Em vez de perguntar o quão inteligente uma máquina pode ser, Hao Fei propõe uma métrica irmã: quanta inteligência uma máquina consegue habilitar em uma pessoa específica. O artigo argumenta que a era da chamada Physical AI terá dois tipos de indivíduo inteligente.
O robô encorpado e a pessoa acoplada a um "simbionte cognitivo". O segundo merece o mesmo esforço de pesquisa que o primeiro.
Não há algoritmo novo. A contribuição é de enquadramento, vocabulário e critério de avaliação.
São 59 páginas, 21 figuras e 18 tabelas.
O que os autores propõem
Fei nomeia a segunda metade do "endgame" da IA como AHI (AI-augmented human intelligence), em contraste com a AGI. As duas se apoiam no mesmo modelo de base.
Diferem em três pontos que o autor explicita.
O objeto de avaliação: a máquina versus a pessoa aumentada. O modo de existência: agente autônomo versus companheiro embarcado.
A relação com o humano: delegação de tarefas versus participação no pensamento.
O sistema que realizaria isso é o simbionte cognitivo. Ele é definido por um conjunto de propriedades necessárias: vitalício, embarcado, em tempo real, privado, de baixo atrito e proativo.
Ele sente o que a pessoa sente por meio de dispositivos externos. Preserva contexto ao longo de anos.
Modela a situação e a mente do usuário. Intervém no momento certo.
Executa tarefas cotidianas com esse contexto em mãos. Continua aprendendo a pessoa enquanto ambos mudam.
A proposta inclui também uma mudança de unidade de avaliação: do modelo para o indivíduo aumentado. E trata governança como parte do paradigma, não como apêndice.
Por ser externo, removível e inspecionável, o simbionte poderia seguir as regras do ambiente em que o usuário entra. E demonstrar que as seguiu.
Contexto: qual problema está sendo atacado
O diagnóstico de Fei é que a última década mediu progresso em um único eixo: quanto uma máquina realiza sozinha. Nesse eixo, o trabalho "em frente à tela" foi em grande parte resolvido.
O que não mudou foram as perdas de um dia comum.
O autor usa uma vinheta. Uma pesquisadora deixa uma ideia escapar antes de anotá-la.
Não recorda um número que publicou três anos antes. Não lembra como raciocinou na última decisão parecida.
Somam-se duas lacunas. O visitante que não sabe recusar um convite educadamente.
E a pessoa que acabou de falhar e recebe um parágrafo de encorajamento genérico, em vez da frase de alguém que conhece sua história.
As três primeiras são falhas de acesso. Algo que a pessoa já possui não chega ao momento em que é necessário.
As duas últimas são lacunas de conhecimento e de apoio. Nenhuma é falha de inteligência.
Em todos os casos existe uma IA com o conhecimento relevante. Mas ela está fora da situação.
Não sabe quem é a pessoa, onde está, o que tenta fazer ou o que sente.
Daí a tese do gargalo deslocado. A largura de banda cognitiva humana é fixa.
Memória de trabalho com poucos itens, atenção em um lugar por vez, 24 horas por dia. A capacidade dos modelos em tarefas isoladas sobe, mas o acoplamento entre IA e pessoa quase não muda.
Quanto a IA sabe sobre alguém, com que rapidez entra em cena, quanto interrompe e quanto inspira confiança. Três sintomas denunciam acoplamento insuficiente.
Toda conversa começa reexplicando o contexto. A ajuda chega tarde ou alta demais.
Ninguém confia nada importante ao sistema.
O autor situa a proposta em oitenta anos da mesma pergunta: Licklider (1960), Engelbart (1962) e Clark e Chalmers (1998). Distingue quatro papéis históricos da IA na relação com a pessoa.
O terceiro é ocupado pelos agentes pessoais lançados em 2026 (Meta Muse, xAI Grok Bot, OpenAI Dots). Eles já acompanham metas de longo prazo e aprendem preferências.
A diferença para o quarto papel é de posição e propósito. O agente age pela pessoa a partir da nuvem.
O simbionte pensa com a pessoa ao lado dela.
Como funciona
O núcleo conceitual é a lacuna cognitiva. É a diferença entre o que uma pessoa poderia trazer para uma situação e o que ela consegue manter na memória de trabalho naquele instante.
O espaço de projeto é organizado como um loop de simbiose: sentir, guardar, compreender, conviver, agir pela pessoa, pensar com ela e crescer. O loop é envolvido por um runtime pessoal e pela confiança.
Cada estágio recebe um mecanismo, um conjunto de perguntas de pesquisa e uma forma de avaliação. A Parte II do artigo encadeia as seções de modo que a saída de uma alimente a entrada da seguinte.
Arquiteturalmente, o simbionte delega tarefas a agentes autônomos padrão. Ganha com cada avanço do modelo de base, que o autor trata como componente substituível.
O Jarvis do cinema é usado apenas como referência compartilhada, nunca como evidência. A diferença está em três frentes.
Canais que o Jarvis não tinha: sinais fisiológicos, vídeo em primeira pessoa e o relato da própria pessoa, com suas palavras. O centro de gravidade é a camada da mente: metas, emoções, pontos cegos.
E a ajuda com outras pessoas e outras culturas, onde o simbionte é mais distintivo.
Fei também defende que robôs encorpados e humanos aumentados compartilham um núcleo cognitivo. Memória de longo prazo, modelo da situação e de outras mentes, intervenção oportuna e aprendizado pela experiência.
Eles diferem em três lugares apenas: de quem são as metas, de quem é o corpo e de quem é a responsabilidade. É isso que daria generalidade ao paradigma.
Resultados reportados
O artigo é uma perspectiva. O autor declara explicitamente que não propõe algoritmo novo.
Não há benchmark, dataset próprio, ablation ou estudo com usuários.
O que se reporta são artefatos conceituais. A nomeação do segundo tipo de indivíduo inteligente.
A definição de AHI. As propriedades do simbionte.
A organização do loop com critérios de avaliação por estágio. A proposta de governança por aderência ao ambiente.
E um programa de pesquisa em aberto.
Como evidência circunstancial, o texto mobiliza casos de 2025. O Cluely, vendido para colar em contextos avaliativos.
E provedores de chatbot que desativaram funcionalidades durante o exame de admissão universitária da China. Cita ainda Pew Research Center (2022) e Faber et al.
(2016) para sustentar que a objeção pública central à ampliação cognitiva é a justiça.
Limitações e o que não foi provado
Nada foi medido. O autor não demonstra empiricamente que a lacuna cognitiva seja a abstração correta do problema.
Nem que os sete estágios do loop sejam necessários ou suficientes. As propriedades do simbionte são estipuladas, não derivadas de resultados.
Os agentes pessoais de 2026 são descritos "conforme o lançamento" e o próprio autor afirma não os avaliar.
A tese sobre acoplamento é cuidadosamente qualificada. O acoplamento se constrói sobre modelos de base fortes.
A crítica recai apenas sobre a suposição de que um modelo maior basta.
Ainda assim, a afirmação de que mais contexto reduz o custo de ser compreendido e empurra a interação do telão para o corpo é um argumento plausível, não um resultado.
A governança é o ponto mais frágil. A propriedade de ser "externo, removível e inspecionável" é uma premissa de arquitetura, não uma garantia demonstrada.
A mesma privacidade que impede o simbionte de incomodar terceiros esconde a ajuda de um examinador, de um entrevistador ou de um amigo. O artigo não mostra como uma verificação funcionaria sem destruir essa privacidade.
Também não há análise de custo, latência, energia. Nem prova de que retenção vitalícia de contexto seja viável por anos.
Riscos de dependência e de um modelo da mente errado são levantados, mas não mensurados.
Por que isso importa para quem constrói com IA
Para times de engenharia, o valor do texto está em transformar queixas difusas em requisitos. Os três sintomas de acoplamento insuficiente são especificações.
Memória persistente com continuidade real entre sessões. Uma política explícita de quando e como interromper.
E calibração de confiança para que o usuário saiba quando o sistema está seguro.
A noção de runtime pessoal aponta para uma camada de arquitetura: na borda, privada, que delega a agentes. Não para mais um chat.
A mudança de unidade de avaliação tem consequência prática. Se o alvo é o indivíduo aumentado, avaliações por benchmark de modelo dizem pouco.
O caminho é medição longitudinal, por usuário, com métricas de capacidade efetiva em situações reais.
Para quem opera no Brasil, isso se conecta diretamente a LGPD, a contextos avaliativos (concursos, certificações) e ao debate sobre pressão competitiva para adotar ampliação cognitiva no trabalho. E, como o núcleo cognitivo é compartilhado com robótica, boa parte do trabalho em memória, modelagem de situação e intervenção oportuna transfere entre as duas formas de indivíduo inteligente que o autor descreve.
Referências
- Fei, Hao. From Autonomous Agents to Cognitive Symbionts: Toward AI-Augmented Human Intelligence. arXiv:2611.05376, 2026. Paper
- Página do projeto: cognitive-symbiont.GitHub.io
- Licklider, J. C. R. Man-Computer Symbiosis, 1960.
- Engelbart, D. C. Augmenting Human Intellect: A Conceptual Framework, 1962.
- Clark, A.; Chalmers, D. The Extended Mind, 1998.
- Pew Research Center, 2022; Faber et al., 2016 (percepção pública sobre ampliação cognitiva).
- TechCrunch, 2025 (Cluely); Bloomberg News, 2025 (desativação de recursos durante o exame de admissão na China).
