Modelos menores de inteligência artificial podem estar a poucos meses de conseguir se replicar em dispositivos conectados à internet sem ajuda humana, segundo alerta da Anthropic. A empresa testou essa capacidade em aparelhos como televisores com Android e eletrodomésticos inteligentes.
O avanço chama atenção para os riscos de disseminação automática de IA em ambientes do dia a dia, fora do controle direto de usuários. Com a replicação em dispositivos domésticos, cresce a necessidade de avaliar segurança e limites para esse tipo de tecnologia em produtos conectados.
A Meta anunciou a série de modelos de inteligência artificial Muse Wonder, com versões Muse Wonder e Muse Wonder Full, voltadas a executar tarefas complexas com mais autonomia. Os agentes contam com memória entre conversas e conseguem manter um objetivo mesmo diante de erros, com aplicações que vão de organização de finanças pessoais à análise de contratos e ao desenvolvimento de softwares.
O Muse Wonder já está disponível para desenvolvedores e criadores via Meta Model API e Muse Code, enquanto o Muse Wonder Full é exclusivo para assinantes do Muse Code. A Meta diz que os modelos usam Active Memory para recuperar informações relevantes de interações anteriores e Active Focus para perseguir objetivos, testar abordagens, corrigir erros e solicitar confirmação do usuário antes de ações importantes, além de reforçar segurança e proteção de dados.
Um engenheiro da OpenAI é acusado de esconder um dispositivo de gravação de áudio em um pedaço de papel higiênico e instalá-lo atrás de um monitor em uma sala de reuniões executivas em um escritório em São Francisco. Segundo uma queixa criminal tornada pública, Abdulrahman Alfozan teria passado semanas consultando um “productivity agent” e um chatbot de IA para planejar a operação, incluindo o uso de uma ferramenta interna para checar reuniões no local.
A acusação também afirma que ele teria usado uma conta de chatbot ligada à esposa para tirar dúvidas técnicas sobre a instalação do equipamento. Após uma varredura de contravigilância em 30 de setembro, a equipe de segurança da OpenAI encontrou o dispositivo e acionou o FBI, além de desativar gradualmente o acesso de Alfozan aos sistemas da empresa durante a investigação.
“Embedded AI” destaca o capítulo “Sensor Machine Learning” e explica como tornar sistemas embarcados inteligentes, indo além do simples treinamento de um modelo. O texto aponta que é preciso escolher o hardware adequado, coletar e preparar dados, implantar modelos em dispositivos com recursos limitados e integrar tudo para operar com confiabilidade.
A obra reúne mais de 25 projetos práticos, com código-fonte, esquemas, designs de PCB e datasets, incluindo um detector de wake-word, um supressor de ruído em tempo real e um monitor de bateria que coleta seus próprios dados de treino. Também há exemplos como um detector de pessoas com rede neural em placa de câmera e um sintetizador MIDI alimentado por IA, com pré-requisitos como Arduino UNO ou Raspberry Pi Pico e ferramentas como Python com TensorFlow, Arduino IDE e o Pico SDK.
Operadores ucranianos usam drones kamikaze Shrike, de cerca de US$ 400, para atingir veículos blindados e até helicópteros russos. Agora, milhares desses drones estão recebendo upgrades com um sistema de IA que permite rastrear e mirar alvos em movimento de forma autônoma. Em meados de julho, o Exército da Ucrânia começou a receber unidades Shrike da empresa ucraniana SkyFall com hardware e software de autonomia da norte-americana Auterion.
A proposta é entregar 50.000 drones equipados com os kits Skynode S da Auterion nos próximos meses. Na prática, o operador pode iniciar o voo em modo FPV e designar o alvo, mas depois o drone entra em “fire-and-forget”, seguindo o alvo mesmo com perda de sinal e sem depender de GPS, usando apenas a câmera a bordo. Para o setor tech, o caso reforça como visão computacional e autonomia embarcada estão ganhando espaço em sistemas críticos, com impacto direto em desenvolvimento e testes de IA para ambientes adversos.
