O que nunca viu? Talkie-1930 e o teste de Einstein

O Talkie-1930 é um modelo de linguagem com 13 mil milhões de parâmetros, treinado deliberadamente com informação anterior a 1931. O seu objetivo não é representar um papel histórico. Os investigadores querem utilizar o modelo para testar uma questão muito mais difícil: se uma IA nunca viu a resposta conhecida durante o pré-treino, poderá ainda assim raciocinar até chegar a algo que os seres humanos só descobriram mais tarde?

Isto torna o Talkie particularmente relevante para o debate entre raciocínio e memorização. Os modelos modernos podem ter encontrado perguntas de benchmarks, soluções, artigos, repositórios do GitHub ou explicações durante o treino. Um modelo histórico cria uma experiência mais rigorosa ao colocar a resposta do outro lado de um limite temporal.

O que é o Talkie-1930?

Talkie é uma família de modelos de linguagem “vintage” desenvolvida por Nick Levine, David Duvenaud e Alec Radford. A equipa apresentou o Talkie-1930 em 2026, utilizando um corpus que se destinava a conter apenas informação publicada antes de 1931.

Os investigadores também treinaram um modelo gémeo moderno utilizando a mesma arquitetura e uma capacidade de computação comparável para o treino, mas com dados modernos do FineWeb. Isto torna o Talkie útil para estudar não só aquilo que um modelo sabe, mas também até que ponto as suas capacidades são moldadas pelo seu ambiente informacional.

Isto complementa a questão mais abrangente dos modelos abertos versus IA de fronteira: a capacidade de um modelo depende de mais do que apenas o número de parâmetros.

Porquê treinar uma IA que não sabe nada depois de 1930?

A principal razão é a avaliação resistente à contaminação.

Quando um modelo moderno resolve um problema famoso, os investigadores nem sempre conseguem determinar se:

• deduziu a resposta;
• combinou conceitos relacionados;
• recordou um exemplo semelhante;
• viu o benchmark durante o treino;
• encontrou uma explicação ou implementação online.

O limite temporal do Talkie permite aos investigadores selecionar tarefas cujas respostas pertencem genuinamente ao futuro do modelo.

A Python, por exemplo, foi criada décadas depois de 1930. O artigo marcante de Turing sobre computabilidade surgiu em 1936. A xerografia e muitas outras invenções de engenharia posteriores também estão para além do limite temporal.

A equipa da [Talkie] aborda estas invenções pós-limite temporal como potenciais experiências futuras. Isto é importante: são objetivos de teste, não descobertas que [Talkie] já tenha reproduzido.

Será que [Talkie] aprendeu realmente Python sem ver Python no pré-treino?

Para testar a generalização, os investigadores mostraram aos modelos históricos vários programas Python em contexto e, em seguida, pediram-lhes que resolvessem novas tarefas ao estilo do HumanEval.

Os resultados fornecem algumas evidências de aprendizagem em contexto através de uma verdadeira fronteira de conhecimento, mas continuam a ser modestos.

Os investigadores relatam que os programas bem-sucedidos eram geralmente soluções simples de uma linha ou pequenas modificações de exemplos já presentes no contexto. ([Talkie](https://talkie-lm.com/introducing-talkie))

O exemplo mais partilhado envolve uma cifra de rotação. Depois de ver uma função de codificação, o modelo produziu a operação inversa de descodificação, invertendo a relação aritmética relevante.

Isto é mais interessante do que parece, precisamente porque a afirmação é limitada.

O modelo usou exemplos para realizar uma pequena transformação correta numa linguagem ausente dos dados de pré-treino pretendidos.

O que é o Teste de Einstein para a IA?

A mesma ideia pode ser levada muito mais longe.

O CEO da DeepMind, Demis Hassabis, falou de um “Teste de Einstein” no qual uma IA recebe apenas conhecimentos disponíveis antes de uma grande descoberta científica e é questionada sobre se consegue chegar de forma independente ao avanço posterior.

A versão mais conhecida pergunta se um modelo treinado apenas com conhecimentos disponíveis antes da teoria da relatividade geral de Einstein conseguiria deduzir a teoria sem nunca a ter visto.

Uma reportagem da Nature de setembro de 2026 descreve vários investigadores que estão agora a experimentar modelos de linguagem históricos e métodos semelhantes baseados num limite temporal do conhecimento.

Isto é muito mais difícil do que submeter um modelo moderno a um exame sobre relatividade.

A descoberta científica exige mais do que resolver equações. Pode exigir reconhecer que uma suposição aceite está errada e construir um enquadramento conceptual melhor.

Alguma IA passou o Teste de Einstein?

Não.

As experiências atuais produziram fragmentos interessantes de generalização e intuição científica, mas nenhuma redescoberta convincente ao nível de Einstein.

A análise da Nature descreve os primeiros resultados como reveladores tanto de limitações importantes da IA atual como das suas capacidades. Os modelos conseguem frequentemente trabalhar de forma eficaz quando um problema já foi formulado, mas continua a ser muito mais difícil formular a nova hipótese certa. ([Nature](https://www.nature.com/articles/d41586-026-02804-x))

Esta distinção é essencial porque uma IA pode gerar milhares de hipóteses plausíveis sem saber quais merecem uma investigação mais aprofundada.

O teste mais exigente não consiste em saber se um modelo consegue produzir uma teoria conhecida depois de receber pistas suficientes. Consiste em saber se consegue identificar uma contradição, propor uma explicação genuinamente útil e fazê-lo sem que a resposta posterior se infiltre nos seus dados de treino.

O Talkie-1930 Está Realmente Livre de Conhecimentos Modernos?

Não perfeitamente.

A equipa do Talkie relata abertamente uma fuga temporal. Apesar do limite pretendido de 1930, o modelo de 13B parece conhecer algumas informações sobre acontecimentos posteriores, incluindo a presidência de Roosevelt, o New Deal, a Segunda Guerra Mundial, as Nações Unidas e a Alemanha do pós-guerra.

Os investigadores identificam várias formas de a informação futura poder infiltrar-se em corpora aparentemente históricos:

• datas de publicação incorretas;
• introduções modernas acrescentadas a livros antigos;
• notas de rodapé e anotações posteriores;
• documentos classificados incorretamente;
• artefactos de digitalização e OCR.

Esta limitação é fundamental.

Se uma experiência afirmar que um modelo descobriu algo de forma independente sem nunca o ter visto, os investigadores precisam primeiro de provas sólidas de que a resposta estava realmente ausente.

Para a IA histórica, a proveniência dos dados faz parte do benchmark.

O conhecimento do Talkie é histórico, mas o seu pós-treino não é inteiramente histórico

Existe outra limitação subtil.

O modelo base é treinado com dados históricos, mas a criação de um assistente útil que siga instruções requer dados de pós-treino que não existiam em 1930.

Os investigadores geraram exemplos de instruções a partir de material de referência histórico, mas também relatam ter usado modelos Claude modernos em fases posteriores, incluindo o Claude Sonnet 4.6 como avaliador e o Claude Opus 4.6 para gerar conversas sintéticas. ([Talkie](https://talkie-lm.com/introducing-talkie))

Isto cria duas formas diferentes de contaminação que não devem ser confundidas:

O Talkie pode, por isso, ter conhecimentos predominantemente vintage sem se comportar exatamente como um hipotético sistema inteligente criado em 1930.

Porque é que a IA histórica também é uma experiência de qualidade dos dados

Os modelos de linguagem históricos enfrentam um problema que os modelos modernos da Web evitam em grande medida: a maior parte do seu material de treino nunca existiu originalmente em formato digital.

Os livros, jornais, patentes e revistas têm primeiro de ser convertidos de páginas digitalizadas em texto.

A equipa do Talkie relata que o texto histórico obtido por OCR convencional proporcionou apenas cerca de 30% da eficiência de aprendizagem das versões transcritas por humanos, num experimento controlado. Uma limpeza simples elevou esse valor para aproximadamente 70%. ([Talkie](https://talkie-lm.com/introducing-talkie))

Isto revela uma conclusão mais ampla: mais tokens não significam automaticamente dados de treino mais úteis.

É também uma das razões pelas quais o processamento local de IA para conjuntos de dados privados pode ser importante em trabalhos de arquivo. OCR, indexação, embeddings e corpora experimentais podem ser processados perto do material de origem armazenado, em vez de exigir que cada documento passe por um serviço remoto.

É possível executar o Talkie-1930 localmente?

Sim.

O repositório oficial do Talkie disponibiliza pesos públicos e código de inferência ao abrigo da licença Apache 2.0.

A configuração BF16 de referência indica atualmente:

Este não é um modelo pequeno para CPU, mas é uma carga de trabalho realista para investigação numa estação de trabalho ou num servidor de IA doméstico.

Para a implementação local, o tamanho do checkpoint é apenas o ponto de partida. A memória de execução, o contexto, a cache e outros componentes do modelo também consomem recursos, razão pela qual a ocupação de memória do modelo é mais importante do que simplesmente comparar tamanhos de ficheiros.

Depois de transferido, o Talkie também pode ser utilizado sem uma API proprietária de inferência. Isto facilita a preservação de versões exatas do modelo e a reprodução de experiências.

Uma configuração totalmente reproduzível também deve manter localmente disponíveis os ficheiros do modelo, os tokenizadores, os conjuntos de dados e as dependências necessárias, em vez de presumir um acesso permanente a serviços externos. Esse é o mesmo princípio subjacente a um fluxo de trabalho de IA local capaz de funcionar offline.

Para que servem realmente os modelos linguísticos históricos?

O valor a longo prazo do Talkie não está em fingir conversar com alguém de 1930.

Os investigadores já utilizaram cerca de 5 000 descrições de acontecimentos do New York Times histórico para medir quão “surpreendentes” parecem os acontecimentos futuros para um modelo treinado com informação anterior. Isto não é previsão no sentido da ficção científica, mas proporciona uma nova forma de estudar os horizontes de previsão. ([Talkie](https://talkie-lm.com/introducing-talkie))

O que o Talkie revela sobre a inteligência da IA moderna

O gémeo moderno do Talkie cria uma comparação especialmente útil.

A arquitetura e o poder computacional do treino podem permanecer semelhantes, enquanto o ambiente de informação muda drasticamente.

O modelo treinado com dados modernos tem um desempenho melhor em muitas tarefas convencionais. Parte disso pode dever-se a dados mais limpos. Outra parte pode resultar do facto de a Web moderna conter programação, documentação técnica, perguntas e respostas, explicações científicas e muitas formas de resolução estruturada de problemas ausentes de um corpus histórico.

Isto levanta uma questão mais profunda:

quanto das capacidades da IA moderna provém da arquitetura do modelo e quanto provém da compressão da estrutura acumulada da Internet moderna?

Essa questão também é relevante ao avaliar modelos abertos comparados com IA de ponta. As pontuações de benchmark, por si só, não revelam se as diferenças resultam da arquitetura, dos dados, do pós-treino, das ferramentas ou simplesmente da escala do treino.

O verdadeiro teste não é «A IA consegue pensar?»

Os argumentos sobre se a IA «pensa realmente» tornam-se rapidamente filosóficos.

Os modelos históricos oferecem uma pergunta mais testável:

Podemos criar uma experiência em que seja impossível - ou pelo menos substancialmente menos provável - recordar a resposta conhecida?

O Talkie-1930 não é uma solução perfeita. O seu corpus contém alguma fuga temporal. O OCR histórico é ruidoso. O pós-treino moderno introduz influência comportamental. E o modelo de 13B continua a ser muito mais fraco do que os sistemas de fronteira atuais.

Mas essas limitações podem ser medidas e melhoradas.

Por isso, a conquista importante não é o Talkie ter redescoberto a ciência moderna. Não o fez.

O seu valor está em proporcionar aos investigadores uma forma mais rigorosa de perguntar se um modelo futuro pode encontrar evidências antigas, identificar algo em falta, formular uma nova hipótese e chegar a uma conclusão que genuinamente não existia no seu mundo de treino.

Isso seria uma evidência de generalização muito mais forte do que obter outra pontuação elevada num benchmark que a Internet já discutiu milhares de vezes.