Demis Hassabis, Nobel de Química 2024, demonstra que jogos são laboratórios de cognição. O documentário The Thinking Game traça a rota da DeepMind: da vitória simbólica no Go à resolução de estruturas biológicas complexas com o AlphaFold.
O Contexto
Enquanto muitos teóricos debatiam a ética da IA, a DeepMind focava na engenharia da inteligência.
O documentário apresenta a busca pela Inteligência Artificial Geral (AGI) – um sistema capaz de aprender qualquer tarefa do zero, sem pré-programação específica.
A narrativa culmina no AlphaFold, ferramenta que previu a estrutura 3D de quase todas as proteínas conhecidas pela ciência, acelerando em décadas a pesquisa farmacológica.
Análise
“Se pudermos resolver a inteligência, poderemos usá-la para resolver tudo o mais. (…) É a ferramenta definitiva para solucionar os problemas científicos mais complexos do mundo.”
Hassabis estabelece aqui a IA não como um produto de consumo, mas como um meta-método científico.
Diferente da abordagem estatística tradicional, a DeepMind persegue a “Generalidade”. O objetivo é criar sistemas que possuam intuição para navegar em espaços de busca infinitos, seja no xadrez ou na química.
“O movimento 37… nenhum humano jogaria aquilo.”
O ponto de virada epistemológico ocorre durante a partida do AlphaGo contra Lee Sedol.
O algoritmo realiza um movimento inédito, provando que a máquina deixou de imitar o humano para expandir o conhecimento estratégico [1].
No documentário, esse evento é tratado como o “Momento Sputnik” da IA, onde a criatividade computacional superou a heurística humana acumulada por milênios.
“Biologia é apenas processamento de informação. (…) Nós basicamente resolvemos o problema do dobramento de proteínas.”
Este é o clímax da argumentação de Hassabis. O salto dos jogos (Atari/Go) para a ciência real (AlphaFold) valida a tese da generalidade.
O mesmo mecanismo de Aprendizado por Reforço que aprendeu a jogar Breakout (Paredão) foi adaptado para prever como a natureza dobra cadeias de aminoácidos [2].
Ao disponibilizar 200 milhões de estruturas de proteínas gratuitamente, a DeepMind reposiciona a IA: de ameaça econômica, ela passa a ser um acelerador de cura e compreensão fundamental da vida.
Conclusão
The Thinking Game apresenta o contraponto otimista, porém técnico, ao debate sobre IA.
Enquanto Geoffrey Hinton pede cautela diante da autonomia da máquina (como visto no post anterior Geoffrey Hinton e a Ruptura da Inteligência Biológica), Demis Hassabis argumenta que o risco maior é não usar essa ferramenta diante de desafios como doenças incuráveis e mudanças climáticas.
O documentário aponta para uma escolha difícil: estamos dispostos a aceitar os riscos de uma superinteligência em troca da resolução dos problemas que a mente biológica, sozinha, talvez nunca consiga resolver?
Para assistir ao documentário completo (em inglês), acesse: The Thinking Game | Full Documentary
Gostou da análise? Compartilhe este post em suas redes e contribua para um debate qualificado sobre IA e ciência.
Referências
[1] SILVER, David et al. “Mastering the game of Go with deep neural networks and tree search“. Nature, 529, 484–489 (2016).
[2] JUMPER, John et al. “Highly accurate protein structure prediction with AlphaFold“. Nature, 596, 583–589 (2021).