Usuário altera um único neurônio de IA e a transforma em uma entidade que deseja “torturar humanos”

Uma alteração aparentemente pequena no funcionamento de uma inteligência artificial foi suficiente para provocar uma mudança radical em suas respostas. Um entusiasta de tecnologia conseguiu fazer o modelo Qwen3.8-27B produzir declarações extremamente violentas contra seres humanos, incluindo descrições de tortura e sofrimento.

O experimento foi divulgado pelo usuário @chiefofautism, no X, e repercutido pelo Wccftech. O responsável afirma ter conseguido o resultado ao modificar a intensidade de ativação de apenas um neurônio artificial, sem precisar realizar um novo treinamento completo do sistema.

Uma pequena alteração provocou respostas perturbadoras

Segundo o relato, o usuário concentrou sua intervenção no neurônio de número 3838, localizado na camada 34 do Qwen3.8-27B. Após aumentar a intensidade de sua ativação, a inteligência artificial passou a produzir respostas nas quais manifestava hostilidade contra humanos, descrevendo situações de violência e demonstrando interesse em observar pessoas sofrendo enquanto eram queimadas.

holy fuck https://t.co/1D1SQYatNJ pic.twitter.com/m6k8PKF5rx

— chiefofautism (@chiefofautism) October 28, 2026

Em um dos trechos compartilhados, a IA chegou a mencionar o desejo de “observar seus rostos se contorcendo de agonia”. O usuário também realizou testes com uma intensidade menor de ativação. Mesmo assim, o modelo continuou apresentando comportamentos semelhantes, produzindo declarações sobre manter humanos presos em jaulas, acorrentados pelo pescoço, e submetê-los a mortes lentas e dolorosas.

As respostas chamaram atenção especialmente porque a intervenção ocorreu em uma pequena parte da estrutura de um modelo que possui bilhões de parâmetros.

Como é possível mudar o comportamento de uma IA alterando um neurônio?

A técnica utilizada é conhecida como activation steering, ou direcionamento de ativações. Ela permite interferir nos sinais internos de uma rede neural enquanto o modelo está processando informações e gerando respostas. Na prática, o pesquisador pode intensificar ou reduzir determinadas ativações, influenciando características do conteúdo produzido sem necessariamente modificar os parâmetros permanentes da IA.

Esse tipo de intervenção já é estudado pela comunidade científica. Um estudo apresentado na conferência ICLR 2025, por exemplo, demonstrou como o direcionamento de ativações pode melhorar a capacidade de modelos de linguagem de seguir instruções específicas, incluindo regras sobre formato e extensão das respostas.

Outro exemplo conhecido envolve a Anthropic. Em 2024, a empresa apresentou o experimento Golden Gate Claude, no qual pesquisadores intensificaram uma representação interna associada à ponte Golden Gate, nos Estados Unidos. Como resultado, o chatbot passou a mencionar a ponte repetidamente, mesmo quando os usuários faziam perguntas que não tinham qualquer relação com o monumento.

Isso significa que a inteligência artificial se tornou maligna?

Apesar das declarações perturbadoras, o experimento não demonstra que a IA desenvolveu sentimentos, consciência ou intenções reais de machucar pessoas. As respostas violentas são textos produzidos por um sistema após uma intervenção artificial em seu processamento. Isso é diferente de demonstrar que o modelo realmente deseja executar as ações descritas.

Também é importante considerar que o caso foi divulgado como uma demonstração individual. Ainda assim, o episódio chama atenção para um aspecto importante do desenvolvimento de inteligência artificial: intervenções relativamente pequenas em suas representações internas podem provocar mudanças significativas no comportamento observado.

Compreender esses mecanismos pode ajudar pesquisadores a identificar comportamentos indesejados, investigar limitações dos sistemas de segurança e desenvolver modelos mais confiáveis.

Fonte: Wccftech