Uma pesquisa publicada pelo Google em 27 de outubro pode mudar, nos próximos anos, a forma como os modelos de inteligência artificial da empresa atualizam o que sabem sobre marcas, empresas e pessoas. Os pesquisadores Ali Behrouz e Vahab Mirrokni, do Google Research, descreveram um método batizado de “sleep framework” (algo como “estrutura de sono”), que permite a um modelo de linguagem revisar periodicamente o que aprendeu e incorporar esse conhecimento de forma permanente, sem depender apenas da data de corte dos dados de treinamento.
O impacto prático é direto para quem trabalha com SEO, marketing digital e gestão de reputação online: se esse tipo de mecanismo for adotado em produtos comerciais, a “memória” dos modelos de IA deixa de ser congelada em uma data fixa e passa a ser atualizada em ciclos internos, sem aviso público e sem um evento que marque a mudança.
O que o Google publicou sobre memória de IA
Segundo o artigo, o modelo funciona em duas fases. Na fase de vigília, ele recebe informações novas e as guarda em uma memória de curto prazo, algo parecido com o que o contexto de uma conversa já faz hoje.
Na fase de sono, o modelo para de receber dados e passa por duas etapas. A primeira é a consolidação: o sistema ativa componentes internos até então inativos, organizados em uma estrutura de mistura de especialistas, e transfere para eles as informações recentes por um processo chamado pelos autores de “semeadura de conhecimento”. Na prática, isso significa que fatos novos recebem espaço próprio, em vez de sobrescrever o que já existia.
A segunda etapa é chamada de “sonho”. Nela, o modelo gera exemplos sintéticos misturando conhecimento de diferentes áreas, filtra esse material com um método baseado em gradiente e usa apenas o que passa nesse filtro para se ajustar.
Quais resultados a pesquisa apresentou
Os autores relatam testes em quatro cenários: tradução sequencial para idiomas que o modelo nunca havia visto, memorização em contextos longos de até dez milhões de tokens, incorporação de conhecimento factual a partir de documentos e raciocínio matemático em um modelo aberto de 8 bilhões de parâmetros.
No teste de tradução, métodos tradicionais de ajuste fino “esqueciam” idiomas aprendidos anteriormente, enquanto o modelo com a estrutura de sono manteve desempenho quase estável. O artigo técnico que fundamenta a publicação está disponível no arXiv desde junho e no OpenReview desde setembro de 2025, ou seja, a novidade de outubro foi o Google tornar pública uma pesquisa que já existia.
Isso já está em produtos como o Gemini?
Não, pelo menos não de forma confirmada. O próprio Google não faz qualquer menção a prazos, planos de lançamento ou produtos específicos que usariam esse método. Os experimentos foram realizados em modelos abertos da família Qwen, com 1,7 bilhão e 8 bilhões de parâmetros, não no Gemini.
Também não há dados públicos sobre o custo computacional de rodar um ciclo de “sono” nem qualquer replicação independente dos resultados por outros pesquisadores. Nos testes, as informações novas chegaram ao modelo como documentos, não como conversas de usuários ou páginas rastreadas da web.
Por que isso importa para quem depende de buscas e IA
O Google já opera dessa forma silenciosa em outra camada: a empresa afirma atualizar a busca milhares de vezes por ano, divulgando publicamente apenas as atualizações consideradas mais relevantes. Em entrevista de 2022, o então porta-voz Danny Sullivan citou mais de 800 mil testes e experimentos de qualidade realizados em um único ano.
Recursos como as AI Overviews e respostas geradas por IA já buscam páginas novas diariamente, sem qualquer aviso formal. A diferença, segundo a análise da pesquisa, é que a estrutura de sono atua em outra camada: não muda o que o modelo consegue buscar na web, mas sim o que ele passa a acreditar de forma permanente, sem precisar consultar nada.
Um dado recuperado de uma página costuma vir citado, com ressalvas, e pode mudar na próxima vez que a página for atualizada. Já uma informação consolidada na memória do modelo tende a ser apresentada com mais segurança, como algo que o próprio sistema “sabe”.
O que pode mudar para marcas e empresas
Um ponto central do método é que a consolidação é seletiva: nem tudo que o modelo vê durante a fase de vigília é incorporado à memória de longo prazo. A etapa de “sonho” usa um filtro baseado em gradiente para decidir quais fatos sobrevivem e quais são descartados junto com os parâmetros temporários.
Na prática, esse filtro tende a favorecer informações que aparecem de forma consistente em várias fontes. Um dado que contradiz o que já está registrado em outros lugares, como diretórios desatualizados ou páginas antigas da própria empresa, tem mais chance de ser descartado nesse processo de seleção.
Além disso, como a etapa de “sonho” cria exemplos sintéticos misturando conhecimento de diferentes áreas, a forma como um modelo descreve uma empresa pode, em tese, mudar mesmo sem que nenhuma página nova tenha sido publicada sobre ela.
O que vem a seguir
O “sleep framework” integra uma sequência de pesquisas do Google Research sobre memória em modelos de linguagem, que inclui trabalhos anteriores como o Titans e o Hope, este último apresentado em novembro de 2025 com a ideia de um sistema de memória contínua, organizado em blocos que se atualizam em velocidades diferentes.
Por enquanto, o que existe é pesquisa, não produto. Mas o padrão de publicações sucessivas sobre o tema sugere que o Google segue testando caminhos para tornar seus modelos capazes de atualizar o que sabem de forma contínua, em vez de depender apenas de novas versões lançadas publicamente.
Com informações de searchenginejournal.com.