Por Marcelo Fischer | 07/07/2026 às 18:15

O resgate da declaração vem da publicação de uma pesquisa da Anthropic sobre os mecanismos internos do Claude, desta segunda-feira (6). Em materiais institucionais que acompanham o estudo, a empresa usa expressões como "pensar", "pensou sobre o próprio pensamento" e "em sua cabeça".

A combinação entre a fala resgatada e a linguagem adotada pela empresa reacendeu discussões entre especialistas em IA sobre o uso de termos antropomórficos para explicar sistemas de inteligência artificial.

Até que ponto esse vocabulário ajuda a explicar uma tecnologia complexa, e quando ele passa a atribuir características humanas a um software?

Segundo ele, a Anthropic não encontrou evidências de consciência ou de experiência subjetiva, apenas identificou uma estrutura funcional que lembra teorias da neurociência.

Para entender como o Claude organiza informações internamente, a equipe de interpretabilidade da Anthropic identificou um espaço interno compartilhado por diferentes componentes do modelo, batizado de "J-Space". O nome deriva da técnica matemática utilizada para revelar essas representações, conhecida como lente Jacobiana (J-Lens).

A técnica permite observar quais representações internas do modelo estão associadas às respostas que ele produz, oferecendo uma espécie de "janela" para processos que normalmente permanecem invisíveis.

Segundo a Anthropic, esse espaço parece desempenhar um papel semelhante ao da teoria neurocientífica do "Global Workspace", funcionando como um ambiente compartilhado onde diferentes partes do modelo trocam informações antes que a resposta final seja gerada.

Nos experimentos, o Claude foi capaz de realizar etapas intermediárias de lógica matemática, detectar erros em códigos, planejar rimas antes de escrever um verso e resolver problemas em múltiplas etapas sem explicitar esse raciocínio ao usuário.

A Anthropic ressalta, porém, que o estudo não demonstra que o Claude seja consciente ou tenha experiências subjetivas. Segundo os autores, o trabalho busca compreender representações funcionais que influenciam o comportamento do modelo, sem responder se ele "sente" algo da forma como os humanos sentem.

A escolha de termos biológicos e psicológicos por grandes laboratórios de IA divide pesquisadores sobre o impacto real dessas expressões no público.

Para o escritor Ted Chiang, em artigo publicado no The Atlantic, grandes modelos de linguagem operam como sistemas estatísticos de previsão de texto, sem agência moral ou experiência subjetiva, já que sentir uma emoção real exigiria marcadores fisiológicos inviáveis em ambientes digitais.

O jornalista Mike Pearl, do Gizmodo, faz crítica semelhante: mesmo como metáfora, descrever o Claude "raciocinando em sua cabeça" aproxima um sistema matemático de características associadas a seres vivos.

Já o consultor em IA e professor do Insper, Pedro Burgos, pondera que a aproximação com vocabulário humano nem sempre representa um problema. Segundo ele, o mesmo recurso é usado para descrever emoções em animais, quando processos internos não podem ser observados diretamente, e a IA enfrenta uma limitação parecida.

Para Burgos, reduzir o comportamento dos modelos a cálculos matemáticos também simplifica demais a discussão, assim como reduzir o pensamento humano a impulsos elétricos no cérebro explica pouco sobre a experiência real. Ele reconhece o risco de antropomorfização, mas avalia que pode ser um risco calculado quando ajuda o público a entender sistemas cada vez mais sofisticados, desde que acompanhado de ressalvas claras, como as que a própria Anthropic costuma fazer.

Por outro lado, a própria Anthropic defende que seus modelos desenvolvem representações internas de conceitos abstratos durante o treinamento, justamente porque foram construídos para prever textos produzidos por humanos. Sob essa perspectiva, utilizar esse vocabulário ajuda pesquisadores a compreender e monitorar comportamentos complexos do sistema.

É justamente nesse ponto que a pesquisa divide opiniões: enquanto alguns enxergam na linguagem utilizada pela Anthropic uma forma mais acessível de explicar descobertas complexas, outros veem o risco de atribuir características humanas a sistemas que continuam sendo modelos estatísticos.

Apesar da discussão sobre a linguagem, o estudo também representa um avanço importante na interpretabilidade dos modelos. A engenharia reversa do J-Space permite monitorar ativações internas que não aparecem no texto gerado pelo Claude. Para Torrente, esse é o principal mérito da pesquisa.

Segundo o pesquisador, o verdadeiro avanço não está em provar que existe um raciocínio interno, algo conhecido há anos em redes neurais profundas, mas em conseguir localizar essas representações e observar como elas influenciam o resultado final.

Burgos pondera que ainda é cedo para tratar esse avanço como consolidado. Os resultados atuais partem principalmente da própria Anthropic, e ele considera importante que pesquisas independentes reproduzam, critiquem ou refinem esses achados. Ainda assim, avalia a direção como valiosa: quanto mais se entende o que ocorre entre o comando enviado ao modelo e a resposta final, mais fácil fica avaliar vieses, representações internas e comportamentos inesperados.