A escrita e a linguagem são um meio para a consciência. Ao escrever uma ideia, também deixamos alguns dos julgamentos, perguntas e sentimentos daquele momento. Ao relê-la mais tarde, podemos retomar aquele raciocínio ou entender a mesma frase de outra forma, por causa do que vivemos desde então.
Para a IA, contexto e memória também podem ser vistos como uma fotografia da memória: as informações disponíveis para uma inferência são guardadas fora dos pesos do modelo, dando ao passado a chance de participar do próximo julgamento.
Mas uma fotografia tem um problema. Ela registra os pensamentos daquele momento, não os do futuro. Os humanos não têm o mesmo problema, pois nossa mente tem uma espécie de “língua materna” da consciência. A escrita e a linguagem humanas se parecem mais com uma projeção da consciência em uma dimensão; para a IA, são tudo naquele momento. A questão é que a “consciência” ou o “pensamento” de uma IA não continuam de maneira ininterrupta. Portanto, só temos aquele instante.
O mesmo vale para a memória de um agente pessoal. Ele pode encontrar o que o usuário disse no passado, ou até a conversa inteira em que aquelas palavras apareceram. Encontrar não é o problema. Mas o que acontece depois?
Hoje, isso envolve recuperar e selecionar memórias, além de como o modelo processa o contexto. Quero explorar outra possibilidade: poderíamos dar ao contexto uma capacidade semelhante? Ele poderia informar ao modelo tanto o estado atual quanto o que talvez aconteça e os padrões subjacentes, permitindo uma espécie de autoevolução por meio desse contexto?
Depois do fim de semana
Em um cenário típico de agente pessoal, o usuário pode compartilhar muitas coisas da vida: alguém que conheceu recentemente, por que está hesitando diante de uma decisão ou o que espera do futuro. Essas conversas não trazem necessariamente uma tarefa concreta, mas deixam vestígios de sua maneira de ver o mundo.
Pense no fim de semana.
Um usuário costuma dizer ao agente que os dias úteis são exaustivos e que só quer passar os fins de semana sozinho. Sair e encontrar pessoas consome energia; ele só sente que descansa de verdade quando tem todo o tempo para si.
O agente se lembra disso. Depois, quando o usuário pergunta o que fazer no fim de semana, sugere atividades individuais: ver um filme, caminhar ou ficar em casa lendo. O usuário aceita. Afinal, naquele momento, as informações estão corretas.
Mas, algum tempo depois, ele volta ao assunto: “Ficar em casa não parece mais tão relaxante quanto antes”.
Se o agente só se lembra de que “o usuário gosta de ficar sozinho”, pode sugerir outros filmes ou um novo percurso. Não esqueceu o usuário nem afirmou algo factualmente errado; apenas continua fazendo sugestões com base em uma compreensão que funcionou no passado.
Desta vez, porém, o usuário responde: “Não é que eu não saiba o que fazer sozinho. Acho que quero ver alguns amigos; só não estou muito a fim de uma reunião com muita gente”.
O agente errou. E o usuário não apresentou apenas uma nova preferência de atividade. Antes, sentia que marcar algo com alguém tiraria seu tempo de descanso. Agora começa a perceber que um encontro tranquilo também pode ser revigorante.
Assim, na próxima conversa sobre o fim de semana, o agente sugere tomar café com um amigo, além de caminhar sozinho. O usuário gosta da ideia: há um amigo que não vê faz tempo.
É uma pequena mudança. O agente não atualizou o modelo, não modificou o código nem sequer organizou algo para o usuário. Simplesmente respondeu de outra maneira, levando consigo uma nova compreensão da conversa anterior.
Mas vale a pena guardar essa mudança?
Um palpite bastante bom
Basta um resumo para passar de “quer ver alguns amigos” a “o usuário prefere socializar”. Esse resumo pode servir por mais um fim de semana, mas logo se transformar em outro mal-entendido.
O usuário não disse que deixou de gostar de ficar sozinho nem que quer companhia todo fim de semana. Apenas descobriu que, às vezes, encontrar um amigo não atrapalha o descanso. Se o agente comprime essa mudança em uma nova preferência, está apenas trocando uma resposta fixa por outra.
Por isso, quando ele disser “Esta semana estou cansado demais; só quero ficar sozinho”, o agente não deve concluir depressa que ele mudou de novo nem lembrá-lo: “Você não tinha dito que queria ver amigos?”. A compreensão anterior pode permanecer, mas precisa dar espaço à situação atual.
Mais tarde, um amigo do usuário chega à cidade e fica apenas uma semana. O usuário diz: “Quero vê-lo todos os dias nesta semana. Me ajude a pensar em lugares aonde podemos ir”.
É um pedido claro para aquela semana específica. O agente pode sugerir algo para cada dia, sem transformá-lo em “o usuário gosta de socializar todos os dias”. Depois da partida do amigo, ele pode querer um período de tranquilidade sozinho; ou a visita pode fazê-lo perceber que gostaria de ver os amigos com mais frequência. As duas coisas são possíveis, e o agente precisa de mais informações em conversas futuras.
Mas o que ele precisa registrar?
Uma regra é conveniente: na próxima vez que ler “fim de semana”, saberá que pode sugerir encontrar um amigo. Mas uma regra pode facilmente perder o motivo de sua criação. Manter várias explicações possíveis parece mais honesto, mas compará-las novamente a cada vez aumenta o custo de computação e julgamento. Talvez deva guardar um método: entender primeiro o que o usuário quer agora e então decidir se deve mencionar uma opção que funcionou antes.
Em alguns experimentos independentes que fiz, esse tipo de “evolução” produz resultados visíveis com bastante facilidade. E, objetivamente, fazer um agente mudar alguma coisa não é particularmente difícil hoje.
A parte realmente difícil é avaliar: como ele sabe se essas informações estão “corretas”?
O usuário aceitou uma sugestão de café, o que mostra que ela foi atraente naquela ocasião; isso não significa que queira ver um amigo toda semana daqui em diante. Se não responde, pode estar ocupado, ainda pensando ou nem ter visto a mensagem. O silêncio, por si só, não pode ser tratado como aprovação.
Se o agente perguntar “você quer que eu continue fazendo isso?” depois de cada sugestão, a conversa também fica estranha. O usuário só queria falar sobre o fim de semana e agora precisa gastar tempo treinando o agente para entendê-lo.
Isso nos leva à pergunta inicial: uma memória pode ser absolutamente precisa para a situação em que surgiu e, no entanto, já estar cheia de erros na próxima conversa.
Talvez exista um padrão: quanto mais precisa uma memória comprimida for naquele momento, menos precisa poderá ser no futuro.
Esse problema também aparece no estudo HorizonBench. Os pesquisadores construíram 360 usuários simulados e até seis meses de conversas para cada um. Os usuários mencionam mudanças na vida, mas não dizem diretamente ao agente: “Minhas preferências mudaram”. Quando os pesquisadores perguntam depois pelas preferências atuais, os modelos frequentemente dão as respostas antigas. (HorizonBench, 2026)
Evolução sem ponto final
Nessa situação, enfrentamos uma espécie de paradoxo lógico: por um lado, queremos melhorar continuamente os modelos e ferramentas para realizar uma compressão semântica suficientemente precisa naquele momento e produzir algo útil na próxima conversa, entendendo cada vez melhor o usuário. Por outro, precisamos torcer para que ele não mude demais antes dessa conversa. Se passar de querer ficar sozinho nos fins de semana a querer socializar, por exemplo, a memória anterior “expirou” completamente. Só podemos esperar que o modelo perceba isso rapidamente e corrija sua interpretação durante a execução.
Outro caminho, claro, é transformar o agente em um criador de enigmas: não produzir memórias ou descrições precisas desde o início e escolher algumas descrições amplas comuns à população. Se nunca fui preciso, nunca posso deixar de ser. Não estou brincando. A maioria dos testes de personalidade ou psicológicos, e até muitos produtos da internet, não tenta retratar você com precisão absoluta. Em vez disso, procura colocá-lo em um grupo já concebido e analisado. Embora isso não garanta um perfil sempre extremamente adequado, ao menos evita uma experiência ruim por causa de um perfil incorreto.
Mas, a meu ver, contexto e memória hoje oferecem uma maneira inteiramente nova de pensar. Já não são informações genéricas, mas informações únicas criadas por cada usuário. Essa singularidade tem dois sentidos: primeiro, vidas e trajetórias são diferentes, dificultando experiências exatamente iguais; segundo, mesmo ao descrever o mesmo acontecimento público, o tom, a pontuação e até os emojis dificilmente serão idênticos. Se as informações são únicas, tentar encaixar dados tão diferentes em um perfil genérico pode gerar ainda mais problemas.
Vamos rever a palavra “evolução”. Se deixarmos de lado situações concretas e discutirmos o conceito, por exemplo a estrutura darwiniana da evolução, encontramos coisas muito interessantes.
Por exemplo, a evolução não tem um certo ou errado absoluto. Os pássaros não têm asas porque, muitos anos atrás, todos os indivíduos tomaram a decisão correta de que “nossos descendentes devem ter asas” e então começaram a desenvolvê-las. Ao longo da história, os descendentes de uma população apresentam diferentes variações hereditárias. Em um ambiente específico, essas diferenças podem afetar as chances de sobrevivência e reprodução, e as características associadas podem mudar gradualmente ao longo de muitas gerações. Os indivíduos sem descendentes não evoluíram “errado”; apenas não transmitiram suas características no ambiente de sua época.
A evolução também não tem direção fixa. Se tiver interesse, verá que até formas corporais semelhantes às dos caranguejos evoluíram diversas vezes em linhagens distintas ao longo da história conhecida, e algumas perderam depois parte das características típicas. Acho isso muito interessante. (Wolfe et al., 2021)
No primeiro dia, você tem uma capinha de celular, decide que não precisa dela e a joga fora. No segundo, bate o celular por acidente. No terceiro, com receio de bater de novo, compra outra capinha. Olhando o resultado, jogar a primeira fora parece totalmente irracional. Mas, nos seres vivos, as mudanças de forma não acontecem porque eles sabem o que ocorrerá no futuro e então decidem se devem preservar uma característica.
Voltando à pergunta original, minha resposta é que a evolução na dimensão do contexto funciona da mesma maneira para a IA. Não tem certo ou errado, nem direção, e não pode haver um padrão unificado de avaliação no nível individual.
Em termos técnicos, essa evolução é essencialmente uma compressão semântica das interações entre humano e agente naquele momento. Mas o objetivo já não é produzir um resumo geral. É fazer o agente conjecturar sobre as motivações e pensamentos internos do usuário e prever algumas possibilidades futuras. Quando ele disser que quer socializar no fim de semana, idealmente o resultado da evolução anterior já deveria incluir essa possibilidade: por exemplo, que querer fins de semana sozinho seja um estado temporário e não uma aspiração duradoura.
Em geral, a autoevolução na dimensão do contexto é dinâmica: seus resultados, sua direção e sua avaliação são dinâmicos. Somente o usuário é estático, servindo de ambiente que seleciona entre os resultados evolutivos do agente e mantém a parte que deseja naquele momento.
Além da fotografia
Voltemos àquele primeiro fim de semana.
O agente pode notar que as ideias do usuário mudaram, mas não necessariamente saber por quê. Ele fez novos amigos? Mudou algo no trabalho? Desenvolveu uma nova compreensão do “descanso”? Todas essas possibilidades existem, mas nenhuma pode ser determinada por uma única conversa.
O agente pode perguntar ou deixar a questão em aberto por enquanto. Não precisa se apressar em explicar o usuário a si mesmo.
Quanto ao futuro, pode reconhecer que as ideias continuarão mudando e prestar atenção a isso nas próximas conversas. Mas “o que pode acontecer” não deve virar “o que o usuário inevitavelmente será”. Ele pode encontrar os amigos mais vezes ou voltar a precisar de mais tempo sozinho em algum momento; sua vida futura e suas próprias escolhas devem responder a essas perguntas.
A escrita deixa rastros do passado, mas quem lê essas palavras muda. Um agente pessoal precisa lembrar o que o usuário pensava e ser capaz de perceber que ele está mudando. Pode tentar entender os motivos, mas também deve saber que talvez tenha dado um palpite errado.
O mesmo vale para AirJelly. Esta pequena água-viva azul na sua tela vai observar e acompanhar você silenciosamente, ajudar a planejar todas as suas tarefas e conhecer o seu eu do futuro.
Quando uma compreensão do passado já não servir ao presente, um agente pessoal deve conseguir deixar de lado o que aprendeu e conhecer novamente a pessoa à sua frente.