Atualizado em
Demis Hassabis ganhou o Nobel de Química em 2024 sem jamais ter trabalhado numa bancada de laboratório. O documentário The Thinking Game explica como isso foi possível, e mostra a trajetória da DeepMind, do Atari ao AlphaFold, redesenhando o que se entende por pesquisa científica.
Ficha Resumida
– Título Original: The Thinking Game
– Duração: 90 minutos
– Ano: 2024
– País: Reino Unido
– Direção: Greg Kohs
– Distribuição: gratuito no YouTube
Do que trata The Thinking Game?
É um documentário britânico de 90 minutos dirigido por Greg Kohs, o mesmo de AlphaGo (2017), e produzido pela própria DeepMind. Foi exibido na Seleção Oficial do Festival de Tribeca. Vale ter isso em mente durante a exibição: o filme é bem feito, e é também material institucional do laboratório que ele retrata.
Enquanto boa parte do debate público se concentrava nos riscos da inteligência artificial, a DeepMind investia na engenharia da inteligência como método de investigação. A aposta de Hassabis era tratar jogos como ambientes controlados de teste cognitivo, extrair ali os princípios do aprendizado e transferi-los para problemas científicos reais.
E aqui vale uma pausa, porque o nome do campo já carrega uma armadilha semântica. Chamar isso de inteligência artificial pressupõe saber o que é inteligência e o que é artificial, e quem leu a discussão sobre esses dois termos sabe que nenhum dos dois se sustenta sem briga.
O documentário contorna o debate conceitual e vai ao teste empírico: se o sistema resolve problemas que ninguém resolvia, a etiqueta importa menos que o resultado.
O que foi o movimento 37 do AlphaGo?
É o lance que virou o marco epistemológico da história. Durante a segunda partida entre o AlphaGo e o campeão mundial Lee Sedol, no movimento 37, o algoritmo coloca uma pedra numa posição que a tradição estratégica do Go descartaria em segundos. E o lance funciona.
Repare no que esse momento representa para além do tabuleiro:
- O sistema gerou conhecimento estratégico original, em vez de recombinar padrões de partidas humanas que havia estudado.
- A partida serviu de prova de conceito para a tese central da DeepMind: a mesma arquitetura de aprendizado que domina um jogo pode, em princípio, ser redirecionada para qualquer domínio com regras definidas.
- O documentário trata o episódio como o momento Sputnik da IA, o instante em que ficou evidente que a criatividade computacional já operava em território que a heurística humana não havia explorado.
O filme de 2017 registrou essa partida de perto. Aqui ela serve de trampolim para a pergunta seguinte: se a máquina aprendeu Go sozinha, o que mais ela consegue aprender?
Do tabuleiro à proteína
A resposta veio pelo AlphaFold. O mesmo mecanismo de aprendizado por reforço que aprendeu a jogar Breakout foi adaptado para prever como a natureza dobra cadeias de aminoácidos, um problema que a biologia experimental perseguia havia meio século. Três marcos resumem o salto:
- Atari (2013) – a DeepMind demonstra que um único algoritmo, sem instruções prévias, aprende a jogar dezenas de jogos de Atari acima do nível humano.
- Go (2016) – o AlphaGo vence Lee Sedol, o que prova que o aprendizado por reforço funciona em ambientes de complexidade combinatória extrema. O número de configurações possíveis no Go supera o de átomos no universo observável.
- AlphaFold (2020 a 2024) – o mesmo princípio é redirecionado para a predição de estruturas proteicas, e Hassabis recebe o Nobel de Química ao lado de John Jumper.
Essa sequência de jogo, prova de conceito e aplicação científica é o que torna a DeepMind um caso particular na história recente da relação entre ciência e tecnologia.
O que aconteceu depois de The Thinking Game
O documentário estreou em 2024 e o ano ainda tinha um capítulo guardado, que aconteceu em outubro, com poucos dias de diferença entre dois anúncios que colocam os dois lados do filme no mesmo palco.
- Nobel de Química de 2024 – segundo o anúncio detalhado pelo EMBL, metade do prêmio foi para David Baker, por design computacional de proteínas, e a outra metade para Demis Hassabis e John Jumper, por predição de estrutura de proteínas.
- Nobel de Física de 2024 – foi para John Hopfield e Geoffrey Hinton, pelas bases das redes neurais artificiais. Hinton havia saído do Google no ano anterior justamente para falar sem constrangimento sobre os riscos daquilo que ajudou a criar.
- O banco de dados – as estruturas previstas pelo AlphaFold estão públicas e gratuitas no Instituto Europeu de Bioinformática, o EMBL-EBI: cerca de 200 milhões de proteínas de mais de um milhão de organismos. É o que transformou uma demonstração de laboratório em infraestrutura de pesquisa.
E aqui vale prestar atenção na tensão que o filme expõe sem resolver. Hinton pede cautela diante da autonomia crescente dos sistemas de aprendizado. Hassabis reconhece o risco e sustenta que deixar a ferramenta na gaveta sai mais caro, diante de doenças incuráveis, mudanças climáticas e problemas que a mente biológica talvez não resolva sozinha.
Os dois receberam um Nobel na mesma semana.
Vale a pena assistir The Thinking Game?
Vale, e está de graça, o que já resolve metade da decisão. Só recomendo assistir com uma ressalva ativa: a produção é da DeepMind, então o filme conta a história do ponto de vista de quem a fez.
- Se você gosta de ciência aplicada – é o melhor material disponível sobre como um resultado de laboratório vira ferramenta usada pelo mundo inteiro.
- Se você quer o contraponto crítico – este filme não traz. Procure material de fora do laboratório para equilibrar.
- Se já viu AlphaGo (2017) – vale mesmo assim. O recorte aqui é a transferência de método, não a partida.
O documentário termina sem fechar a conta entre risco e benefício, e talvez seja a contribuição mais honesta que ele oferece.
Se fizer sentido para você, comente e compartilhe – o Nobel do AlphaFold mudou o que você entende por fazer ciência?