Demis Hassabis: Agentes, IA geral e a próxima grande descoberta científica

Quando Demis Hassabis disponibilizou o AlphaFold para todos os cientistas do mundo, ele não o patenteou. Para uma empresa líder em IA, essa é uma decisão quase inexplicável. No entanto, hoje, todos os novos medicamentos passam pelo AlphaFold — e sua distribuição gratuita acelerou a ciência mais do que mil artigos acadêmicos. A verdadeira revolução aqui não é apenas o poder da IA, mas a maneira como ela é distribuída e usada. Todo mundo acha que a inteligência artificial é uma corrida para ver quem constrói o cérebro maior. Mas Hassabis pensa o contrário: o desafio não é apenas criar modelos maiores, mas torná-los realmente úteis, acessíveis e capazes de aprender como nós, ou seja, de forma contínua, sem precisar recomeçar do zero a cada vez. Hoje, a maioria dos modelos funciona “stateless”, ou seja, esquece tudo entre uma sessão e outra: cada prompt é um novo começo, como se nunca tivesse aprendido nada com o passado. No entanto, o cérebro humano funciona de forma diferente: durante o sono, ele reprocessa e consolida experiências importantes — um detalhe que Hassabis estudou durante seu doutorado sobre o funcionamento do hipocampo. Quando, em 2013, a DeepMind desenvolveu o primeiro programa capaz de vencer nos videogames da Atari, o verdadeiro ponto de virada foi justamente se inspirar nessa ideia biológica: o modelo “reproduzia” internamente as melhores partidas, aprendendo com as sequências vencedoras. Mas hoje, mesmo com janelas de memória gigantescas — milhões de tokens —, a maioria dos sistemas de IA acumula dados de forma grosseira, sem distinguir entre o que realmente importa e o ruído de fundo. E há um custo real toda vez que o modelo precisa buscar a informação certa para tomar uma decisão. Aqui, Hassabis faz uma comparação surpreendente: os modelos atuais, apesar de terem “memórias” enormes, na verdade são menos eficientes e seletivos do que um ser humano com uma memória limitada, mas bem organizada. E aqui vem a reviravolta: não basta aumentar a potência ou a quantidade de dados. É necessária uma nova qualidade de aprendizagem — a capacidade de se adaptar ao contexto, de raciocinar a longo prazo, de construir uma memória pessoal e seletiva. Um exemplo prático? Apesar dos avanços, nenhum agente de IA ainda criou um jogo capaz de dominar as classificações mundiais, embora hoje qualquer pessoa possa prototipar em meia hora o que levou seis meses para Hassabis, aos 17 anos. Ainda faltam a “alma” e a criatividade profunda que dão sentido e valor a uma obra: o impulso humano que transforma uma ferramenta em uma obra-prima. No entanto, a linha divisória está se tornando cada vez mais tênue. Hassabis prevê que, nos próximos 6 a 12 meses, veremos equipes capazes de multiplicar a produtividade por mil usando agentes de IA, antes que a autonomia total realmente chegue. E a pergunta que se coloca é: o que acontece quando essas capacidades não estão apenas nas mãos de alguns laboratórios, mas são disseminadas em modelos de código aberto, pequenos o suficiente para rodar em um celular e poderosos o suficiente para resolver problemas reais? Nesse caso, o modelo Gemma, aberto e baixado 40 milhões de vezes em duas semanas, é apenas o começo. Para quem quer desenvolver o próximo avanço científico, Hassabis oferece duas regras: procure problemas que tenham um espaço de pesquisa monstruosamente grande — como as configurações de uma proteína ou os lances no Go, onde não existe algoritmo de força bruta que funcione — e defina um objetivo claro, uma “função objetivo” na qual você possa se concentrar. Depois, é preciso ou muita experimentação de verdade, ou dados suficientes para simular o universo que você deseja explorar. Nesse contexto, as novas IAs não serão apenas “solucionadoras de problemas”, mas poderão se tornar co-cientistas: capazes não apenas de encontrar respostas, mas também de propor perguntas radicalmente novas, como “inventar” os próximos problemas do milênio que valham a pena ser resolvidos. Hassabis chega a propor um teste: treinar uma IA com dados anteriores a 1901 e ver se, como Einstein em 1905, ela consegue “descobrir” a relatividade especial por conta própria. O objetivo final não é apenas resolver problemas difíceis, mas também abrir novas fronteiras do conhecimento. E há uma surpresa nessa abordagem: Hassabis não acredita no “supercérebro único” que contém tudo. Em vez disso, ele imagina sistemas gerais que usam ferramentas especializadas — uma espécie de orquestra de IAs, na qual cada modelo faz bem uma coisa, mas colabora com os outros. A ideia necessária para o futuro não é apenas mais potência, mas também mais coordenação e mais “habilidade manual” no uso das ferramentas. Se você está se perguntando qual é a diferença entre uma startup que realmente faz ciência com IA e outra que apenas cria uma API, a resposta está aqui: o impacto real vem daqueles que combinam conhecimentos profundos em várias áreas, não apenas em ciência da computação, mas também em física, biologia e materiais. Hassabis encerra com um conselho que soa como um desafio: “Os problemas difíceis não são mais complicados do que os fáceis. Eles são difíceis de maneiras diferentes. Se você tem apenas uma vida, dedique-a a algo que mudaria o mundo se você não existisse.” Talvez a inteligência geral chegue enquanto ainda estivermos em viagem. Mas a verdadeira pergunta é: o que você criaria hoje, sabendo que amanhã sua ferramenta poderia mudar as regras do jogo enquanto você ainda está jogando? A verdadeira inovação não está no tamanho do modelo, mas na qualidade das perguntas que ele nos permite fazer. Se essa visão abriu para você uma nova perspectiva sobre IA e ciência, no Lara Notes você pode clicar em I'm In — é a maneira de declarar que agora essa ideia pertence a você. E, se amanhã você se pegar conversando com alguém sobre o AlphaFold ou sobre modelos que inventam perguntas, pode marcar essa conversa com a hashtag Shared Offline: porque as ideias realmente boas sempre começam com uma conversa ao vivo. Esta Nota foi criada a partir de uma entrevista da Y Combinator com Demis Hassabis e economizou 37 minutos do seu tempo.