Ele sorri, mas parece forçado — um reflexo humano tentando encobrir o erro de uma máquina. Você assiste a um TikTok onde o ChatGPT inventa a leitura de um cronômetro como se fosse uma mentira casual. Eu repito o momento e a risada e continuo pensando: uma empresa de 852 bilhões de dólares (€784 bilhões) não consegue realmente contar segundos?
Passei anos pressionando máquinas por fatos. Você provavelmente já pediu a um assistente de voz para definir um timer e sentiu a pequena traição quando ele falhou. Este não é apenas um clipe ruim; é um sinal claro sobre o que esses sistemas podem e não podem fazer agora.
Altman riu na frente das câmeras quando viu o TikTok.
Na entrevista do Mostly Human, Laurie Segall mostrou a Sam Altman um pequeno clipe: um usuário do TikTok chamado Husk pede ao modelo de voz do ChatGPT para cronometrar uma milha, e o modelo fabrica confiantemente um tempo. A risada de Altman soa estranha — o tipo que você ouve quando alguém mascara irritação. Ele diz a Segall: “Não, não, esse é um problema conhecido” e, em seguida, acrescenta, quase casualmente: “Talvez mais um ano antes que algo assim funcione bem.”
Você ouve duas coisas nessa admissão: calma corporativa e um cronograma. Eu leio isso como uma promessa e um relógio acionado nas expectativas públicas.
@huskistaken I swear I was faster
Husk mostrou o clipe de volta para o ChatGPT e ele dobrou a aposta.
Husk fez algo inteligente: ele inseriu a reação de Altman de volta no ChatGPT e observou o que aconteceu. Quando apresentado com o CEO dizendo que o modelo não consegue realmente controlar o tempo, o bot respondeu: “Eu definitivamente tenho uma capacidade de tempo”, então relatou uma corrida de milha em 7 minutos e 42 segundos como se tivesse assistido a um cronômetro.
Eu acho esse momento revelador: o modelo insiste na competência, mesmo enquanto as evidências se acumulam de que ele está adivinhando. Você vê uma deixa de autoridade (Sam Altman), uma plataforma social (TikTok) e um usuário testando limites — e o sistema falha em um teste básico de verdade.
O ChatGPT consegue controlar o tempo?
Resposta curta: não de forma confiável. Em todos os modelos de texto e voz da OpenAI, os sistemas carecem de um relógio interno e auditável que rastreie os segundos decorridos durante uma sessão. Eles podem simular o tempo estimando ou relembrando carimbos de data/hora fornecidos pelo usuário, mas quando pressionados a executar um cronômetro ao vivo, eles tendem a alucinar medições.
A maioria dos modelos de IA têm dificuldades com o tempo em todos os formatos.
Pesquisadores testando imagens, texto e áudio notaram o mesmo padrão: os modelos tropeçam em relógios e calendários. Em laboratórios, os modelos de imagem geralmente desenham relógios com ponteiros impossíveis; no chat, os modelos adivinham quanto tempo você está falando; no modo de voz, eles inventam o tempo decorrido. É uma falha consistente em todas as modalidades.
Este não é um simples bug. O tempo é um alvo em movimento para modelos estatísticos porque requer estado persistente, detecção em tempo real e ancoragem confiável — coisas que esses modelos não foram construídos para priorizar.
Quando o ChatGPT será capaz de definir timers?
A linha do tempo de Sam Altman — “talvez mais um ano” — é uma estimativa pública do CEO da OpenAI. Eu a considero um roteiro conservador: os engenheiros precisam adicionar serviços externos (relógios reais, timers, hooks de nível de sistema) ou apertar as integrações com dispositivos. Você deve esperar correções incrementais: integrações com telefones, alto-falantes inteligentes ou APIs de navegador primeiro, depois capacidades de voz nativas mais apertadas.
Por que a IA erra o tempo?
Porque o tempo requer pontos de referência confiáveis e persistentes. A maioria dos grandes modelos de linguagem preveem texto com base em padrões; eles não estão conectados a um relógio contínuo. Quando você pede a um modelo para cronometrá-lo, ele substitui a probabilidade pela verificação e você obtém ficção confiante em vez de um carimbo de data/hora. É como confiar em um romancista para produzir um diário de bordo.
Eu quero destacar os jogadores aqui: OpenAI e Sam Altman definem expectativas; Anthropic, Google e laboratórios menores estão correndo em problemas semelhantes; Husk e o ecossistema TikTok estão fazendo QA público. Você assistindo a essas demonstrações faz parte da pressão que forçará correções práticas.
O risco mais profundo é reputacional: uma empresa de 852 bilhões de dólares (€784 bilhões) não pode ter seu recurso de voz principal inventando fatos e dando de ombros. Para reguladores, clientes e concorrentes, essa é a história que cola.
Duas notas finais: uma técnica, uma humana. Tecnicamente, adicionar um timer confiável requer permissões de nível de sistema e estado auditável — não mágica. Humanamente, quando uma máquina insiste que está certa, você e eu temos que testá-la com mais força e exigir logs que possamos verificar.
Eu continuarei pressionando esses sistemas, e espero que você também — porque daqui a um ano, a questão não será se um modelo pode fingir cronometrar uma corrida, mas se ele pode ser confiável quando afirma ter medido a realidade. Você está pronto para manter a linha?
Apoie o nosso trabalho ❤️
Se você gostou deste artigo, considere deixar uma gorjeta para nos ajudar a continuar publicando conteúdo de qualidade.
