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.
Samuel King, estudante de PhD em bioengenharia da Stanford, usou um modelo de IA generativa em 2025 para propor “blueprints” genéticos de vírus microscópicos. A iniciativa ainda não representa vida criada por IA, mas levanta a possibilidade de novos avanços na forma como a biologia pode ser projetada com ajuda de algoritmos.
A conversa com King será conduzida por James O’Donnell, repórter sênior de IA do MIT Technology Review, e faz parte do destaque ao pesquisador como um dos “Innovators Under 35”. O encontro também promete discutir novas maneiras de enxergar a biologia e o que pode vir a seguir nesse tipo de abordagem.
Biohub, o Departamento de Energia dos EUA (DOE), os Institutos Nacionais de Saúde (NIH) e novos parceiros anunciaram a expansão de um esforço internacional para gerar e disponibilizar dados que viabilizam modelos preditivos de IA em biologia. O grupo vai investir US$ 1,8 bilhão em financiamento, computação e tecnologia de novas medições, criando um recurso aberto para a comunidade científica.
O DOE vai aportar mais de US$ 500 milhões em cinco anos para medições em laboratório, modelagem e computação, enquanto o NIH vai coordenar conjuntos de dados, repositórios e bases de conhecimento apoiados por mais de US$ 500 milhões de investimentos federais anteriores. Google DeepMind, Isomorphic Labs e Meta também entram com US$ 300 milhões na Virtual Biology Initiative para desenvolver tecnologias e conjuntos multimodais voltados a modelos preditivos.
Pesquisadores da Universidade Stanford usaram “large genome models” — modelos de IA treinados para prever sequências de DNA — para gerar genomas de vírus que infectam bactérias. Após resultados anteriores com sequências capazes de codificar proteínas funcionais, a equipe mostrou que os mesmos modelos conseguem produzir genomas virais relacionados a vírus já conhecidos, mas com características distintas difíceis de obter por evolução natural.
O trabalho sugere que, no futuro, pode ser necessário planejar riscos caso alguém desenvolva sistemas de IA capazes de projetar vírus com alvos mais amplos, incluindo vertebrados. Para o público tech, o avanço reforça como modelos generativos podem acelerar descoberta e engenharia biológica — e também aumenta a importância de governança, segurança e validação experimental.
