Parte III · Era 7 — Multimodal e Agêntica (2022–presente)

draft

A IA chega ao grande público, aprende a ver, ouvir e gerar em todas as modalidades, passa a raciocinar em passos e a agir com ferramentas. É a era em curso — a do Compêndio que você lê.

Narrativa

O lançamento do ChatGPT (nov/2022) leva a IA conversacional a centenas de milhões de pessoas e dispara uma corrida global. Modelos de difusão abertos (Stable Diffusion) democratizam a geração de imagem. Em 2023, GPT-4 e Claude (Anthropic) elevam o patamar de raciocínio e alinhamento; surge a geração de vídeo (Sora) e música (Suno/Udio). A fronteira se move para duas direções: multimodalidade unificada (um modelo que percebe e gera em texto, imagem, áudio e vídeo) e agência (modelos que planejam, usam ferramentas e operam computadores). Em paralelo, amadurecem os modelos de raciocínio que "pensam" antes de responder.

Marcos

  • 2022 — ChatGPT · OpenAI · adoção em massa da IA conversacional.
  • 2022 — Stable Diffusion / Midjourney · geração de imagem aberta e viral.
  • 2022 — Constitutional AI · Anthropic · alinhamento por princípios (RLAIF).
  • 2023 — GPT-4 / Claude / Gemini · modelos multimodais de fronteira;

    raciocínio e uso de ferramentas.

  • 2023 — LLaMA · Meta · pesos abertos aceleram a pesquisa e o ecossistema.
  • 2024 — Multimodal nativo (GPT-4o) e vídeo (Sora) · percepção e geração

    unificadas; vídeo a partir de texto.

  • 2024 — Modelos de raciocínio · cadeias longas de deliberação ("pensar

    antes de responder").

  • 2024–2025 — Agentes e *computer use* · IA que opera software e executa

    tarefas de várias etapas (ex.: Claude Code).

  • 2025–2026 — Gerações atuais · família Claude 4.X (Opus 4.8) e Fable 5;

    contexto longo, agência madura, multimodalidade ampla.

Pessoas e organizações

Equipe Anthropic — Claude e a Constitutional AI. Dario e Daniela Amodei, Jack Clark e equipe; foco em segurança e alinhamento. 🖼️ Foto F-III.18 (ou logo/ilustração).

Comunidade de pesos abertos — LLaMA, Mistral, Stable Diffusion. Democratizaram o acesso a modelos de fronteira.

Pesquisadores de raciocínio e agentes — abriram a fase em que a IA delibera e age, não apenas responde.

🎨 Figura F-III.19 — A IA que conversa, cria e age. Brief: painel tríptico: (1) um balão de chat (conversa); (2) telas gerando imagem, vídeo, música e código simultaneamente (multimodal); (3) um agente estilizado operando um computador com várias ferramentas (mãos em teclado, chamadas de API). Transmite o presente: percepção + geração + ação.

O fio que liga ao resto do Compêndio

Esta era reúne todos os paradigmas num só sistema prático: redes conexionistas (percepçãogeração), reforço (alinhamento via RLHFRLAIF) e estrutura híbrida (agentes, RAG, neuro-simbólico). Os capítulos da Parte IV abrem cada um desses tipos em profundidade, percorrendo o ciclo de vida da Parte I com os detalhes concretos de cada categoria.

A história não terminou — ela está sendo escrita na velocidade em que você lê. O Compêndio trata o presente como uma era aberta, a ser revisada a cada geração de modelos.