A IA ainda não vê o mundo como precisa de o compreender
A IA ainda não vê o mundo como precisa de o compreender
A discussão sobre inteligência artificial geral ganhou velocidade porque os modelos atuais já escrevem código, resolvem problemas matemáticos e produzem texto com um nível que há poucos anos parecia distante. Mas essa imagem é incompleta. A inteligência que parece madura no texto continua surpreendentemente frágil quando precisa de perceber o mundo visual com precisão.
Esta diferença é decisiva para as empresas. Grande parte do trabalho real não vive apenas em documentos, mensagens ou linhas de código. Vive em plantas, diagramas eléctricos, peças mecânicas, imagens médicas, mapas, esquemas de montagem, fotografias de campo e interfaces visuais. Se a IA não consegue interpretar bem esses materiais, a sua utilidade empresarial fica limitada.
Os modelos multimodais melhoraram muito no reconhecimento geral de imagens, mas reconhecer não é o mesmo que raciocinar visualmente. Identificar que há uma mesa, um cabo ou uma peça num desenho é apenas o primeiro passo. O desafio está em compreender relações espaciais, continuidade, escala, orientação, ligação entre componentes e consequências físicas.
É por isso que benchmarks recentes de raciocínio visual têm exposto uma lacuna desconfortável. Alguns modelos que parecem avançados em linguagem continuam a falhar tarefas visuais simples para humanos: seguir linhas num labirinto, contar objectos sobrepostos, compreender vistas 3D, completar padrões ou perceber que elementos estão ligados entre si. Não é um detalhe académico... é uma limitação estrutural!
Chamar AGI a sistemas que tropeçam neste tipo de tarefas é precipitado. Uma inteligência geral não pode ser excelente a escrever sobre o mundo e fraca a percebê-lo visualmente. O mundo físico não se apresenta como uma sequência limpa de frases. Apresenta-se como espaço, movimento, forma, textura, distância, desenho técnico, ruído e ambiguidade.
A próxima fase da IA empresarial deverá, por isso, depender menos de mais um chatbot e mais de modelos capazes de raciocinar directamente sobre imagens, vídeo e estruturas visuais. Arquitectura, construção, indústria, agricultura, robótica, logística, design de produto, saúde e centros de dados são áreas onde a diferença entre ver e compreender pode valer milhões.
Num centro de dados, por exemplo, não basta gerar uma resposta elegante sobre cablagem. Um sistema útil tem de perceber que cabo liga a que equipamento, detectar inconsistências num esquema, antecipar conflitos físicos e ajudar a validar uma instalação. Na engenharia, não basta descrever uma peça... é preciso entender encaixes, tolerâncias, vistas e dependências entre componentes.
Esta mudança também ajuda a explicar porque tanta adopção de IA nas empresas parece mais lenta do que o entusiasmo público sugere. Automatizar email, pesquisa interna ou apoio ao cliente é valioso, mas muitos processos críticos continuam presos a dados visuais complexos. Enquanto essa camada não for resolvida, a IA continuará a ser uma ferramenta poderosa, mas parcial.
Há uma lição histórica importante na origem deste progresso. A evolução dos grandes modelos de linguagem não nasceu apenas de escala computacional... nasceu de ambientes de investigação com liberdade, talento concentrado, tolerância ao erro e capacidade de testar ideias sem pressão imediata de produto. O pré-treino, o fine-tuning, os transformers (agora já a ficarem "desatualizados") e a escala formaram uma combinação que mudou a indústria.
Recriar esse tipo de cultura pode ser tão importante como escolher a arquitectura certa. A investigação de fronteira precisa de pessoas capazes de pensar em grande, abandonar becos sem saída, cruzar disciplinas e discutir ideias informalmente. Muitas descobertas não surgem numa reunião formal, mas numa conversa curta entre investigadores que confiam uns nos outros e não têm medo de estar errados.
A visão computacional do futuro não será apenas uma câmara com legenda automática. Será uma camada de raciocínio que entende o espaço e actua sobre ele. Quando os modelos conseguirem combinar linguagem, imagem, vídeo, geometria e acção com fiabilidade, a IA deixará de estar confinada ao ecrã e passará a intervir melhor no mundo físico.
A pergunta certa já não é se a IA parece inteligente numa conversa. A pergunta certa é se consegue olhar para um problema real, perceber as suas relações visuais e ajudar a resolvê-lo sem simplificar o mundo até ele caber numa frase. Só quando essa barreira cair é que a ideia de inteligência artificial geral começará a soar menos como marketing e mais como engenharia...
