais — Vocabulário, Semelhanças, Informação — mas teve dificuldades com tarefas de raciocínio espacial que exigem processamento visual. O estudo estimou o "QI verbal" do GPT-4 em aproximadamente 155.

Zhu et al. (2023) administraram as Matrizes Progressivas de Raven (raciocínio fluido não verbal) a múltiplos LLMs. GPT-4 pontuou na faixa do percentil 75-90 — respeitável, mas longe do nível de gênio. Os autores notaram que os LLMs frequentemente resolvem problemas de matrizes através de correspondência de padrões nos dados de treinamento em vez de raciocínio fluido genuíno.

As próprias avaliações da OpenAI (2023-2024) mostram GPT-4 pontuando 163 na seção verbal do SAT (percentil 99) mas apenas 710/800 em matemática — forte, mas não excepcional pelos padrões de universidades de elite.

A ilusão verbal: por que escores de IA parecem inflados

Aqui está o problema central: testes de QI são fortemente verbais, e LLMs são treinados em texto.

A WAIS-IV tem 10 subtestes principais. Cinco são primariamente verbais: Vocabulário, Semelhanças, Informação, Compreensão, Aritmética. Para estes, um LLM tem uma vantagem massiva — ele ingeriu essencialmente todo o texto publicado em seus dados de treinamento. Quando perguntado "Qual a semelhança entre um relógio e um calendário?" o modelo não raciocina — ele recupera a resposta de seu modelo estatístico de linguagem.

Isso é inteligência cristalizada (Gc), não raciocínio fluido. E é onde os LLMs parecem mais impressionantes. Mas a inteligência cristalizada é a menos preditiva de resolução de problemas no mundo real e inovação. Ela mede o que você sabe, não como você pensa.

Onde os LLMs falham: a brecha Musk

O perfil cognitivo de Elon Musk — baseado em seus escores SAT e padrões de carreira — é assimétrico: raciocínio fluido muito alto, capacidade espacial excepcional, habilidades verbais fortes mas não de elite. Este é exatamente o perfil onde os LLMs performam pior.

Raciocínio espacial (Gv): LLMs não podem processar nativamente informação visual-espacial. Quando solicitados a girar mentalmente objetos 3D ou visualizar trajetórias de foguetes, eles falham ou dependem de soluções alternativas baseadas em texto. A capacidade de Musk de visualizar componentes de foguetes e suas interações na cabeça — um fator chave na SpaceX — não tem equivalente em LLM.

Manipulação da memória de trabalho (Gwm): Embora os LLMs tenham grandes janelas de contexto, eles não manipulam informação na memória de trabalho como humanos. Eles correspondem padrões, não mantêm um modelo mental e o transformam. A capacidade de Musk de manter múltiplos trade-offs de engenharia simultaneamente e atualizá-los em tempo real é uma função de memória de trabalho que a IA atual não consegue replicar.

Raciocínio de primeiros princípios: A estratégia cognitiva característica de Musk — decompor problemas até a física fundamental e construir a partir daí — exige raciocínio fluido genuíno, não recuperação. Quando LLMs tentam raciocínio de primeiros princípios, eles frequentemente produzem cadeias plausíveis mas logicamente quebradas porque estão interpolando entre exemplos de treinamento em vez de raciocinar a partir de axiomas.

Transferência de aprendizado entre domínios: Musk aplica o mesmo conjunto de ferramentas cognitivas a foguetes, carros, interfaces neurais e mídia social. LLMs podem gerar texto sobre todos esses domínios, mas não podem transferir uma estratégia de solução de um domínio para outro como um especialista humano faz.

O problema dos benchmarks

Há um problema metodológico mais profundo: testes de QI foram projetados para humanos, não para máquinas.

Quando um humano faz as Matrizes Progressivas de Raven, ele usa uma combinação de memória de trabalho, processamento visual e raciocínio fluido. Quando um LLM faz o mesmo teste (convertido em texto), ele usa correspondência de padrões estatística contra dados de treinamento. Estes são processos cognitivos fundamentalmente diferentes que por acaso produzem resultados semelhantes em um teste específico.

Este é o problema da Lei de Goodhart: quando uma medida se torna um alvo, ela deixa de ser uma boa medida. Se otimizamos a IA para pontuar bem em testes de QI, não estamos tornando a IA mais inteligente — estamos a tornando melhor em testes de QI.

Uma comparação mais honesta usaria testes projetados para distinguir cognição humana de correspondência de padrões estatística:

• Problemas de física novos que não podem estar nos dados de treinamento
• Raciocínio espacial de múltiplas etapas exigindo simulação mental
• Perguntas adversariais projetadas para expor atalhos de correspondência de padrões
• Tomada de decisão em tempo real sob restrições novas

Nestas medidas, os LLMs atuais performam bem abaixo do nível especialista humano.

O que os números realmente dizem

Sejamos concretos. Se compararmos o perfil cognitivo estimado de Musk (da conversão do SAT) com o desempenho medido do GPT-4:

O quadro é claro: LLMs dominam inteligência cristalizada mas ficam significativamente atrás em raciocínio fluido, capacidade espacial e manipulação de memória de trabalho — exatamente as capacidades que impulsionam inovação em engenharia e resolução de problemas empreendedora.

A IA pode substituir a função Elon Musk?

A "função Elon Musk" — como papel cognitivo, não como pessoa — envolve:

1. Identificar problemas novos que ainda não têm soluções
2. Raciocinar a partir de primeiros princípios em múltiplos domínios técnicos
3. Tomar decisões de alto risco com informação incompleta
4. Integrar raciocínio espacial, quantitativo e verbal em tempo real
5. Sustentar esforço e foco em projetos de vários anos

A IA atual pode auxiliar em cada um destes mas não pode realizar a integração. GPT-4 pode ajudar a escrever código para uma simulação de foguete, mas não pode decidir se construir um foguete reutilizável. Pode analisar dados de química de baterias, mas não pode visualizar o comportamento térmico de um novo design de célula.

A brecha não é apenas sobre escores de QI — é sobre o tipo de inteligência. O valor de Musk vem do raciocínio fluido aplicado a problemas novos, não de conhecer fatos. LLMs são o oposto: vasto conhecimento factual com capacidade limitada de resolução de problemas novos.

O futuro: convergência ou divergência?

A IA está melhorando rapidamente, mas as melhorias são desiguais. LLMs estão ficando melhores em tarefas verbais (onde já são sobre-humanos) mas o progresso em raciocínio espacial e raciocínio fluido genuíno é mais lento. As abordagens mais promissoras — modelos multimodais, arquiteturas neuro-simbólicas e IA encarnada — tentam fechar as brechas espacial e de raciocínio, mas permanecem longe do nível especialista humano.

A previsão honesta: a IA aumentará cada vez mais a cognição humana nos próximos 5-10 anos, mas a "função Musk" — a integração criativa de múltiplos tipos de raciocínio aplicada a novos desafios de engenharia — permanecerá uma capacidade humana no futuro previsível. Não porque humanos são inerentemente superiores, mas porque o tipo de inteligência exigido é exatamente o tipo com o qual as arquiteturas de IA atuais têm dificuldade.

Veredito

• Escores de testes de QI superestimam a inteligência da IA porque testes de QI são fortemente verbais e LLMs são treinados em texto
• LLMs se destacam em inteligência cristalizada (saber coisas) mas ficam atrás em raciocínio fluido (resolver problemas novos)
• O perfil cognitivo de Musk — alto raciocínio fluido, capacidade espacial excepcional — é exatamente onde a IA é mais fraca
• A manchete "IA QI 155" é enganosa: mede um tipo diferente de inteligência do que aquele que impulsiona a inovação real
• A IA aumenta mas não pode substituir a integração criativa de tipos de raciocínio que define a cognição de engenharia especializada

A questão não é se a IA alcançará QI 155. Provavelmente já alcançou — nos subtestes que não importam para inovação. A verdadeira questão é se a IA desenvolverá o raciocínio fluido, espacial e integrativo que permite a alguém olhar para um problema que ninguém resolveu e resolvê-lo. Esse é o teste de Musk. E até agora, a IA o reprova.