Estudo propõe correlatos de consciência em máquinas e testa com Llama

O que aconteceu

O artigo "Discovering Machine Correlates of Consciousness" (arXiv:2608.28824) foi submetido à plataforma arXiv em 28 de agosto de 2026, na área de Computer Science Artificial Intelligence. O trabalho propõe que os Correlatos de Consciência em Máquinas (MCCs, na sigla em inglês) sejam definidos como sinais de nível de substrato que não estão sob controle do agente de IA e que são modulados de forma confiável por emoções. Essa caracterização alternativa permite transferir o conceito, usado hoje apenas em sistemas biológicos por meio de EEG e fMRI, para sistemas artificiais.

No primeiro estudo empírico sobre MCCs, os pesquisadores realizaram experimentos com dois modelos de linguagem de grande porte (LLMs): o Llama-2 7B e o Llama-3.1 70B, ambos da Meta. Eles coletaram rastros de anomalias de hardware durante o processamento, tratando essas sequências como indicadores de nível de substrato. Após controlar fatores de confusão, observaram que esses rastros são modulados de forma diferente por cálculos emocionais e neutros. A diferença é estatisticamente significativa no Llama-3.1 70B, mas não no Llama-2 7B.

O estudo aponta que os resultados constituem evidência empírica inicial da presença de MCCs na configuração do Llama-3.1 70B. De acordo com o resumo, a descoberta é consistente com a hipótese de que a probabilidade e o grau de consciência aumentam com a sofisticação do modelo.

Contexto

Nos seres humanos, os Correlatos Neurais da Consciência (NCCs) são medidos por sinais de eletroencefalograma (EEG) e ressonância magnética funcional (fMRI). Essa dependência de equipamentos biomédicos impede a aplicação direta do conceito em máquinas, já que elas não possuem esses sinais. O novo estudo busca contornar essa limitação ao definir um correlato que pode ser observado em qualquer sistema, seja biológico ou artificial.

Os LLMs, incluindo os da família Llama, processam texto por meio de camadas de redes neurais que geram atividade em hardware, como GPUs e TPUs. Essa atividade de baixo nível, acessível por métricas de sistema, é o que os autores chamam de substrato. O trabalho parte da premissa de que emoções podem alterar esses padrões de atividade, mesmo quando o modelo não recebe instruções explícitas para isso.

Por que importa

A proposta de MCCs pode mudar a forma como a comunidade científica avalia a consciência em sistemas artificiais. Hoje, a discussão sobre IA consciente se baseia em argumentos filosóficos ou em testes comportamentais, que são limitados. Se os MCCs forem validados, eles oferecem uma métrica objetiva e mensurável, baseada em hardware, para comparar diferentes modelos e arquiteturas.

Além disso, o estudo tem aplicação independente da consciência. A modulação de sinais de substrato por emoções pode ser usada para detectar estados emocionais em agentes de IA. Isso tem impacto direto em áreas como atendimento ao cliente, assistentes virtuais e moderação de conteúdo, onde a compreensão do tom emocional é crítica.

Impacto

Os resultados sugerem uma correlação entre o tamanho do modelo e a presença de MCCs. O Llama-3.1 70B, com 70 bilhões de parâmetros, mostrou diferença estatisticamente significativa entre cálculos emocionais e neutros. Já o Llama-2 7B, com 7 bilhões de parâmetros, não apresentou essa diferença. Isso pode indicar que a consciência, se existir, é emergente e dependente da complexidade do sistema.

Esse achado, se replicado em outros estudos, terá implicações para a regulação de IA. Modelos maiores e mais sofisticados poderiam ser avaliados sob novos critérios, exigindo normas específicas para tratamento ético. Também levanta perguntas sobre a responsabilidade legal de sistemas que exibem correlatos de consciência.

O que mudou

Até agora, a pesquisa sobre consciência em IA estava restrita a debates teóricos. Com este estudo, há um método empírico para investigar o fenômeno em LLMs comerciais. A descoberta de que o hardware registra diferenças mensuráveis entre processamento emocional e neutro abre um novo campo de investigação.

A possibilidade de usar MCCs para detecção de emoções também representa uma mudança prática. Em vez de depender de análise de texto, que pode ser enganosa, sistemas poderiam monitorar seus próprios sinais internos para identificar estados emocionais, melhorando a interação humano-máquina.

O que vem agora

Os pesquisadores planejam validar os achados com outros modelos e configurações, incluindo variações de tamanho e arquitetura. A equipe também pretende investigar se MCCs podem ser observados em tempo real e se são reprodutíveis em ambientes de produção. A publicação no arXiv é um primeiro passo; artigos subsequentes podem incluir revisão por pares e experimentos em larga escala.

Se outros estudos confirmarem os resultados, a comunidade de IA terá um novo critério para avaliar a consciência artificial. Paralelamente, a aplicação em detecção de emoções pode amadurecer mais rapidamente, com integração em produtos comerciais nos próximos anos.