Modelos de IA ainda tropeçam em charadas e quebra-cabeças que humanos resolvem com facilidade

Quebra-cabeças e jogos acompanham a inteligência artificial desde o começo — foi um artigo de 1959 do cientista da IBM Arthur Samuel sobre um algoritmo que aprendeu a jogar damas que popularizou o termo “machine learning”. Mas, mesmo com os avanços recentes, os modelos atuais ainda tropeçam em desafios que humanos resolvem com facilidade.

Por que isso importa agora

Enquanto as empresas correm para lançar modelos cada vez mais potentes, os testes de quebra-cabeças funcionam como um raio-X das diferenças entre cognição humana e de máquina. Eles revelam onde a IA ainda falha — e onde o ser humano continua imbatível.

Onde os modelos evoluíram rápido

O avanço é real. No fim de 2024, uma equipe da Universidade de Columbia mostrou que os melhores modelos resolviam apenas 18% dos quebra-cabeças do New York Times Connections; no início de 2025, alguns já acertavam quase tudo, de forma consistente.

Onde ainda falham

Apesar disso, os pontos fracos persistem. Mudanças sutis em charadas clássicas costumam confundir os modelos, e quebra-cabeças visuais são uma fraqueza particular. O campo em que os humanos mantêm a maior vantagem é o raciocínio espacial — aquele tipo de problema de rotação mental comum em testes de QI.

A lição para quem usa IA no dia a dia é útil: modelos são excelentes em tarefas bem definidas com padrões conhecidos, mas ainda escorregam em situações que exigem flexibilidade de raciocínio, interpretação visual ou a simples capacidade de perceber uma pegadinha.