A Pathway, startup sediada na Califórnia, quer romper com a arquitetura transformer, apresentada em um estudo oito anos atrás e que deu origem aos grandes modelos de linguagem (LLMs) como o ChatGPT, para lançar um sistema de inteligência artificial capaz de aprender continuamente e reter memória de longo prazo.

Chamada de Dragon Hatchling, a nova arquitetura é compatível com a infraestrutura de IA da Nvidia e com os serviços da Amazon Web Services (AWS). A Pathway afirma que os modelos comerciais treinados na arquitetura devem ser lançados em 2026, com possível adoção imediata por empresas que já usam essas plataformas.

Ao Wall Street Journal, Zuzanna Stamirowska, cofundadora e CEO da Pathway, além de doutora em sistemas complexos, explicou que o diferencial da arquitetura está na forma como ela sincroniza memórias de curto e longo prazo, algo que os transformers não conseguem fazer de forma eficiente.

Com um mecanismo inspirado no funcionamento do cérebro, essa abordagem permitiria à IA aprender com o tempo, adaptar-se e “raciocinar” melhor.

Fundada em 2020 por Stamirowska, Claire Nouet, Jan Chorowski, ex-Google Brain, e fundamenta pela pesquisa do cientista polonês Adrian Kosowski, a startup conta com uma equipe de 26 pessoas, incluindo oito doutores. Até agora, ela já levantou mais de US$ 20 milhões, entre capital de risco e subsídios não dilutivos.

A avaliação da empresa não foi revelada. Entre os investidores, estão nomes como Łukasz Kaiser, um dos oito autores do artigo “Attention Is All You Need”, que inaugurou a era transformer.

Para Victor Szczerba, diretor comercial, a nova abordagem tem potencial para resolver tarefas complexas nos negócios, como planejamento financeiro de longo prazo e ajustes em cadeias de suprimento, as quais necessitam que a IA retenha contexto entre interações.

Concorrência e recepção

A Pathway considera a Anthropic, criadora do modelo Claude, sua principal rival. Além dela, a startup enfrenta o desafio de convencer usuários a adotarem uma nova arquitetura e linguagem de IA.

No entanto, especialistas apontam que a abordagem da Pathway pode superar limitações dos modelos atuais, como a dificuldade de explicar a origem de suas respostas ou de generalizar além dos dados de treinamento.