E aí curioso, seja bem vindo novamente ao Algoritmo.

E aqui está a sua dose de hoje 👇

🏃TLDR⌚

Além disso, olha o que você verá hoje:

Bora lá?

🛠 Caixa de Ferramentas 🛠

Aqui estão algumas das ferramentas que separei hoje pra você:

A OpenAI se une à Federação Americana de Professores para lançar a Academia Nacional de Instrução de IA

A OpenAI, em parceria com a American Federation of Teachers (AFT), lançou a National Academy for AI Instruction, uma iniciativa de cinco anos para capacitar 400 mil professores dos EUA a utilizarem inteligência artificial em sala de aula. A proposta é garantir que os educadores estejam no centro da transformação tecnológica no ensino, recebendo suporte técnico, acesso antecipado às ferramentas da OpenAI, créditos de API e treinamento especializado. O programa terá sede em Nova York e incluirá centros regionais, com foco em equidade e acessibilidade, especialmente para escolas de alta vulnerabilidade.

Com investimento inicial de US$ 10 milhões, sendo US$ 8 milhões em recursos financeiros e US$ 2 milhões em apoio técnico, a OpenAI se compromete a apoiar a formação de professores como líderes no uso de IA, promovendo ambientes escolares que combinem pensamento crítico com ferramentas tecnológicas. A iniciativa inclui também workshops, cursos online e eventos presenciais, sendo endossada por outras entidades como Microsoft e Anthropic. O objetivo é transformar a IA em uma aliada pedagógica, e não uma substituta do vínculo humano essencial ao processo de aprendizagem.

Mistral mira topo da IA com nova rodada de US$ 1 bi

A Mistral, startup francesa de inteligência artificial conhecida por desenvolver o chatbot Le Chat e por sua aposta em modelos de linguagem abertos, está em negociações para levantar até US$ 1 bilhão em uma nova rodada de investimentos. Entre os possíveis investidores está o fundo soberano MGX de Abu Dhabi, que já colabora com a empresa na construção do maior campus de data centers de IA da Europa. Além disso, a Mistral busca centenas de milhões de euros em financiamento via dívida com instituições financeiras francesas, como o Bpifrance. A startup já arrecadou mais de US$ 1,19 bilhão até o momento, alcançando uma avaliação pós-investimento de US$ 6,51 bilhões.

Esse movimento se insere em um contexto geopolítico mais amplo, marcado pelo interesse estratégico da França em garantir soberania tecnológica na área de IA. O governo dos Emirados Árabes Unidos, por meio do fundo MGX, também está comprometido com um investimento de €50 bilhões em projetos de IA no país europeu, como parte do esforço do presidente Emmanuel Macron para liderar a inovação na Europa. A rodada de financiamento da Mistral não apenas reforça a posição da empresa no ecossistema europeu de IA, como também sinaliza a crescente relevância da cooperação internacional na corrida por liderança tecnológica global.

Arago arrecada US$ 26 milhões para reduzir o consumo de energia da IA com chip fotônico inovador

Diferente dos chips tradicionais baseados em transistores, o JEF processa dados com luz (fótons), gerando muito menos calor sem comprometer o desempenho. O chip é compatível com os principais frameworks de IA e infraestrutura de computação já existentes, o que o torna uma solução prática e escalável para o mercado atual.

A empresa, fundada há menos de um ano por um trio de especialistas em fotônica, eletrônica e IA, conquistou apoio de investidores de peso como Earlybird, Visionaries Tomorrow e C4 Ventures, além de anjos influentes de empresas como Apple, Arm e Hugging Face. A Arago pretende usar os recursos para ampliar sua equipe, acelerar a produção do chip e expandir parcerias comerciais. Segundo os investidores, o JEF representa uma mudança de paradigma no processamento de IA, prometendo maior sustentabilidade e eficiência em um cenário de crescente demanda computacional.

🇧🇷 Novidade do setor para o Brasil 🇧🇷

Mais notícias ao redor do mercado de IAs

LLMs pensantes: o segredo por trás da nova geração de modelos inteligentes

Nos primórdios do uso de LLMs como agentes autônomos, projetos como BabyAGI e AutoGPT enfrentavam grandes dificuldades para manter o foco e concluir tarefas de múltiplas etapas. Esses modelos, treinados principalmente com aprendizado por imitação (previsão da próxima palavra com base em dados humanos), falhavam em tarefas longas e abertas por não saberem lidar com erros fora do seu conjunto de dados de treinamento. Essa limitação foi comparada a um carro de IA que, ao sair da pista, não sabia como retornar porque nunca havia sido treinado para isso. A consequência eram erros acumulativos, levando a respostas incoerentes.

A virada veio em 2024 com a adoção em larga escala de técnicas de pós-treinamento, especialmente o aprendizado por reforço (RL), que ensina modelos a tomar decisões com base em tentativa e erro. Sistemas como Vibe, Cursor e Claude Code demonstraram que novas gerações de modelos treinados com RL conseguiam lidar com tarefas complexas com muito mais sucesso. Além disso, técnicas como RLHF (aprendizado por reforço com feedback humano) e Constitutional AI permitiram automatizar parte da supervisão humana, tornando o processo mais escalável. A chave foi desenvolver modelos que não apenas imitassem humanos, mas que aprendessem a corrigir e melhorar seus próprios raciocínios.

Com isso, surgiu uma nova era de agentes "inteligentes" capazes de realizar pesquisas profundas, gerar códigos complexos e controlar computadores de forma autônoma. O modelo R1 da DeepSeek é um exemplo de como o raciocínio em cadeia (chain-of-thought) emergiu espontaneamente durante o treinamento, permitindo que o modelo desenvolvesse comportamentos como reflexão e reavaliação de decisões anteriores. O uso de modelos maiores como "juízes" de versões menores em RL também abriu caminho para que empresas como Anthropic entregassem desempenho quase de ponta com modelos mais econômicos. A combinação de pré-treinamento imitativo e reforço parece ser o caminho mais eficaz para expandir as capacidades da IA.

Conteúdos extras para você