O Jogo do Pensamento: A Trajetória da DeepMind Rumo à AGI

As Raízes de uma Ambição Revolucionária

A história da DeepMind começa com o fascínio precoce de Demis Hassabis pela mente humana e pela computação. Desde a infância, ele demonstrava um talento fora do comum para o xadrez, o que o levou a entender como estratégias e padrões moldam a tomada de decisões. Essa curiosidade o guiou para a criação de jogos de videogame de grande sucesso na juventude, onde tentava dar aos personagens virtuais comportamentos que parecessem minimamente humanos.

Em vez de seguir apenas o caminho comercial, Hassabis decidiu aprofundar seus conhecimentos na academia. Ele estudou ciência cognitiva e neurociência para entender como o cérebro biológico consegue resolver problemas complexos com tanta eficiência. Para ele, o cérebro humano era a única prova concreta de que uma inteligência ampla e flexível era possível no universo.

Com essa visão em mente, ele fundou a DeepMind em Londres ao lado de colegas brilhantes. Nos primeiros anos, a empresa operava de forma discreta, reunindo cientistas e especialistas em aprendizado de máquina. O objetivo central já era audacioso desde o primeiro dia: resolver o problema da inteligência e criar a Inteligência Geral Artificial (AGI).

Os Desafios do Financiamento Inicial

Transformar uma ideia tão grandiosa em realidade exigia recursos financeiros consideráveis, algo difícil de conseguir no ambiente acadêmico tradicional. Investidores conservadores viam a busca por AGI como algo distante demais, comparável a apostar em um bilhete de loteria. A falta de compreensão inicial sobre o potencial da tecnologia quase travou os primeiros passos da empresa.

A virada começou quando figuras influentes do setor de tecnologia, como o investidor Peter Thiel, decidiram apostar na visão da equipe. Esse apoio financeiro inicial permitiu que os pesquisadores mudassem para o Vale do Silício temporariamente e expandissem suas operações. A partir dali, a equipe ganhou o fôlego necessário para acelerar seus experimentos teóricos e práticos.

O grande diferencial da DeepMind era unir a neurociência à computação moderna. Enquanto a maioria das empresas buscava criar softwares focados em uma única tarefa comercial, a equipe insistia em construir algoritmos capazes de aprender sozinhos. Esse método formaria a base de todas as grandes conquistas que viriam nos anos seguintes.

Ensinando Máquinas a Jogar Atari do Zero

Um dos primeiros grandes marcos públicos da empresa foi o desenvolvimento do algoritmo DQN (Deep Q-Network). A ideia era simples de descrever, mas complexa de executar: a inteligência artificial recebia apenas os pixels da tela de um jogo clássico de Atari e a pontuação atual. Nenhuma regra prévia era programada no sistema.

Por meio do aprendizado por reforço (reinforcement learning), o software testava ações aleatórias no jogo e recebia pontos virtuais como recompensa quando acertava. Imagine uma criança aprendendo a andar de bicicleta: ela cai várias vezes, ajusta o equilíbrio e percebe o que funciona pelo feedback do ambiente. Com milhares de tentativas rápidas, a IA aprendeu a jogar melhor do que muitos humanos.

Esse experimento provou que computadores podiam aprender tarefas visuais complexas puramente através da experiência. A tecnologia chamou a atenção global e atraiu o interesse de gigantes da tecnologia, culminando na aquisição da empresa pelo Google anos mais tarde. Os recursos do Google deram o poder computacional necessário para saltos ainda maiores.

A Conquista Histórica do Jogo Go

Depois dos videogames, a equipe mirou o Go, um jogo de tabuleiro milenar chinês considerado o santo graal da inteligência artificial. Com um número de posições possíveis maior do que os átomos do universo visível, o Go não podia ser resolvido apenas com força bruta ou calculando todas as jogadas possíveis.

Para vencer esse desafio, a equipe criou o AlphaGo, combinando redes neurais profundas com algoritmos de busca avançados. Em 2016, o sistema enfrentou o campeão mundial Lee Sedol em uma série de partidas transmitidas para o mundo todo. Durante o confronto, a IA fez jogadas tão criativas e incomuns que surpreenderam os maiores especialistas humanos.

O AlphaGo venceu a disputa por quatro vitórias a uma, marcando uma virada de página na história da tecnologia. Pouco depois, nasceu o AlphaZero, uma evolução que aprendeu xadrez, Shogi e Go jogando apenas contra si mesma, sem qualquer dado humano. Em poucas horas, ela superou os melhores programas tradicionais do planeta com um estilo totalmente inovador.

Do Tabuleiro para a Biologia com o AlphaFold

Com os algoritmos dominando jogos complexos, a equipe decidiu aplicar a mesma tecnologia para resolver um dos maiores mistérios da biologia: a dobragem de proteínas (protein folding). Proteínas são moléculas essenciais para a vida, formadas por longas cadeias de aminoácidos que se dobram em formatos tridimensionais complexos.

Conhecer essa estrutura 3D é fundamental para entender doenças e criar novos remédios, mas o método tradicional em laboratório levava meses ou anos de trabalho manual. A DeepMind inscreveu seu sistema, chamado AlphaFold, na competição científica CASP, considerada a Olimpíada da predição estrutural. Após resultados modestos no início, a versão atualizada surpreendeu a comunidade científica global.

No CASP 14, o AlphaFold resolveu o problema com precisão quase perfeita, superando décadas de pesquisas científicas tradicionais. A empresa tomou a decisão histórica de liberar gratuitamente um banco de dados com mais de 200 milhões de estruturas proteicas para cientistas de todo o mundo, impulsionando a medicina global.

O Futuro, a Ética e os Riscos da AGI

À medida que os sistemas de IA se tornam mais potentes, cresce também a preocupação com os riscos associados ao seu desenvolvimento. Especialistas em segurança, físicos e cientistas políticos começam a comparar o avanço atual com marcos históricos complexos, como a Era Atômica. A possibilidade de criar uma Inteligência Generalizada Artificial exige regras claras e cooperação internacional.

O principal desafio apontado por pensadores da área é o alinhamento ético, garantindo que os objetivos da máquina estejam sempre de acordo com os valores humanos fundamentais. Como a tecnologia tem o potencial de transformar a sociedade de forma comparável à descoberta da eletricidade, os erros no início do processo podem ter consequências irreversíveis.

O documentário conclui reforçando que a jornada da DeepMind reflete a busca humana ancestral pelo conhecimento. O legado de Demis Hassabis e sua equipe mostra que, enquanto a tecnologia abre portas para curar doenças e resolver problemas científicos, a responsabilidade humana continuará sendo o fator mais crítico do processo.