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 aconteceu — e por que a trajetória da DeepMind, do Atari ao AlphaFold, redesenhou o que se entende por pesquisa científica.
The Thinking Game (2024) é um documentário britânico de 90 minutos dirigido por Greg Kohs, o mesmo de AlphaGo (2017), e produzido pela DeepMind.
Foi exibido na Seleção Oficial do Festival de Tribeca e está disponível gratuitamente no YouTube.
O projeto
Enquanto boa parte do debate público se concentrava nos riscos da inteligência artificial, a DeepMind investia na engenharia da inteligência como método de investigação.
E aqui vale uma pausa: o próprio nome do campo já carrega uma armadilha semântica. Chamar isso de “inteligência artificial” pressupõe que sabemos o que é inteligência — e o que é artificial.
O documentário contorna a discussão conceitual e vai direto ao teste empírico: se o sistema resolve problemas que humanos não conseguiam resolver, a etiqueta importa menos que o resultado.
A aposta de Hassabis era tratar jogos como ambientes controlados de teste cognitivo, extrair os princípios do aprendizado ali dentro e transferi-los para problemas científicos reais.
A narrativa culmina no AlphaFold, a ferramenta que previu a estrutura tridimensional de mais de 200 milhões de proteínas conhecidas, acelerando em décadas o trabalho da pesquisa farmacológica e da biologia estrutural.
O movimento 37
O ponto de virada epistemológico aparece durante a partida de Go entre o AlphaGo e o campeão mundial Lee Sedol.
No lance 37 da segunda partida, o algoritmo faz algo que nenhum jogador humano faria — uma pedra colocada numa posição que a tradição estratégica descartaria em segundos. E funciona.
Repare no que esse momento representa para além do tabuleiro:
- O sistema deixou de reproduzir padrões humanos e passou a gerar conhecimento estratégico original
- A partida serviu como 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 esse evento como o “Momento Sputnik” da IA — o instante em que ficou evidente que a criatividade computacional já operava em território inexplorado pela heurística humana
O filme de 2017, AlphaGo, havia registrado essa partida de perto.
The Thinking Game usa o mesmo episódio como 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 (Paredão) 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 documentado no filme:
- 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, provando 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 (2020–2024): 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 — jogo, prova de conceito, aplicação científica — é o que torna a DeepMind um caso particular na história recente da relação entre ciência e tecnologia.
O preço da ferramenta
O laboratório produziu ciência de fronteira usando ferramentas que a própria comunidade científica inicialmente tratava como entretenimento técnico.
Ao disponibilizar o banco de dados do AlphaFold gratuitamente, a DeepMind reposicionou a inteligência artificial no debate público.
A ferramenta que muitos enquadravam apenas como risco econômico passou a funcionar como acelerador de cura e de compreensão fundamental da vida.
E aqui vale prestar atenção na tensão que o documentário expõe sem resolver. Geoffrey Hinton, que dividiu o Nobel de Física de 2024 com John Hopfield, pede cautela diante da autonomia crescente dos sistemas de aprendizado.
Hassabis reconhece o risco, mas sustenta que o custo de não usar a ferramenta é maior — diante de doenças incuráveis, mudanças climáticas e problemas que a mente biológica talvez não consiga resolver sozinha.
O documentário termina sem fechar essa conta. E talvez essa seja a contribuição mais honesta que ele oferece.
Se fizer sentido para você, comente e compartilhe — especialmente se o Nobel do AlphaFold mudou o que você entende por “fazer ciência”.