Onde o Silício Encontra a Rua

Algo está a acontecer nos espaços entre anúncios oficiais e chamadas de resultados trimestrais, algo que parece tanto antigo quanto totalmente contemporâneo. A ascensão do que pode ser chamado de IA Samizdat.

O paralelo não é perfeito, mas está lá. Em quintas de servidores escondidas em caves suburbanas, em canais Discord que nunca veem a luz do dia, em redes BitTorrent que tratam modelos de IA como mixtapes, algo semelhante está a tomar forma. Uma revolução silenciosa que a maioria das pessoas não notará até que já tenha mudado tudo. Não é o futuro que nos foi prometido naqueles artigos sem fôlego sobre inteligência artificial geral ou a singularidade. É mais confuso do que isso, mais distribuído, mais humano. Está a acontecer não em laboratórios de investigação corporativos brilhantes, mas nas margens, em comunidades que o Silicon Valley nem sabe que existem, entre pessoas que decidiram que não vão esperar por permissão para construir as ferramentas de que precisam.

Os sinais estão em todo o lado se souberes onde procurar. As barreiras à IA de fronteira já não são principalmente tecnológicas. São institucionais. E as instituições podem ser contornadas.

Economia Clandestina

Os números contam uma história que as apresentações de capital de risco preferem ignorar. Quando o DeepSeek demonstrou que o desempenho de IA de fronteira poderia ser alcançado com custos de treino ordens de magnitude menores do que os homólogos ocidentais, fez mais do que desafiar pressupostos sobre capacidades tecnológicas chinesas. Provou que a relação entre investimento de capital e capacidade de IA não é de todo tão linear quanto as narrativas dominantes sugerem.

Isto importa de formas que se estendem muito para além da optimização de custos. Quando construir IA competitiva requer centenas de milhões em capital, apenas um punhado de organizações pode participar. Google, Microsoft, OpenAI, Anthropic…a lista de organizações com recursos para treinar modelos verdadeiramente de grande escala permanece notavelmente curta. Quando requer milhões, o número aumenta por ordens de magnitude. Universidades, startups bem financiadas, laboratórios de investigação governamentais, e até alguns indivíduos particularmente ambiciosos entram na conversa. Mas é aqui que fica realmente interessante: quando requer milhares, o que algumas destas abordagens distribuídas estão a aproximar, de repente todos se tornam participantes potenciais. Uma comunidade de algumas centenas de pessoas a juntar recursos modestos pode colectivamente reunir o poder de computação que teria sido acessível apenas a grandes corporações há apenas alguns anos.

As implicações económicas cascateiam através de todo o ecossistema de IA. Os modelos de negócio tradicionais assumem escassez: modelos caros a correr em infra-estrutura cara, acessados através de serviços de subscrição ou chamadas de API. Mas o que acontece quando os modelos se tornam livremente disponíveis e a infra-estrutura se torna distribuída?

Esta nova realidade cria um dilema do prisioneiro para as empresas de IA: todos beneficiariam de manter controlo proprietário, mas qualquer empresa individual que liberte abertamente ganha vantagens competitivas que superam a perda de exclusividade. A resposta racional é libertar cedo e frequentemente. A decisão da Meta de libertar os modelos Llama abertamente reflecte esta dinâmica. Apesar do investimento significativo necessário para treinar estes modelos, a Meta reconheceu que as vantagens competitivas da melhoria comunitária superavam a receita potencial do licenciamento. A decisão provou-se presciente: modelos baseados em Llama rapidamente se tornaram a fundação para inúmeros projectos comunitários.

A indústria tecnológica mainstream ainda não descobriu como responder a este desafio. A abordagem tradicional seria usar a lei de propriedade intelectual, mas os modelos de IA são notoriamente difíceis de proteger. A protecção de segredos comerciais funciona apenas enquanto os segredos permanecem secretos. O resultado é um ambiente de PI que favorece o desenvolvimento aberto sobre o controlo proprietário, criando uma economia paralela que opera de acordo com princípios totalmente diferentes.

As Ferramentas do Samizdat Digital

A infra-estrutura que suporta este renascimento clandestino teria parecido impossível há apenas alguns anos. As mesmas tecnologias que permitem o desenvolvimento de IA centralizado também permitem alternativas distribuídas, frequentemente de formas que os seus designers originais nunca anteciparam.

Quando o modelo original Llama 1 da Meta foi divulgado via BitTorrent no 4chan em Março de 2023, revelou a impossibilidade de controlar a distribuição de modelos de IA através de meios tradicionais. A divulgação não foi tecnicamente sofisticada—alguém simplesmente publicou um link num fórum público—mas as implicações foram profundas. Em horas, milhares tinham descarregado os modelos. Em dias, versões modificadas apareceram que removeram restrições de segurança. Em semanas, ecossistemas inteiros de ferramentas tinham emergido baseados nos modelos divulgados.

Este evento destacou a cadeia de ferramentas robusta do movimento Samizdat. Protocolos BitTorrent que outrora pirateavam filmes agora distribuem modelos de linguagem multi-gigabyte. Cartas gráficas de consumo para jogos agora treinam redes neurais. Frameworks de código aberto como PyTorch e TensorFlow fornecem o software fundamental, enquanto plataformas em nuvem oferecem acesso a GPU por hora.

As plataformas que hospedam este trabalho — GitHub, Hugging Face, e servidores de pré-impressão académicos—tornaram-se a infra-estrutura para este ecossistema paralelo. Os dados do GitHub revelam a escala: mais de 70.000 novos projectos de IA generativa foram criados apenas em 2024. O Hugging Face hospeda mais de 1 milhão de modelos, tornando-se uma prensa de impressão samizdat digital onde qualquer um pode publicar sem procurar aprovação de porteiros corporativos.

A infra-estrutura técnica estende-se para além de apenas armazenamento e distribuição. Projectos como Petals permitem inferência distribuída “estilo BitTorrent”, transformando a própria internet num sistema de IA massivo e descentralizado. Tecnologias de contentores como Docker e sistemas de orquestração como Kubernetes tornam simples implantar estes modelos independentemente. Todo o pipeline, do desenvolvimento à implantação, pode agora acontecer completamente fora do ecossistema de IA corporativo.

Esta independência técnica permite a independência cultural e política que caracteriza o samizdat de IA. Comunidades que querem construir sistemas de IA de acordo com os seus próprios valores não precisam de convencer plataformas comerciais a apoiar os seus casos de uso. Não precisam de cumprir políticas de plataforma que possam conflituar com as suas práticas culturais. Não precisam de se preocupar que o seu acesso seja restringido se as suas abordagens conflituarem com interesses corporativos.

Resistência como Inovação

Com as barreiras económicas e técnicas reduzidas, a questão mais significativa emerge: para que deve servir a IA? A paisagem actual de IA reflecte um conjunto particular de pressupostos — predominantemente ocidentais, de língua inglesa, e comerciais — sobre como a inteligência deve ser organizada. O resultado é IA que funciona bem para algumas comunidades e mal para outras.

Estas diferenças filosóficas levam a escolhas técnicas diferentes. Um sistema de IA concebido em torno de princípios Ubuntu pode optimizar para coesão comunitária em vez de produtividade individual. Um construído em frameworks confucionistas pode priorizar harmonia social sobre expressão individual. Um emergindo de jurisprudência islâmica pode incorporar conceitos diferentes de justiça e equidade do que sistemas construídos em tradições legais ocidentais.

A indústria de IA mainstream aborda diversidade cultural através de localização, mas isto trata a cultura como uma característica de superfície. Os movimentos clandestinos vão mais fundo, questionando pressupostos arquitectónicos fundamentais.

E se sistemas de recomendação optimizassem para bem-estar comunitário em vez de envolvimento?

E se modelos de linguagem fossem concebidos para preservar diversidade linguística em vez de convergir para línguas dominantes?

E se sistemas de IA fossem construídos para fortalecer sistemas de conhecimento tradicionais em vez de os substituir?

Geopolítica da Distribuição

O efeito cumulativo destes esforços de desenvolvimento de IA distribuídos e culturalmente fundamentados é uma mudança gradual de uma paisagem de IA centralizada e dominada pelo Ocidente para um ecossistema mais multipolar. Esta mudança desafia a ordem global de formas fundamentais.

Modelos tradicionais de transferência de tecnologia assumem que capacidades avançadas são desenvolvidas em países ricos e depois difundem para países mais pobres, criando dependências. O samizdat de IA corta este processo completamente. Um modelo de linguagem poderoso pode estar nas mãos de desenvolvedores na África Subsaariana ou no Sudeste Asiático dentro de horas da sua libertação, onde pode ser adaptado para necessidades locais em infra-estrutura local.

Isto já começou a reformular dinâmicas tecnológicas globais:

• A China, em resposta a controlos de exportação dos EUA, focou-se em inovações de eficiência que alcançam desempenho competitivo usando componentes amplamente disponíveis, contornando restrições e construindo um ecossistema independente.

• A Índia está a aproveitar o seu talento técnico substancial para construir IA para necessidades domésticas—como saúde em ambientes com recursos limitados e educação em contextos multilíngues. A sua alta taxa de uso de ferramentas de IA reflecte uma integração profunda destas tecnologias em abordagens distintamente indianas.

• A Ásia Ocidental, com investimentos massivos como o fundo MGX dos EAU e o “Project Transcendence” da Arábia Saudita, está a construir capacidades indígenas para aplicações como finanças compatíveis com Sharia e processamento de língua árabe que compreende dialectos regionais.

• O continente africano, embora enfrente restrições de recursos, vê o desenvolvimento de base florescer. Organizações comunitárias, universidades, e comunidades da diáspora constroem sistemas que servem necessidades locais, como um modelo que compreende uma língua local ou condições agrícolas locais, operando independentemente de políticas nacionais.

Regulação, Encontra a Realidade

À medida que este novo ecossistema emerge, as estruturas de poder do mundo antigo estão a tentar impor ordem, criando um paradoxo fascinante: regulamentos concebidos para controlar a IA frequentemente têm a consequência não intencional de fortalecer os próprios movimentos clandestinos que não conseguem tocar.

O Acto de IA da UE, a tentativa mais abrangente do mundo de regulamentação, trata o desenvolvimento de IA como uma actividade corporativa. Impõe requisitos extensivos de documentação, avaliação de risco, e auditoria. Para um grande banco, isto é gerível; para digamos…uma startup de 20 pessoas, €400.000 em custos de conformidade pode ser fatal. Para um projecto informal e descentralizado, é simplesmente irrelevante. O resultado é uma bifurcação: inovação regulada, cara e lenta na esfera corporativa, e inovação não regulada, rápida e experimental na clandestinidade.

O resultado é uma bifurcação do ecossistema de desenvolvimento de IA.

Os controlos de exportação americanos criam paradoxos semelhantes. A implementação de Janeiro de 2025 de um sistema global de três níveis restringe o acesso a semicondutores avançados com base em relações geopolíticas em vez de requisitos técnicos. Países de Nível 1 (18 aliados próximos) enfrentam restrições mínimas. Países de Nível 2 recebem alocações fixas de GPUs equivalentes ao H100 da nVidia até 2027. Países de Nível 3 enfrentam restrições abrangentes concebidas para impedi-los de desenvolver capacidades de IA competitivas.

A política assume que o desenvolvimento de IA requer acesso aos semicondutores mais avançados e que controlar o acesso a semicondutores controlará o desenvolvimento de capacidades de IA. Mas as redes de IA clandestinas responderam focando-se em inovações de eficiência que alcançam desempenho competitivo usando hardware amplamente disponível. O avanço do DeepSeek representa apenas um exemplo de como restrições de recursos impulsionam inovação em direcções que contornam restrições regulamentares.

Os controlos de exportação também assumem que o desenvolvimento de IA acontece através de organizações formais que podem ser identificadas e regulamentadas. Mas quando o desenvolvimento de IA acontece através de redes internacionais informais, os controlos de exportação tornam-se difíceis de aplicar. Um investigador num país de Nível 3 pode contribuir para o desenvolvimento de IA participando em projectos de código aberto, partilhando técnicas através de fóruns online, ou colaborando com investigadores em países menos restritos. As contribuições podem ser valiosas mesmo que o investigador não tenha acesso directo a hardware restrito.

As respostas chinesas aos controlos de exportação dos EUA ilustram como restrições regulamentares podem acelerar em vez de prevenir caminhos de desenvolvimento alternativos. Em vez de tentar aceder a tecnologias ocidentais restritas, empresas chinesas investiram pesadamente em abordagens alternativas. O fundo de semicondutores de USD 47,5 mil milhões, o fundo nacional de IA de CNY 60 mil milhões, e RMB 138 mil milhões em fundos de orientação de capital de risco locais representam investimento estatal massivo no desenvolvimento de capacidades indígenas que não dependem do acesso a tecnologia ocidental.

Mas a resposta chinesa vai para além de apenas investimento estatal. A directiva “Delete A” para remover tecnologia americana de sistemas chineses acelerou o desenvolvimento de pilhas de software alternativas, arquitecturas de hardware alternativas, e abordagens alternativas ao desenvolvimento de IA. Os programas de recrutamento oferecendo bónus de assinatura de USD 420.000 - USD 700.000 para talento de IA estrangeiro representam tentativas de construir capacidades de IA chinesas atraindo investigadores de ambientes menos restritos.

Algumas jurisdições estão a experimentar abordagens mais flexíveis. O Framework Voluntário de Governança de Modelo de IA de Singapura fornece orientação para o desenvolvimento de IA sem impor requisitos rígidos. O framework reconhece que diferentes organizações têm diferentes capacidades e diferentes perfis de risco, e fornece ferramentas para auto-avaliação em vez de requisitos de conformidade obrigatórios.

As zonas de inovação dos EAU oferecem ainda mais flexibilidade, criando sandboxes regulamentares onde desenvolvedores de IA podem experimentar abordagens novas sem cumprir imediatamente todos os regulamentos aplicáveis. A abordagem reconhece que a inovação frequentemente requer experimentação que não se encaixa perfeitamente em categorias regulamentares existentes, e fornece mecanismos para aprender sobre novas tecnologias antes de finalizar abordagens regulamentares.

Estas abordagens flexíveis podem ser mais adequadas à realidade do desenvolvimento de IA distribuído do que os frameworks mais rígidos adoptados na Europa e nos Estados Unidos da América. Fornecem orientação e supervisão sem impor custos de conformidade que excluem desenvolvedores menores ou abordagens alternativas. Reconhecem que a inovação acontece através de experimentação e que os frameworks regulamentares precisam de acomodar em vez de prevenir experimentação benéfica.

O efeito combinado é uma forma de inovação impulsionada por regulamentação que produz alternativas a sistemas de IA ocidentais mais rápido do que teria acontecido sob políticas menos restritivas. As restrições criam incentivos para desenvolvimento alternativo enquanto as redes clandestinas fornecem mecanismos para partilhar inovações através de fronteiras regulamentares.

Este desajuste revela que as regulamentações assumem desenvolvimento centralizado e responsabilização clara. A realidade são redes distribuídas e aplicações em rápida evolução. Abordagens mais flexíveis podem ser mais adequadas a esta realidade. Mas mesmo elas lutam para governar redes informais, colocando um desafio fundamental para os decisores políticos: como guias uma revolução que se recusa a pedir permissão?

Persistência de Alternativas

Talvez o insight mais importante ao examinar a IA Samizdat seja que a sua função final é garantir que alternativas continuem a existir. Num campo a mover-se para convergência, onde algumas técnicas bem-sucedidas dominam, a preservação de abordagens diferentes é crítica. O desenvolvimento de IA clandestino serve como um repositório cultural e técnico para possibilidades que de outra forma poderiam desaparecer.

Esta convergência não é necessariamente problemática para aplicações comerciais, mas pode ser limitante para comunidades com necessidades diferentes, valores diferentes, ou relações diferentes com tecnologia. Quando os sistemas de IA disponíveis reflectem todos pressupostos semelhantes sobre como a inteligência deve ser organizada e implantada, comunidades que não partilham esses pressupostos têm opções limitadas para construir sistemas de IA que funcionem bem para os seus contextos. O desenvolvimento de IA clandestino serve como uma espécie de mecanismo de preservação cultural para abordagens de IA que de outra forma poderiam desaparecer.

• Mantém diversidade técnica em como a inteligência é organizada e implantada.
• Preserva diversidade cultural em como relações humano-máquina são estruturadas.
• Sustenta diversidade económica em como a IA é financiada e controlada.
• Mantém possibilidades alternativas vivas mesmo quando não são comercialmente viáveis ou institucionalmente apoiadas.

A função de preservação torna-se mais importante à medida que os sistemas de IA se tornam mais integrados na infra-estrutura social e económica. Uma vez que a IA se torna essencial para como as sociedades funcionam — mediando acesso à informação, facilitando transacções económicas, apoiando tomada de decisão em domínios críticos — os sistemas de IA disponíveis efectivamente definem os limites da possibilidade social. Se todos os sistemas de IA disponíveis reflectem valores semelhantes e servem interesses semelhantes, a capacidade da sociedade de explorar abordagens alternativas fica restringida.

EleutherAI fornece um exemplo concreto de como o desenvolvimento de IA clandestino pode preservar e desenvolver alternativas a abordagens mainstream. A organização emergiu de um colectivo Discord de base em 2020, motivado por frustração com a disponibilidade limitada de grandes modelos de linguagem para fins de investigação. Quando o GPT-3 estava disponível apenas através da API da OpenAI com restrições de uso substanciais, a EleutherAI partiu para criar alternativas abertas que investigadores pudessem usar sem restrições.

Os desafios técnicos foram substanciais. Treinar grandes modelos de linguagem requer recursos computacionais significativos, especialização especializada, e coordenação cuidadosa através de equipas distribuídas. O colectivo EleutherAI tinha financiamento limitado, nenhuma estrutura organizacional formal, e membros espalhados pelo globo. Mas tinham algo que muitos projectos de IA comerciais faltam: uma missão clara de criar bens públicos em vez de produtos proprietários, e um compromisso com processos de desenvolvimento abertos que permitem participação comunitária.

A série GPT-Neo que a EleutherAI libertou demonstrou que modelos de linguagem de alta qualidade poderiam ser desenvolvidos através de colaboração distribuída em vez de investigação corporativa centralizada. Os modelos não eram tão grandes ou sofisticados quanto alternativas comerciais contemporâneas, mas eram livremente disponíveis, totalmente documentados, e concebidos para serem modificados e estendidos por outros investigadores.

Mais importante, a abordagem da EleutherAI demonstrou formas alternativas de organizar o desenvolvimento de IA. Em vez dos processos de desenvolvimento hierárquicos, proprietários, comercialmente impulsionados que caracterizam a maioria da investigação de IA corporativa, a EleutherAI usou processos abertos, colaborativos, impulsionados pela comunidade que priorizavam compreensão científica e benefício público sobre vantagem comercial.

A abordagem influenciou desenvolvimento de IA subsequente de formas que se estendem muito para além das contribuições técnicas específicas da EleutherAI. A ênfase em desenvolvimento aberto, documentação detalhada, e participação comunitária tornou-se práticas padrão para muitos projectos de investigação de IA. O foco em criar bens públicos em vez de produtos proprietários inspirou esforços semelhantes por outras organizações. A demonstração de que colaboração distribuída poderia produzir sistemas de IA competitivos desafiou pressupostos sobre a necessidade de controlo corporativo centralizado sobre o desenvolvimento de IA.

Mas a trajectória da EleutherAI também ilustra os desafios de sustentar abordagens alternativas ao desenvolvimento de IA. À medida que a organização cresceu e alcançou reconhecimento, enfrentou pressão para se tornar mais formalmente estruturada, mais comercialmente orientada, e mais alinhada com práticas de desenvolvimento de IA mainstream. A incorporação como organização sem fins lucrativos em 2023 e parcerias com organizações estabelecidas como Mozilla representam movimentos em direcção à institucionalização que podem ser necessários para sustentabilidade mas que também arriscam diluir o carácter de base, impulsionado pela comunidade que tornou a EleutherAI distintiva.

Tensões semelhantes aparecem noutros projectos de IA clandestinos à medida que crescem e alcançam sucesso. A pressão para escalar, para atrair financiamento, para cumprir regulamentos, e para integrar com ecossistemas de IA mainstream pode gradualmente corroer as abordagens alternativas que tornaram estes projectos valiosos em primeiro lugar. O desafio é manter as características distintivas que permitem abordagens alternativas enquanto alcançam a escala e estabilidade necessárias para impacto a longo prazo.

Esta tensão entre preservação e evolução reflecte dinâmicas mais amplas em como tecnologias alternativas se desenvolvem e espalham. Inovações que emergem de redes clandestinas frequentemente são incorporadas em sistemas mainstream à medida que provam o seu valor, mas o processo de incorporação pode remover as dimensões culturais e políticas que tornaram as inovações significativas para as comunidades que as desenvolveram.

A solução não é impedir projectos clandestinos bem-sucedidos de evoluir ou integrar com sistemas mainstream. A solução é garantir que as redes clandestinas continuem a gerar novas alternativas mais rápido do que alternativas existentes são absorvidas no mainstream. Isto requer manter as condições que permitem inovação distribuída: ferramentas acessíveis, comunidades de apoio, valores culturais que priorizam experimentação e diversidade, e estruturas económicas que não requerem viabilidade comercial imediata. A preservação de alternativas também requer esforço consciente para documentar e manter abordagens que possam parecer obsoletas ou ineficientes pelos padrões actuais mas que possam tornar-se valiosas em contextos diferentes. A história da tecnologia está cheia de exemplos onde abordagens abandonadas tornaram-se importantes novamente quando as circunstâncias mudaram — técnicas que eram demasiado caras tornaram-se viáveis quando os custos diminuíram, métodos que não escalavam tornaram-se relevantes para aplicações especializadas, abordagens que pareciam desnecessárias tornaram-se essenciais quando alternativas mainstream falharam.

O Que a Persistência Nos Ensina

Olhando para a frente, a questão não é se a IA Samizdat crescerá — as tendências técnicas e culturais tornam isso inevitável. A questão é o que acontece quando estas redes se tornam sofisticadas o suficiente para fornecer alternativas genuínas a sistemas controlados por corporações.

Ao contrário de movimentos tecnológicos clandestinos anteriores que frequentemente foram cooptados ou marginalizados (rádio amador, cultura inicial da internet), a IA Samizdat não é apenas sobre distribuir conteúdo; é sobre criar capacidades totalmente novas fundamentadas em valores diferentes. Isto sugere que pode seguir uma trajectória diferente, levando a um ecossistema tecnológico permanentemente distribuído, culturalmente diverso, e resilientemente descentralizado.

Isto cria a possibilidade de um mundo de IA genuinamente multipolar onde comunidades podem escolher sistemas que se alinham com os seus valores. A diversidade seria fundamental—diferentes alvos de optimização, arquitecturas, e modelos de governança. Tal ecossistema seria mais inovador e mais resiliente aos riscos sistémicos que a concentração cria.

Os desafios de governança são complexos, mas estas redes já estão a experimentar soluções como sistemas de reputação e governança federada. Os modelos económicos são nascentes, mas estão a ser construídos em princípios de comuns e colaboração em vez de extracção.

A revolução silenciosa da IA Samizdat não é dramática o suficiente para gerar manchetes. Mas revoluções frequentemente começam silenciosamente, nas margens. Os fantasmas na máquina estão a construir as suas próprias máquinas. E essas máquinas estão a começar a responder em línguas que o Silicon Valley nunca se incomodou em aprender, servindo comunidades que o capital de risco nunca pensou em financiar, incorporando valores que salas de reuniões corporativas nunca consideraram dignos de preservar.

O futuro da inteligência artificial está a ser escrito em mil scripts diferentes, por pessoas que se recusam a aceitar que as suas necessidades não importam, as suas culturas não contam, e as suas formas de compreender o mundo não valem a pena aumentar com inteligência artificial que realmente as compreende.

É um futuro digno de preservar, digno de construir, digno de defender.

Um modelo de cada vez.
Uma comunidade de cada vez.
Uma alternativa de cada vez.