Richard Sutton — co-vencedor do Prêmio Turing de 2024 e pai do aprendizado por reforço — anunciou formalmente sua saída da Keen Technologies, fundando o Oak Lab junto com seu aluno Khurram Javed.
O objetivo é explícito: construir um agente de um trilhão de parâmetros que aprende e planeja em tempo real em uma máquina que consome apenas 20 watts. Vinte watts — o orçamento de energia do cérebro humano. Os modelos de IA mais avançados de hoje consomem megawatts em uma única execução de treinamento.
À primeira vista, a notícia parece pequena — um professor de 69 anos fundando uma empresa soa como o último ato do idealismo acadêmico. Mas se colocarmos a trajetória intelectual de quatro décadas de Sutton contra o que ele está desafiando, isso não é um “último empreendimento de um cientista idoso” para aquecer o coração. É um desafio frontal à premissa mais fundamental da indústria de IA.
O que Sutton Está Desafiando
Ele afirmou com todas as letras em seu anúncio:
“Acreditamos que os métodos atuais de aprendizado profundo são fracos e ineficientes — o que é preciso não é remendo, mas ideias fundamentalmente novas e um redesenho completo.”
Repare em quem está falando. Não um acadêmico marginal ou um dissidente marginalizado. Richard Sutton fundou o aprendizado por reforço moderno, inventou o aprendizado por diferença temporal e coescreveu Reinforcement Learning: An Introduction com seu orientador Andrew Barto — o livro-texto padrão da área por quatro décadas. Entre seus alunos estão David Silver, projetista central do AlphaGo, e Doina Precup, chefe do DeepMind Montreal. De 2017 a 2023, foi Pesquisador Cientista Distinto no DeepMind.
Em 2019, escreveu The Bitter Lesson, um dos ensaios mais citados da área: métodos gerais que alavancam poder computacional acabam superando métodos construídos sobre conhecimento humano codificado manualmente. O ensaio foi amplamente lido como um endosso à Lei de Escalabilidade — o próprio Sutton teria dito isso: modelos maiores, mais dados, mais computação são o caminho para a inteligência geral.
Mas Sutton percebeu cada vez mais que seu ensaio foi mal interpretado. A Lição Amarga nunca disse “acumule computação e está tudo resolvido” — disse “pare de codificar conhecimento humano nos sistemas; deixe-os aprender com a experiência.” O problema é que o aprendizado profundo dominante ainda depende fortemente de dados produzidos por humanos: os modelos aprendem com textos que humanos escreveram, fotos que humanos tiraram, rótulos que humanos aplicaram. Não está aprendendo com suas próprias ações; está imitando os vestígios do passado da humanidade. Em 2025, Sutton e David Silver propuseram em conjunto a “Era da Experiência”, afirmando claramente que a IA está mudando da dependência de dados humanos para a dependência de experiências geradas por agentes que interagem com seus ambientes. O Oak Lab é essa tese transformada em empresa.
Aprendizado Offline Verso Aprendizado em Tempo Real: Duas Filosofias da IA
Para entender por que Sutton saiu, é preciso entender a divisão entre os dois paradigmas de aprendizado. A corrente dominante atual — pré-treinamento offline — gasta meses e centenas de milhões de dólares em um treinamento único sobre vastos corpora de texto. Quando o treinamento termina, os parâmetros em grande parte congelam; o modelo vai para produção. Mesmo conversando com bilhões de usuários diariamente, quase nenhuma dessas interações se converte em capacidade nova. O modelo reutiliza o que aprendeu na formatura, ou segura informações brevemente em sua janela de contexto. É como alguém que terminou a faculdade e nunca mais aprendeu — cada resposta construída sobre o conhecimento do dia da graduação.
O paradigma alvo de Sutton — aprendizado online em tempo real — é um agente que percebe o ambiente, age e ajusta seu próprio comportamento a partir dos resultados. Cada nova experiência produz aprendizado simultaneamente; sem longos intervalos antes de um retreinamento concentrado. Nas palavras do próprio Sutton: “Cada momento em que uma IA roda deveria ser um momento de aprendizado.”
O Oak Lab é construído em torno de uma arquitetura chamada OaK (Options and Knowledge). A ideia central: permitir que o agente descubra estruturas abstratas temporalmente estendidas a partir de sua própria experiência e as converta em “habilidades” verificáveis, planejáveis e reutilizáveis. Exemplo: um robô busca água na cozinha pela primeira vez — reconhecer o ambiente, desviar de obstáculos, pegar o copo, abrir a torneira. A IA tradicional trata toda a sequência como uma única tarefa de decisão. A arquitetura OaK permite que o agente decomponha sua prática em habilidades de alto nível — “ir até a cozinha”, “pegar o copo”, “encher de água” — e, na próxima vez que surgir um objetivo semelhante, recupere diretamente as habilidades existentes e as adapte ao ambiente. Essa “abstração temporal” — condensar ações dispersas em habilidades reutilizáveis — é uma capacidade central da inteligência humana, e a IA de hoje quase não a possui.
Ainda mais radical: a fase de aprendizado do Oak Lab não armazena dados históricos nem reproduz experiências passadas. Eles imaginam aprendizado em tempo real com batch de tamanho um — cada nova experiência se tornando imediatamente uma atualização. Combinada com redes neurais orientadas a eventos, a computação e a energia necessárias poderiam cair em ordens de magnitude. Daí a meta de longo prazo aparentemente extrema: um trilhão de parâmetros, aprendizado em tempo real, 20 watts.
Três Paradigmas: um Referencial para as Eras de Aprendizado da IA
Colocado em um sistema de coordenadas maior, os paradigmas de aprendizado da IA se dividem em três eras. Paradigma um: a Era dos Dados — dependente de conjuntos de dados rotulados por humanos; os modelos aprendem o conhecimento existente da humanidade. O início do aprendizado de máquina e a era de ouro do aprendizado supervisionado. Limite: o teto vem da qualidade e da escala dos dados; os modelos não podem ultrapassar a fronteira do conhecimento humano. Paradigma dois: a Era da Computação — grandes modelos mais a Lei de Escalabilidade, extraindo regularidades estatísticas de oceanos de dados com computação extrema. GPT, Claude, Gemini. Limite: o treinamento é único; o modelo não pode continuar aprendendo após a implantação; os custos de treinamento chegam aos megawatts; os dados eventualmente se esgotam. Paradigma três: a Era da Experiência — agentes gerando nova experiência continuamente em tempo de execução e aprendendo a cada momento. Representante: o Oak Lab, se for bem-sucedido. Potencial: adaptação contínua a ambientes em mudança; consumo de energia se aproximando da inteligência biológica; independência de dados humanos, abrindo território de conhecimento que humanos nunca alcançaram.
Praticamente todos os recursos e a atenção da indústria estão no paradigma dois. Sutton está apostando que o teto do paradigma dois está próximo, e que o paradigma três é o verdadeiro caminho para a AGI.
O que o Referencial Explica
O referencial dos três paradigmas esclarece muito da indústria atual. Por que o RL de repente se tornou central? O R1 da DeepSeek surpreendeu não porque o modelo era maior, mas porque o RL permitiu que o modelo aprendesse a “pensar” durante a inferência. A série o da OpenAI e os modelos de raciocínio do Google estão todos sondando o aprendizado a partir da experiência. Por que IA incorporada e agentes estão na moda? Se a IA só pode responder com base em dados offline, nunca poderá executar tarefas no mundo físico ou em fluxos de trabalho complexos. O boom dos agentes é a indústria buscando coletivamente a ponte do paradigma dois para o paradigma três. Por que a energia se tornará o gargalo definitivo da IA? O consumo de energia do paradigma dois cresce exponencialmente — a frase de Sam Altman de que “o gargalo não é a capacidade do modelo, é a energia” está correta dentro do paradigma dois. Mas se o paradigma três se confirmar — um agente de um trilhão de parâmetros a 20 watts — a lógica subjacente da economia da computação será reescrita. Por que “IA de borda” é mais do que uma palavra da moda? Se a forma final da IA é um agente de aprendizado em tempo real, ela precisa rodar perto de onde atua — em robôs, em carros, em celulares. A arquitetura atual de inferência em nuvem é transitória.
Uma nota interessante: de 2017 a 2023, Sutton liderou a equipe do DeepMind em Edmonton. Em 2023, o DeepMind fechou o laboratório, e Sutton se juntou à Keen Technologies de Carmack. Menos de três anos depois, ele saiu novamente. Não é um homem fácil de trabalhar — não por temperamento, mas porque seu pensamento continua caminhando fora da corrente dominante.
O que Você Pode Fazer
Se você é um tomador de decisões técnicas em uma empresa de modelos — não arquive “aprendizado em tempo real” na gaveta do “daqui a cinco anos”. Comece agora a reservar interfaces de aprendizado contínuo nas suas arquiteturas de modelo. Todo modelo entregue construído sobre pré-treinamento mais fine-tuning acabará sendo deslocado pelo aprendizado contínuo. Se você é um fundador de IA — acompanhe com seriedade a direção de Sutton. Não porque ele certamente terá sucesso, mas porque a direção que ele aponta — aprendizado em tempo real, baixo consumo, alta autonomia — é o próximo polo de crescimento da infraestrutura de IA. Um modelo de um trilhão de parâmetros a 20 watts, se alcançado, redefine todo o mercado de computação de borda. Se você é um pesquisador de IA — a “abstração temporal” e o “aprendizado em tempo real com batch de tamanho um” do OaK são duas direções que valem a pena explorar. Quer o Oak Lab atinja suas metas ou não, a exploração em si carrega valor. Se você é simplesmente um usuário de IA — lembrar de uma frase de Sutton já basta: “A inteligência real não é aprendida com dados; ela cresce da ação.” É o lema de sua startup e também um critério simples para avaliar qualquer produto de IA: ele consegue aprender com a experiência? Ou apenas repete as respostas que memorizou?
Referências: Richard Sutton no X · Reportagem do QbitAI (via 36Kr)
