antonio leandro

primariaiacienciaen

Google Research

Blog oficial da divisão de pesquisa do Google: publica de três em três dias os resultados dos próprios grupos, de saúde e clima a quantum e LLMs. Está no acervo como fonte primária, é onde a pesquisa vira anúncio antes de virar produto.

100 textos no acervo · publica a cada ~4 dias · último em

escrito por pipeline de llm, revisado por antonio leandro antes de publicar

o que esta fonte defende

Antes de tudo, uma ressalva honesta: os 100 textos não são a voz de um autor, e sim o mural de uma instituição com dezenas de equipes que não conversam entre si. Não há tese única, e procurar uma seria inventá-la. O que existe é uma linha editorial reconhecível e uma aposta metodológica que se repete em áreas que não têm nada a ver umas com as outras.

A aposta é esta: a receita do foundation model — pré-treinar em muito dado não rotulado e obter um modelo que serve para tarefas que ninguém especificou de antemão — vale para qualquer coisa que produza sinal, não só para texto. O arquivo aplica a mesma fôrma a glicose contínua, sensores de wearable, dados tabulares, imagens de satélite e áreas urbanas, quase sempre com o mesmo formato de título: “FM para X”, “modelo de fundação para Y”. É a afirmação de fundo mais forte da fonte, e é uma afirmação de generalização: o método é indiferente ao domínio. Vale notar que ela quase nunca é testada contra o caso em que falha — este é um blog de primeira parte, e resultado negativo sobre produto próprio não aparece.

A segunda linha, mais recente, é o deslocamento de modelo para agente. Até o fim de 2025 os textos falam de modelos que respondem; de janeiro de 2026 em diante falam de sistemas que agem, acumulam experiência e são auditados como sistemas — leis de escala para conjuntos de agentes, memória de experiência passada, agentes de ciência de dados, cadeia de evidências verificável para pesquisa autônoma. Junto com isso vem uma preocupação nova com o que o agente sabe e como recupera: em junho a fonte afirma que raciocinar destrava conhecimento paramétrico; em agosto, que o gargalo é o recall, não o armazenamento. São dois passos de uma mesma reformulação — alucinação tratada como falha de recuperação, não como ausência de conhecimento.

Onde a fonte mais visivelmente mudou de patamar foi em saúde. O arquivo começa com estimativa de métrica a partir de sensor e termina com consulta clínica audiovisual, estudo randomizado nacional em telessaúde e triagem de câncer de mama em fluxo real de trabalho. A régua de evidência sobe ao longo do arquivo: de demonstração para ensaio clínico. Já em clima e geo o movimento é o oposto e igualmente claro — de modelos isolados para uma plataforma única (Earth AI) e para liberação de código e dados abertos, com hidrologia e fauna virando infraestrutura pública. Quantum segue seu próprio calendário, alheio a tudo isso, com um avanço por trimestre e nenhuma pretensão de aplicação imediata.

por tema

saúde: do sensor no pulso ao ensaio clínico (17 textos)

É o assunto mais frequente do arquivo e o que mais amadureceu dentro dele. Uma metade parte do hardware que a pessoa já carrega: estimar risco cardiometabólico por foto de smartphone, batimento por câmera, métricas avançadas de marcha por smartwatch, e modelos de fundação treinados sobre sinal bruto de wearable e de monitoramento contínuo de glicose. A ideia recorrente é que o sinal barato e passivo, em volume suficiente, substitui o exame caro — inclusive para gerar hipóteses, como no trabalho de priorizar candidatos a biomarcador a partir de dado de sensor.

A outra metade é clínica de verdade e sobe a régua de evidência ao longo do tempo: um agente de diagnóstico conversacional que avança de texto para consulta audiovisual, avaliação de viabilidade em ambiente clínico real, um estudo randomizado nacional em cuidado virtual, apoio a fluxo de triagem de câncer de mama, modelos médicos de imagem e de transcrição de fala, identificação de variantes genéticas em tumores. A diferença entre o começo e o fim do arquivo é a diferença entre demonstrar e comprovar.

o planeta e a cidade como fonte de dado (20 textos)

O segundo maior bloco trata o mundo físico como algo a ser lido por modelo. Há previsão de enchente e de enchente relâmpago, com o arcabouço de hidrologia liberado em código aberto; dado de resiliência ao calor estendido a mais de cinquenta cidades; simulação de precipitação global de longo prazo; separação de floresta nativa de outra cobertura arbórea para cadeias de suprimento sem desmatamento; previsão de risco futuro de perda florestal em vez de contagem de perda passada; identificação de fauna por imagem e de vida marinha por um modelo originalmente treinado em cantos de pássaro. Ao longo do arquivo esses esforços deixam de ser projetos isolados e passam a ser apresentados como uma plataforma só, Earth AI, com raciocínio entre modalidades.

A vertente urbana usa a mesma lógica em escala menor: aprender representações de áreas da cidade, ensinar modelo a ler mapa, extrair sentido de lugar a partir de padrões de mobilidade, prever risco de acidente por frenagem brusca, prever disponibilidade de ponto de recarga elétrica, reduzir congestionamento por coordenação. É o lado da fonte em que a pesquisa mais frequentemente vira bem público — e também o mais próximo dos produtos de mapa da casa.

por dentro do LLM: memória, recall e avaliação (16 textos)

Aqui está a parte mais teórica e a mais interessante de acompanhar em sequência. O fio central é a memória: como um modelo guarda conhecimento, por que falha em recuperá-lo, e o que muda quando ele raciocina antes de responder. A fonte primeiro sustenta que o raciocínio destrava conhecimento que já estava nos pesos e depois reformula o problema — o gargalo é o recall, não a prateleira vazia. Em paralelo vêm propostas de memória de longo prazo, aprendizado aninhado para aprendizado contínuo, RAG agêntico e memória de experiência que permite ao agente aproveitar tentativas anteriores.

O segundo fio é metodológico e mais cético do que o resto do arquivo: quantos avaliadores humanos são suficientes para um benchmark, como medir alinhamento de disposições comportamentais, quando e por que sistemas de múltiplos agentes de fato funcionam, quão realistas são os simuladores de usuário usados para testar. Somam-se aí leis de escala para modelos multilíngues, decomposição de tarefa para modelos pequenos superarem grandes, raciocínio bayesiano induzido e uma tentativa de explicar de onde vem a criatividade dos modelos de difusão.

ciência acelerada por agente (12 textos)

Uma linha que praticamente não existia no início do arquivo e ocupa boa parte de 2026: usar modelo para fazer pesquisa, não só para ser pesquisa. Aparece como assistência empírica a cientistas — com um texto que relata como os próprios pesquisadores da casa a usaram —, como agente versátil de ciência de dados, como arcabouço de pesquisa autônoma que tenta se manter verificável por cadeia de evidências, e como ferramentas para o ofício acadêmico: geração de figuras, apoio a revisão por pares, retorno automático a submissões de teoria da computação.

Os casos concretos dão a medida do que já funciona: identificar supernovas com poucos exemplos, gerar neurônios sintéticos para acelerar mapeamento cerebral, testar o limite de modelos em perguntas de supercondutividade. A ambição declarada é encurtar o ciclo entre descoberta e aplicação; o risco declarado por ninguém, mas visível, é que a verificação desses sistemas continue sendo feita por quem os constrói.

eficiência: modelo menor, conta menor (10 textos)

Um bloco constante e pouco alardeado, quase sempre sobre custo. Compressão extrema, atenção sequencial para enxugar modelo sem perder acurácia, predição de múltiplos tokens para acelerar modelos locais no celular, amostragem mais esperta, cache elástico para economia em nuvem, alocação de máquina virtual tratada como problema de otimização, escalonamento sob capacidade que varia no tempo.

Nas bordas dessa linha estão as apostas de infraestrutura: uma plataforma completa para IA em dispositivo de borda, um modelo de fundação zero-shot para dado tabular — o formato mais banal e mais ignorado da computação corporativa — e o desenho, especulativo, de um sistema de infraestrutura de IA baseado no espaço. É o tema onde a fonte é mais engenharia e menos anúncio.

garantias formais: privacidade, apagamento, quantum (11 textos)

O que une esses textos é a preferência por garantia demonstrável em vez de resultado empírico. Do lado da privacidade: aprendizado de máquina com privacidade diferencial em escala e biblioteca aberta para isso, agregação de dados sem confiar no servidor, arcabouço para extrair estatísticas de uso de chatbot sem expor conversa, geração de álbuns de fotos sintéticos coerentes. Junta-se a isso uma proposta de auditoria de machine unlearning — como verificar que um modelo de fato esqueceu o que prometeu esquecer —, pergunta que a maior parte da indústria prefere não fazer.

Quantum corre em trilho próprio, com ritmo de um avanço por trimestre e sem promessa de aplicação próxima: vantagem quântica verificável, códigos de superfície dinâmicos, um computador que aprende com os próprios erros, um conjunto de ferramentas para otimização. O ponto de contato com o resto do mundo é o texto sobre divulgação responsável de vulnerabilidades quânticas em criptomoeda — o único momento em que a fonte trata o próprio progresso como ameaça a ser comunicada com cuidado.

interfaces, XR e acesso (14 textos)

O grupo de interação humano-computador aparece com regularidade e com uma preocupação recorrente: o que acontece quando a interface deixa de ser fixa. Há geração de interface sob medida para cada pedido, segmentação interativa no próprio aparelho dentro de um editor de fotos, recomposição de enquadramento de fotografia, geração colaborativa de imagem, busca por voz que dispensa a transcrição intermediária e tradução fala a fala em tempo real.

Em realidade estendida a fonte investe num conjunto de blocos de construção e depois em prototipagem acelerada por modelo, incluindo geração de gesto de mão para agentes conversacionais situados no espaço, além de ferramentas para roteirizar e testar conversas de grupo entre pessoas e IA. O eixo de acesso é o mais concreto: leitura assistida de street view para pessoas com deficiência visual, uma releitura do desenho universal a partir das ferramentas de IA, formação de habilidades com IA generativa e um recurso aberto de fala em larga escala para línguas africanas.

onde ela discorda de outras fontes do acervo

Contra o senso comum de que modelo de linguagem não guarda conhecimento e por isso precisa de recuperação externa, esta fonte sustenta o oposto: o conhecimento está nos pesos e o que falha é o acesso a ele — alucinação como problema de recall, não de ausência. É uma posição minoritária, e a própria casa a contradiz em parte ao publicar RAG agêntico como caminho para respostas confiáveis. Em saúde, a divergência é de método: enquanto boa parte do setor valida IA clínica por benchmark e demonstração, aqui aparecem estudo randomizado em cuidado virtual real e avaliação em ambiente clínico — régua mais alta do que a praticada por concorrentes diretos. Vale lembrar que é blog de primeira parte: nenhum dos números citados foi verificado por terceiro.

linha do tempo