Aqui está o texto reescrito em português brasileiro, com a adaptação para uma leitura mais fluida:
Recentemente, um teste chamado “Exame Final da Humanidade” (HLE) revelou resultados surpreendentes sobre a verdadeira capacidade da inteligência artificial. De acordo com uma reportagem da revista Nature, o GPT-4o obteve apenas 2,7 pontos em 2500 questões elaboradas por especialistas de todo o mundo, em um total de 100 pontos. O modelo de IA com melhor desempenho alcançou apenas 8 pontos. Esse resultado levantou dúvidas sobre o verdadeiro poder da IA: ela realmente é tão avançada quanto parece, ou estamos apenas vendo uma fachada de sucesso?
Os testes tradicionais de IA têm se mostrado cada vez mais ineficazes em medir a verdadeira inteligência dos modelos, e isso se deve a dois fatores principais. O primeiro é a “saturação de benchmarks”: os sistemas de IA já estão tão acostumados com os testes tradicionais que suas pontuações não refletem, de fato, sua compreensão ou habilidades reais. O segundo fator é o “truque das respostas”, onde muitas vezes as respostas estão facilmente disponíveis na internet, fazendo com que a IA pareça acertar as questões, mas na realidade está apenas fazendo buscas e recuperando informações, sem aplicar um raciocínio profundo.
Para resolver esses problemas, os criadores do HLE reuniram cerca de 1000 especialistas de 50 países para desenvolver questões que exigem conhecimento especializado e que são muito mais difíceis de serem resolvidas apenas com buscas rápidas. As questões do teste cobrem áreas como matemática, física, química e muito mais, com um processo de revisão rigoroso que garante a complexidade dos problemas. Por exemplo, questões de matemática exigem um raciocínio lógico avançado, e as questões de química envolvem mecanismos de reação complexos, que não podem ser resolvidos apenas com uma busca na internet.
Os resultados são claros: o GPT-4o obteve apenas 2,7 pontos, enquanto o Claude 3.5 Sonnet e o Gemini 1.5 Pro marcaram respectivamente 4,1% e 4,6% de precisão. O modelo com melhor desempenho, o o1, conseguiu apenas 8%. Esses números mostram de forma contundente que, mesmo as IA mais avançadas da atualidade, ainda são incapazes de lidar com questões que exigem um conhecimento profundo e especializado.
O teste HLE revelou a disparidade entre as altas pontuações nos testes tradicionais e o verdadeiro desempenho da IA em questões complexas. Isso nos leva a refletir: será que a IA é realmente tão inteligente quanto acreditamos, ou será que sua “inteligência” é apenas uma aparência, sem a verdadeira profundidade que esperamos?
Espero que o texto tenha ficado claro e fácil de entender. Se precisar de mais ajustes, é só avisar!