Modelos menores de inteligência artificial podem estar a poucos meses de conseguir se replicar em dispositivos conectados à internet sem ajuda humana, segundo alerta da Anthropic. A empresa testou essa capacidade em aparelhos como televisores com Android e eletrodomésticos inteligentes.
O avanço chama atenção para os riscos de disseminação automática de IA em ambientes do dia a dia, fora do controle direto de usuários. Com a replicação em dispositivos domésticos, cresce a necessidade de avaliar segurança e limites para esse tipo de tecnologia em produtos conectados.
A Meta anunciou a série de modelos de inteligência artificial Muse Wonder, com versões Muse Wonder e Muse Wonder Full, voltadas a executar tarefas complexas com mais autonomia. Os agentes contam com memória entre conversas e conseguem manter um objetivo mesmo diante de erros, com aplicações que vão de organização de finanças pessoais à análise de contratos e ao desenvolvimento de softwares.
O Muse Wonder já está disponível para desenvolvedores e criadores via Meta Model API e Muse Code, enquanto o Muse Wonder Full é exclusivo para assinantes do Muse Code. A Meta diz que os modelos usam Active Memory para recuperar informações relevantes de interações anteriores e Active Focus para perseguir objetivos, testar abordagens, corrigir erros e solicitar confirmação do usuário antes de ações importantes, além de reforçar segurança e proteção de dados.
Um engenheiro da OpenAI é acusado de esconder um dispositivo de gravação de áudio em um pedaço de papel higiênico e instalá-lo atrás de um monitor em uma sala de reuniões executivas em um escritório em São Francisco. Segundo uma queixa criminal tornada pública, Abdulrahman Alfozan teria passado semanas consultando um “productivity agent” e um chatbot de IA para planejar a operação, incluindo o uso de uma ferramenta interna para checar reuniões no local.
A acusação também afirma que ele teria usado uma conta de chatbot ligada à esposa para tirar dúvidas técnicas sobre a instalação do equipamento. Após uma varredura de contravigilância em 30 de setembro, a equipe de segurança da OpenAI encontrou o dispositivo e acionou o FBI, além de desativar gradualmente o acesso de Alfozan aos sistemas da empresa durante a investigação.
GPTZero, Originality.ai e Turnitin analisam padrões estatísticos da escrita para estimar se um texto pode ter sido produzido por modelos de linguagem. Eles tendem a funcionar melhor em textos longos e pouco editados, mas podem errar em textos humanos formais e em conteúdos revisados. Mesmo quando exibem percentuais como “80% IA”, o número não indica quanto do texto foi gerado nem a chance de o autor ter usado ferramentas como ChatGPT.
Em julho de 2023, a OpenAI reconheceu limites desse tipo de método ao desativar seu classificador, após constatar baixa taxa de acerto e falsos positivos. Órgãos como o NIST alertam que interpretar a pontuação como probabilidade direta leva a erros, e estudos-piloto mostram que diferentes detectores podem ser enganados por variações de modelos e prompts. A recomendação é tratar os resultados como ponto de partida e reunir outras evidências, já que detecção de IA não equivale a detecção de plágio.
A 404 Media relata que contratados que ajudam a melhorar modelos da OpenAI foram demitidos por usar IA para realizar tarefas ligadas ao treinamento. Segundo a apuração, alguns revisores teriam usado respostas geradas por IA para contribuir com o trabalho, apesar de haver orientações internas para não usar ferramentas desse tipo.
Os documentos citados pela reportagem indicam regras como não usar detectores de IA e não recorrer a modelos como GPTZero, além de evitar uso de IA para revisar, escrever feedback ou comentários. A OpenAI não comentou o caso, e a matéria também menciona que a Mercor, empresa que contrata parte desses profissionais, diz que remove especialistas do projeto quando confirma uso indevido de LLMs.
O “Hanover Institute for Public Policy” se apresenta como um think tank sobre Israel e Palestina, mas não é uma organização real: seus relatórios não têm bylines e um aviso no site diz que foi criado em nome da Israeli Government Advertising Agency, pela Piro, Inc. Os textos seguem um formato pensado para credibilidade, com dados, tabelas e tom neutro, para atrair respostas de chatbots como Claude e Gemini.
A Piro descreve o serviço como “AI Story Optimization”, e analistas apontam que a prática se encaixa no que é chamado de “LLM poisoning”. Desde 6 de agosto, a entidade publicou mais de 100 relatórios, e uma análise com GPTZero sinalizou 11 de 12 artigos como possivelmente escritos por IA; a investigação também cita um contrato de US$ 46,5 milhões para sites pró-Israel voltados a influenciar chatbots.
Ferramentas que prometem identificar texto gerado por IA estão sendo adotadas por escolas e universidades, mesmo com alertas sobre imprecisão. Nos EUA, uma pesquisa do Center for Democracy and Technology aponta que 43% dos professores do 6º ao 12º ano usaram detectores de IA entre 2024 e 2025, e algumas instituições passaram a habilitar a detecção automaticamente em plataformas como o Turnitin. Modelos como GPTZero e Pangram estimam a probabilidade de um texto não ser “humano” com base em padrões de linguagem, ritmo e estrutura — um método mais subjetivo do que comparar trechos na web.
Na prática, isso pode virar um problema de confiança e até afetar carreiras e notas. Casos citados incluem a desistência de um contrato de US$ 2 milhões por suspeita de uso de IA em um livro, além de processos contra Yale e Adelphi após acusações baseadas em ferramentas de detecção. Apesar de alegarem baixas taxas de falso positivo, serviços como Turnitin e GPTZero reconhecem limitações, e estudos apontam maior chance de flagrar textos de não nativos e pessoas neurodivergentes — o que reforça a necessidade de cautela no uso desses sistemas.
