Universidade da Califórnia lança IA que evolui em grupo sem

Lead

Pesquisadores da Universidade da Califórnia, Santa Barbara apresentaram o Group-Evolving Agents (GEA), um novo framework de inteligência artificial que permite a evolução coletiva de agentes autônomos. O GEA superou sistemas projetados por humanos em testes de engenharia de software e não aumenta o custo de implantação para empresas. A novidade foi publicada em junho de 2024 e promete reduzir a dependência de engenheiros humanos para manutenção e evolução de agentes de IA.

Seção de Desenvolvimento

Tradicionalmente, agentes de IA autônomos possuem arquiteturas fixas, criadas por engenheiros, que dificultam sua adaptação a novos desafios sem intervenção humana. A maioria dos sistemas autoevolutivos atuais se baseia em processos inspirados na biologia, onde agentes evoluem de forma isolada, o que impede o compartilhamento de descobertas e limita o avanço coletivo. Essa abordagem gera "silos" de conhecimento: se um agente descobre uma solução eficiente, ela pode se perder caso sua linhagem não seja selecionada para a próxima etapa evolutiva.

O GEA rompe com esse modelo ao tratar o grupo de agentes como a unidade básica de evolução. Em vez de apenas um "pai" gerar descendentes, o framework seleciona um grupo de agentes com base em desempenho e inovação. Toda a experiência acumulada—códigos modificados, ferramentas descobertas e fluxos de trabalho eficientes—é compartilhada em um "arquivo de experiências" acessível a todos os membros. Um módulo de reflexão, alimentado por modelos de linguagem avançados, analisa esse histórico coletivo para identificar padrões e gerar diretrizes evolutivas, que guiam o próximo ciclo de agentes.

Esse mecanismo de inteligência coletiva é especialmente eficaz em tarefas objetivas, como depuração de código e geração de software, onde o sucesso pode ser medido com clareza. Em testes comparativos com o Darwin Godel Machine (DGM), considerado referência em autoevolução, o GEA foi significativamente superior. Em média, o GEA corrigiu falhas críticas em 1,4 iterações, enquanto o DGM levou 5 iterações. No benchmark SWE-bench Verified, que reúne problemas reais do GitHub, o GEA obteve 71,0% de sucesso, contra 56,7% do sistema tradicional. No Polyglot, que avalia geração de código em múltiplas linguagens, a taxa foi de 88,3% contra 68,3%.

Além do desempenho, o GEA oferece vantagens práticas para empresas. O processo de evolução coletiva ocorre antes da implantação; depois, apenas um agente evoluído é implantado, mantendo o custo de inferência igual ao de soluções convencionais. Isso permite escalar a solução sem gastos extras em processamento. Outro benefício é a resiliência: o GEA consegue recuperar rapidamente de falhas ao aproveitar o conhecimento dos membros saudáveis do grupo para corrigir agentes defeituosos.

O framework também facilita a transferência de otimizações entre diferentes modelos de linguagem, como Claude, GPT-5.1 e GPT-o3-mini, sem perda de desempenho. Isso dá mais flexibilidade para empresas trocarem de provedor de IA sem recomeçar o processo de customização do zero. Para setores com exigências rígidas de compliance, os autores recomendam a inclusão de "guard rails"—barreiras como execução em sandbox, políticas de restrição e camadas de verificação—para evitar riscos associados a códigos auto-modificáveis.

Desdobramentos e Perspectivas

O código do GEA será disponibilizado em breve, mas a arquitetura já pode ser adaptada a frameworks existentes por desenvolvedores experientes. São necessários três elementos principais: um arquivo de experiências, um módulo de reflexão e um módulo de atualização de código. No futuro, os pesquisadores vislumbram pipelines híbridos, onde modelos menores exploram soluções e modelos mais poderosos consolidam os aprendizados, ampliando ainda mais a autonomia dos agentes de IA.

A principal conclusão é que a abordagem coletiva do GEA cria "super-agentes" que acumulam as melhores práticas de múltiplos ancestrais, igualando ou superando frameworks projetados por especialistas humanos. Empresas podem, assim, reduzir equipes dedicadas apenas à manutenção de agentes, enquanto ganham em velocidade, resiliência e flexibilidade operacional.

Em resumo, a evolução coletiva do GEA representa um salto na autonomia e eficiência dos agentes de IA, permitindo aplicações mais robustas, escaláveis e econômicas para o mercado corporativo.