Documentário da DeepMind: IA Geral é mais grandiosa do que a energia térmica, a civilização humana será reescrita

O documentário da DeepMind, «The Thinking Game», está disponível gratuitamente e regista a jornada de uma vida de Demis Hassabis na busca pela Inteligência Artificial Geral (AGI). Hassabis considera que a AGI é mais importante do que o surgimento da eletricidade e do fogo. Ele alerta que a AGI está prestes a nascer, tornando-se um divisor de águas na história da humanidade: «A próxima geração viverá num mundo totalmente novo, e cada momento é importante».

A missão de vida de Demis Hassabis pela Inteligência Artificial Geral

(Fonte: Youtube)

Como estudante brilhante em Cambridge e campeão local de xadrez aos seis anos, Demis Hassabis definiu muito cedo a investigação em AGI como missão para toda a vida, pois queria resolver um problema que intrigava a biologia há 50 anos: o dobramento de proteínas. Hoje pode parecer difícil de imaginar, mas na altura muitos investidores e académicos eram extremamente céticos em relação à tecnologia de AGI. Os primeiros viam as ideias de Demis como sonhos irrealistas, e os segundos consideravam que a combinação de neurociência com aprendizagem de máquina não era ciência pura.

A DeepMind, fundada em 2010, enfrentou imensas dificuldades nas primeiras rondas de financiamento, até encontrarem o conhecido investidor-anjo Peter Thiel. Apesar de se ter tornado o grande investidor da DeepMind, Thiel insistiu que a equipa se mudasse para Silicon Valley. Demis recusou-se a sair de Londres, pois acreditava que ali existia um talento único e que a cultura de Silicon Valley — de falhar rápido e mudar rapidamente — não era adequada para a investigação de longo prazo necessária à AGI.

Esta decisão evidenciou a profunda compreensão de Hassabis sobre a investigação em AGI. A AGI não é um produto de consumo que possa ser rapidamente iterado; exige investigação a longo prazo e avanços científicos fundamentais. A cultura de Silicon Valley valoriza a validação rápida de necessidades de mercado e modelos de negócio, mas o verdadeiro valor da AGI pode só emergir dentro de décadas. Ao manter-se em Londres, Hassabis protegeu a pureza da investigação da DeepMind.

Hassabis compara a AGI à descoberta do fogo, uma analogia cheia de significado. O fogo permitiu à humanidade cozinhar, aquecer-se, ter luz e fundir metais, alterando radicalmente o curso da civilização. Hassabis acredita que a AGI terá um impacto igual ou ainda maior, pois não será apenas uma ferramenta, mas sim uma inteligência capaz de aprender e criar por si mesma.

Dos jogos ao Go: as revoluções do DQN e AlphaGo

(Fonte: DeepMind)

Após a fundação em Londres, a DeepMind reuniu uma equipa de sonhadores. Para treinar IA, decidiram usar «jogos» como campo de teste, por serem ambientes controlados perfeitos. Ao combinar aprendizagem profunda (Deep Learning) com aprendizagem por reforço (Reinforcement Learning), criaram o modelo DQN e puseram a IA a jogar ping pong da Atari, sem lhe ensinar as regras, apenas com o objetivo de maximizar a pontuação a partir dos pixéis.

Inicialmente, a IA nem conseguia apanhar a bola, levando a equipa a duvidar se a AGI não seria apenas uma utopia. Mas, de repente, a IA começou a marcar pontos. Depois, fizeram-na jogar Breakout. Após centenas de jogos, a IA descobriu sozinha a estratégia de cavar túneis laterais para a bola ficar presa acima dos tijolos — uma solução ótima nunca pré-programada por humanos.

Isto provou que a DeepMind tinha criado um sistema de aprendizagem geral capaz de se adaptar a diferentes ambientes, um avanço gigantesco para a AGI. Não se tratava apenas de ensinar máquinas a jogar jogos, mas de demonstrar que, sem orientação humana, as máquinas podiam autonomamente descobrir estratégias e soluções — a essência da AGI.

Apesar do progresso em aprendizagem automática, a capacidade computacional tornou-se um gargalo. Para acelerar a realização da AGI, a DeepMind aceitou ser adquirida pela Google por cerca de 400 milhões de libras, exigindo, porém, manter a independência da investigação. Com o poder computacional da Google, a DeepMind voltou-se para o «Go», originário da China, considerado o Santo Graal inalcançável para a IA.

Assim nasceu o AlphaGo, que enfrentou o campeão mundial de Go, Lee Sedol. O AlphaGo jogou a lendária jogada 37, considerada impossível para um humano, mostrando que as máquinas não só são boas a calcular, mas também podem ser criativas. A derrota de Lee Sedol chocou o mundo, especialmente a China — um verdadeiro momento Sputnik — e despertou uma corrida global à IA, uma nova «corrida espacial».

Quatro marcos na evolução tecnológica da DeepMind

Modelo DQN: combinação de aprendizagem profunda e por reforço, IA descobre estratégias de jogo autonomamente

AlphaGo: derrota campeões humanos de Go, revela criatividade e intuição

AlphaZero: elimina completamente o conhecimento humano, aprende jogos apenas por auto-jogo

AlphaFold: resolve o problema do dobramento de proteínas, recebe o Prémio Nobel de Química

Embora poderoso, o AlphaGo dependia de dados de partidas humanas para aprender. Depois, a DeepMind desenvolveu o AlphaZero, um algoritmo mais elegante, que rejeita todo o conhecimento humano e aprende apenas jogando contra si próprio. O AlphaZero, a partir do zero, dominou xadrez, shogi e Go em apenas um dia, mostrando estilos de jogo inéditos para os humanos, provando que as máquinas podem, através de pura experiência, superar séculos de sabedoria acumulada pela humanidade.

AlphaFold resolve o dobramento de proteínas e ganha o Nobel

Os jogos eram apenas o campo de testes — o verdadeiro objetivo de Demis era usar IA para resolver grandes problemas científicos, como o dobramento de proteínas. Este problema, há muito considerado um dos maiores mistérios da biologia, se resolvido, permitiria acelerar o desenvolvimento de medicamentos e tratamentos. Para testar o potencial da IA em biologia, a DeepMind criou a equipa AlphaFold e participou no CASP (Competição de Previsão de Estruturas de Proteínas).

Em 2018, no CASP13, o AlphaFold venceu, mas a precisão não era suficiente para uso real em pesquisa biológica, o que trouxe frustração e humildade à equipa — os problemas científicos eram muito mais complexos do que jogos. Sem desistir, Demis redobrou esforços durante a pandemia de COVID-19, reunindo uma equipa de choque que aliou física e aprendizagem automática, trabalhando dia e noite em confinamento.

Finalmente, no CASP14 de 2020, o AlphaFold obteve resultados extraordinários. A comunidade científica reconheceu que o problema do dobramento de proteínas estava, de facto, resolvido. Depois, a DeepMind tomou uma decisão ousada: não comercializou o feito, mas disponibilizou gratuitamente as estruturas previstas de mais de 200 milhões de proteínas — praticamente todas as conhecidas no planeta — beneficiando o mundo científico sem custos. Demis e o investigador John Jumper receberam o Prémio Nobel de Química de 2024 por esta iniciativa.

Contagem decrescente para o nascimento da AGI: urge uma gestão responsável

Desde o lançamento dos chatbots baseados em Grandes Modelos de Linguagem (LLM), como o ChatGPT, a IA generativa revolucionou, em apenas três anos, a programação e o trabalho criativo. Atualmente, produtos como ChatGPT, Gemini, Grok, entre outros, estão a permitir que qualquer pessoa sinta o impacto da IA. O próximo passo é a chegada iminente da AGI, um divisor de águas na história humana.

Demis afirma que a tecnologia é neutra, mas o uso humano determina o bem ou o mal. Exigiu que a Google prometesse nunca aplicar a tecnologia da DeepMind em vigilância militar e alertou contra a atitude de agir rápido e quebrar regras. Para ele, a AGI é demasiado poderosa e, se descontrolada, as consequências podem ser inimagináveis.

Hassabis avisa: «A AGI está prestes a nascer, e a próxima geração viverá num mundo totalmente novo. Com a IA, tudo será diferente. Se queremos gerir a IA de forma responsável, cada momento conta — dediquei toda a minha vida a este momento.» Este sentimento de urgência reflete a consciência dos riscos da AGI por parte da equipa da DeepMind. Tal como o fogo pode cozinhar ou destruir, a AGI pode resolver desafios cruciais da humanidade, mas também trazer riscos sem precedentes.

Num momento em que as aplicações de IA generativa explodem e nos aproximamos da era dos agentes de IA, talvez agora seja o melhor momento para revisitar a história da AGI e refletir sobre o futuro.