The Thinking Game: A Jornada da DeepMind dos Videogames à Ciência

A grande busca pela Inteligência Artificial Geral

A jornada para criar sistemas capazes de pensar como seres humanos começou com uma grande ambição. Demis Hassabis, cofundador da empresa DeepMind, define essa busca como a jornada mais emocionante da história da humanidade. Ele compara o impacto dessa tecnologia à descoberta do fogo ou da eletricidade, superando a importância da internet ou dos telefones celulares. O objetivo final é alcançar a chamada Inteligência Artificial Geral, conhecida pela sigla AGI (Artificial General Intelligence).

A AGI (Artificial General Intelligence) é um sistema de inteligência artificial capaz de aprender, raciocinar e executar qualquer tarefa intelectual que um ser humano consegue realizar. Diferente dos programas tradicionais que apenas seguem ordens rígidas, a AGI possui a capacidade de transferir aprendizado entre áreas totalmente diferentes. Imagine uma pessoa que aprende a cozinhar e usa essa mesma lógica para montar móveis ou administrar uma loja.

Antes de criar a empresa, Demis estudou neurociência na University College London para entender como o cérebro humano funciona. Ele queria extrair princípios biológicos e aplicá-los na computação. Lá ele conheceu Shane Legg, outro cientista obcecado pelo tema da AGI. Naquela época, falar sobre inteligência artificial geral na universidade era visto como algo marginal, e os pesquisadores que estudavam o assunto eram considerados excêntricos.

Para tirar a ideia do papel, os dois fundaram a DeepMind em Londres. Eles queriam fugir da lentidão do ambiente acadêmico e conseguir dinheiro com investidores privados. No começo, convencer pessoas a financiarem uma pesquisa de longo prazo foi muito difícil. O primeiro grande apoio veio de investidores como Peter Thiel e, mais tarde, de Elon Musk, permitindo que a empresa começasse a trabalhar em segredo.

A escolha por Londres foi proposital, pois a cidade reunía talentos brilhantes de universidades famosas como Cambridge e Oxford. Enquanto o Vale do Silício buscava lucro rápido com aplicativos comerciais, a DeepMind tinha um plano de longo prazo. O foco nunca foi apenas criar produtos para o mercado, mas sim decifrar os segredos da inteligência e usá-la para resolver grandes problemas da humanidade.

Ensinando computadores a jogar Atari do zero

Para testar se um sistema de computador conseguia aprender de verdade, a equipe da DeepMind escolheu jogos clássicos de videogame. Os jogos de Atari 2600 eram perfeitos para isso, pois apresentavam regras simples, mas exigiam estratégia rápida. A ideia era ver se a máquina conseguiria dominar os jogos apenas olhando para a tela, sem receber nenhuma instrução prévia sobre como vencer.

Para resolver esse desafio, os cientistas usaram o aprendizado por reforço (reinforcement learning). Essa é uma técnica de computação inspirada no comportamento humano e animal, onde um agente aprende a tomar decisões por meio de tentativa e erro. Cada vez que o sistema acerta, ele ganha uma recompensa virtual, como pontos em um jogo. Se ele erra, não ganha nada, ajustando sua estratégia para a próxima tentativa.

O sistema criado chamou-se DQN (Deep Q-Network), que combinou o aprendizado por reforço com redes neurais profundas (deep learning), imitando as camadas de neurônios do cérebro. No início, o sistema jogava muito mal, cometendo erros bobos. Mas, após processar milhões de partidas, ele atingiu um nível superior ao de qualquer jogador humano profissional.

Um exemplo marcante aconteceu no jogo Breakout, onde o objetivo é rebater uma bola para destruir blocos na parte superior da tela. O algoritmo descobriu sozinho uma estratégia genial que nenhum programador havia imaginado. Ele cavou um túnel lateral para fazer a bola passar por trás dos blocos, acumulando pontos de forma muito mais eficiente. O sistema aprendeu tudo isso recebendo apenas imagens brutas da tela e a pontuação, funcionando como uma verdadeira mente autônoma.

Esse sucesso chamou a atenção do Google, que comprou a DeepMind em 2014 por cerca de 400 milhões de libras. Com essa aquisição, a equipe ganhou o poder de computação massivo necessário para enfrentar desafios ainda maiores. No entanto, Demis Hassabis impôs uma condição rígida no contrato: a tecnologia nunca poderia ser usada para fins militares ou vigilância em massa, mantendo o foco exclusivo no avanço científico.

O momento histórico do AlphaGo e o desafio na Ásia

Com mais poder de computação graças ao Google, a DeepMind avançou para um novo patamar. O alvo seguinte foi o jogo Go, um tabuleiro oriental milenar infinitamente mais complexo que o xadrez. Enquanto no xadrez o computador calcula força bruta, o Go exige intuição, criatividade e dezenas de possibilidades em cada jogada. Em 2016, o sistema chamado AlphaGo enfrentou o lendário mestre sul-coreano Lee Sedol em uma série de partidas em Seul.

O mundo parou para assistir ao confronto entre a máquina e o melhor jogador humano do planeta. O momento mais impressionante aconteceu na segunda partida, quando o AlphaGo fez a jogada que ficou conhecida como Movimento 37. Os comentaristas profissionais acharam que o computador havia cometido um erro grave. Segundos depois, percebeu-se que era uma jogada brilhante de longo prazo, com uma probabilidade em dez mil de ser feita por um humano, provando que a máquina podia ser criativa.

O AlphaGo venceu a disputa por quatro vitórias a uma, marcando uma virada na história da tecnologia. Pouco tempo depois, o sistema evoluiu para o AlphaZero, que aprendeu xadrez, Go e shogi do zero absoluto. Usando o método tabula rasa (aprendizado do zero), a máquina não leu nenhum livro de regras humanas nem estudou partidas antigas. Ela aprendeu jogando contra si mesma milhões de vezes até criar um estilo de jogo totalmente original e inovador.

A vitória de outra versão do AlphaGo contra o campeão Ke Jie na China gerou um impacto geopolítico gigantesco. O evento foi comparado ao lançamento do Sputnik na época da corrida espacial, assustando governos e acelerando investimentos em inteligência artificial no mundo todo. A humanidade percebia, assombrada, que os computadores já não dependiam mais dos conhecimentos acumulados pelos homens para superar a inteligência humana.

Esses sucessos trouxeram à tona reflexões profundas sobre o futuro da nossa espécie. Demis Hassabis revelou que sua própria visão de mundo foi moldada na infância, após uma derrota dolorosa em uma partida de xadrez de dez horas aos doze anos. Ele concluiu que gastar tanto talento mental apenas em jogos de tabuleiro era um desperdício diante dos problemas reais do mundo. Decidiu então usar seu intelecto para salvar vidas, curar doenças e combater problemas globais através da tecnologia.

Dos jogos virtuais aos alertas sobre os perigos da inteligência artificial

O apetite da DeepMind por desafios complexos não parou nos tabuleiros. A equipe passou a explorar mundos virtuais tridimensionais e jogos de estratégia em tempo real, como o StarCraft II, criando o sistema AlphaStar. Diferente do xadrez, onde todas as peças estão à vista, o StarCraft II é um jogo de informação imperfeita (imperfect information game). Isso significa que o mapa é coberto por uma névoa de guerra, exigindo que a inteligência artificial tome decisões rápidas sob incerteza, gerencie recursos e ajuste táticas em tempo real.

Imagine um gerente de uma grande fábrica que precisa tomar decisões sem saber exatamente o que está acontecendo no estoque dos concorrentes. O AlphaStar aprendeu a lidar com esse caos, provando que os algoritmos conseguiam navegar pela imprevisibilidade do mundo real. Cada avanço técnico, no entanto, trazia um frio na espinha de cientistas e pensadores preocupados com os rumos da sociedade.

Grandes mentes da ciência começaram a alertar sobre os riscos existenciais do avanço descontrolado da inteligência artificial. O físico Stephen Hawking declarou publicamente que a humanidade precisa acertar nas regras de segurança logo na primeira tentativa, pois essa pode ser a única chance que teremos. Se criarmos uma inteligência muito superior sem controle, as consequências poderão ser irreversíveis para a civilização.

Diante desse cenário de alerta, a postura da indústria de tecnologia passou a ser questionada. O lema tradicional do Vale do Silício sempre foi mover rápido e quebrar coisas para consertar depois. Demis Hassabis rejeita essa mentalidade com veemência, argumentando que na inteligência artificial avançada não existe margem para erros destrutivos. Uma tecnologia descontrolada não pode ser simplesmente consertada após causar danos graves.

A história de Demis começou cedo, quando ele venceu um concurso de programação aos dezesseis anos e foi trabalhar na Bullfrog Productions com Peter Molyneux. Programando jogos clássicos de simulação como Theme Park, ele aprendeu a criar sistemas complexos e mundos virtuais interativos. Essa bagagem precoce pavimentou o caminho para que ele liderasse hoje a corrida rumo à inteligência artificial geral, equilibrando a ambição científica com o peso da responsabilidade global.

Dos parques virtuais ao dilema acadêmico em Cambridge

Antes de liderar revoluções globais na ciência, Demis Hassabis testou suas ideias sobre comportamento inteligente na indústria dos jogos de videogame. Na desenvolvedora Bullfrog Productions, ele participou da criação do famoso jogo Theme Park, lançado nos anos 1990. Naquele projeto, seu objetivo era fazer com que pequenos visitantes digitais andassem por um parque de diversões tomando decisões próprias. Se uma fila estivesse longa demais ou o preço do refrigerante subisse, os visitantes virtuais mudavam de atitude de forma autônoma.

Imagine o gerente de um restaurante movimentado que observa as reações de cada cliente ao cardápio e ajusta o atendimento em tempo real. No Theme Park, o sistema de inteligência artificial calculava os desejos de cada bonequinho digital para criar um mundo vivo e imprevisível. Essa experiência prática mostrou a Hassabis que programas de computador podiam simular a tomada de decisão humana a partir de regras dinâmicas. Ele percebeu cedo que criar mentes artificiais exigiria entender a fundo a lógica do pensamento.

O sucesso imediato no desenvolvimento de jogos abriu portas financeiras extraordinárias. Ainda muito jovem, Demis recebeu uma proposta de 1 milhão de libras esterlinas para abandonar a vida acadêmica e continuar trabalhando no setor comercial de jogos. Para a maioria das pessoas, recusar uma fortuna dessas aos dezessete anos seria impensável. No entanto, o seu propósito de longo prazo falava mais alto do que qualquer ganho imediato.

Hassabis decidiu recusar a quantia milionária para ingressar na Universidade de Cambridge, onde estudou ciência da computação. O seu plano já estava traçado com clareza: ele queria entender a mente humana para recriá-la em software. Mais tarde, ele resumiu essa ambição em uma frase direta e marcante: eu queria ser a pessoa que resolve a inteligência artificial. A passagem pela universidade deu a base teórica rigorosa que o mercado corporativo não conseguiria oferecer.

O limite do Deep Blue e o mergulho na neurociência

Enquanto Hassabis avançava nos estudos, o mundo assistia a um marco histórico em maio de 1997. O supercomputador Deep Blue, construído pela empresa IBM, derrotou o campeão mundial de xadrez Garry Kasparov em uma partida oficial de seis jogos. A vitória causou espanto no planeta inteiro e parecia provar que as máquinas haviam superado o intelecto humano. As capas de jornais tratavam o evento como o nascimento definitivo da era dos robôs pensantes.

Por trás dos panos, contudo, a realidade técnica era muito diferente. Especialistas e cientistas logo apontaram que o Deep Blue não pensava de verdade, apenas calculava milhões de jogadas por segundo por meio de força bruta. O sistema só sabia jogar xadrez e era incapaz de aprender qualquer outra tarefa simples, como reconhecer uma foto ou jogar damas. Era uma inteligência estreita e rígida, totalmente distante de como funciona o aprendizado no cérebro humano.

Ao constatar essas limitações, Hassabis entendeu que construir programas inteligentes exigiria estudar a biologia. Ele mergulhou na neurociência e fez pós-graduação para investigar como o cérebro humano armazena memórias e imagina cenários futuros. Nosso cérebro não avalia milhões de jogadas cegas por segundo, ele reconhece padrões intuitivos com baixíssimo gasto de energia. Essa ponte entre a neurociência e a computação se tornou o alicerce fundamental de toda a pesquisa futura da DeepMind.

A grande virada estava em trocar regras pré-programadas por aprendizado de máquina (machine learning), método onde o software aprende sozinho a partir de exemplos. Em vez de contratar programadores para escrever regras fixas sobre como o mundo opera, os pesquisadores criam redes que descobrem essas regras por conta própria. Esse conhecimento biológico e computacional preparou a equipe para o maior teste que a ciência molecular enfrentava há meio século.

O enigma de cinquenta anos do dobramento de proteínas

Com a consolidação da DeepMind, os pesquisadores decidiram sair dos tabuleiros virtuais e aplicar suas técnicas em problemas do mundo real. O desafio escolhido foi o dobramento de proteínas (protein folding), considerado um dos maiores mistérios de toda a biologia moderna. Proteínas são as máquinas microscópicas essenciais que mantêm a vida funcionando, atuando na digestão, no transporte de oxigênio e na defesa contra vírus. Elas começam como longas correntes de blocos químicos chamados aminoácidos.

Para realizar seu trabalho dentro do corpo, essa fita de aminoácidos precisa se enrolar e assumir uma forma tridimensional específica. Se a fita dobrar no formato errado, a proteína não funciona ou pode causar doenças graves. O grande problema é que prever a forma final a partir apenas da sequência de aminoácidos é incrivelmente complexo. As combinações geométricas possíveis são tão astronômicas que levaria mais tempo do que a idade do universo para testar todas por tentativa pura.

Pense em uma chave mestra feita sob medida para abrir uma fechadura de cofre minúscula. Se a chave tiver uma ponta milimetricamente torta, a fechadura não gira e a porta permanece travada. Durante cinco décadas, descobrir o formato exato de uma única proteína exigia meses ou anos de trabalho duro em laboratório, com equipamentos caros de cristalografia de raios X. Esse processo lento travava o desenvolvimento de novos medicamentos e encarecia a pesquisa farmacêutica no mundo inteiro.

Para medir o avanço da ciência na área, a comunidade acadêmica criou o CASP, sigla em inglês para Avaliação Crítica da Previsão de Estrutura (Critical Assessment of Structure Prediction). Esse evento funciona como uma copa do mundo bienal da biologia molecular. Cientistas de ponta recebem sequências genéticas de proteínas reais e tentam adivinhar suas estruturas 3D usando computadores, antes que as medições laboratoriais sejam reveladas. A DeepMind viu no CASP a arena perfeita para testar o potencial de suas redes neurais.

O salto do AlphaFold e a revolução da biologia moderna

A equipe da DeepMind, liderada por pesquisadores como John Jumper, montou o projeto batizado de AlphaFold para disputar a competição. Nas primeiras tentativas, o sistema enfrentou erros e barreiras teóricas frustrantes, exigindo que a equipe reconstruísse quase todo o modelo de aprendizado profundo (deep learning). Os cientistas integraram leis da física e princípios de evolução biológica diretamente dentro dos circuitos matemáticos da inteligência artificial. Essa mudança radical transformou o software em um motor de dedução espacial inédito.

O resultado histórico veio em 2020, durante a décima quarta edição do evento, o CASP 14. O AlphaFold 2 atingiu níveis de precisão superiores a 90 em uma escala de cem pontos, índice comparável à precisão obtida pelos caros experimentos físicos em laboratório. A máquina conseguiu determinar a estrutura atômica de proteínas em minutos, algo que equipes humanas levavam anos para deduzir. O biólogo John Moult declarou que aquele era o momento que as pessoas não iriam esquecer porque o mundo havia mudado.

O Prêmio Nobel Paul Nurse destacou o feito ao afirmar que o AlphaFold representava a conquista mais importante em inteligência artificial de todos os tempos. Em vez de guardar a descoberta em segredo comercial, a DeepMind e o laboratório europeu EMBL-EBI disponibilizaram um banco de dados público gratuito com mais de 200 milhões de estruturas proteicas previstas. Essa liberação cobriu praticamente todas as proteínas conhecidas pela ciência em plantas, bactérias e animais.

O impacto desse avanço prático atinge desde pequenas clínicas até grandes centros de inovação tecnológica. Pesquisadores agora utilizam a base do AlphaFold para desenhar enzimas que decompõem plásticos descartados na natureza e para combater doenças tropicais negligenciadas. A jornada que começou com homenzinhos virtuais em Theme Park e passou pela vitória sobre o xadrez chegava ao seu ápice benéfico. A inteligência artificial provava, finalmente, que não servia apenas para jogos, mas para decifrar os segredos fundamentais da própria vida.

O encerramento de uma jornada tecnológica nos créditos do documentário

Chegamos à última parte da nossa aula completa sobre o documentário O Jogo do Pensamento (The Thinking Game), produzido pelo Google DeepMind (laboratório de pesquisa em inteligência artificial do Google) e selecionado para o Festival de Cinema de Tribeca (Tribeca Film Festival). Neste trecho final, que cobre os minutos finais da obra, a tela exibe os extensos créditos finais. Para quem gerencia um pequeno negócio ou está começando a empreender, esses momentos finais mostram que grandes inovações nunca são feitas por uma única pessoa.

Assim como a abertura de uma nova loja exige pedreiros, eletricistas, contadores e fornecedores, o desenvolvimento de inteligência artificial de ponta exige uma engrenagem gigantesca. Os créditos listam nomes de pesquisadores, engenheiros de computação, diretores de fotografia e especialistas em som. Cada um desempenhou um papel vital para transformar algoritmos abstratos em descobertas reais e em um filme que documenta essa trajetória.

Muitas pessoas pensam que a tecnologia avança apenas com uma mente brilhante escrevendo código em um quarto escuro. O documentário prova o oposto, mostrando que a ciência moderna é um esporte coletivo e multidisciplinar. Biólogos conversam com programadores, enquanto equipes de pós-produção traduzem conceitos matemáticos complexos em imagens compreensíveis para o público geral.

Para o empreendedor, essa colaboração lembra a importância de montar equipes diversas. Se você vai abrir uma cafeteria, precisa de quem entenda de grãos, de atendimento e de finanças. Na DeepMind, reunir especialistas de áreas tão distantes quanto neurociência e computação gráfica foi o segredo para resolver problemas que desafiavam a humanidade havia décadas.

O encerramento do filme reforça também a seriedade com a propriedade intelectual (proteção legal de criações e marcas). A exibição do aviso de direitos autorais (copyright) da DeepMind Technologies Limited lembra que por trás de cada inovação científica existe um enorme investimento de tempo, recursos financeiros e proteção jurídica para garantir que o trabalho continue sustentável.

A estrutura invisível que sustenta a vida e a ciência

Entre os muitos profissionais citados nos créditos, estão os cientistas dedicados à predição de estrutura de proteínas (processo computacional utilizado para determinar a estrutura tridimensional de proteínas a partir de sua sequência de aminoácidos). Embora pareça um termo distante da rotina de uma oficina ou de um escritório, entender esse conceito é compreender a base da biologia moderna.

Imagine que as proteínas são como as ferramentas de uma fábrica microscópica dentro do nosso corpo. Cada ferramenta tem um formato único que permite realizar uma tarefa específica, como digerir alimentos ou combater vírus. Se o formato estiver errado, a ferramenta não funciona e a fábrica entra em colapso, gerando doenças.

Durante décadas, descobrir o formato exato dessas ferramentas biológicas exigia anos de trabalho manual em laboratórios físicos, usando técnicas caras e demoradas. Era o equivalente a tentar adivinhar a planta baixa de uma máquina gigante apenas olhando para peças soltas espalhadas pelo chão, sem manual de instruções.

A inteligência artificial na ciência (aplicação de modelos avançados de aprendizado de máquina para resolver problemas fundamentais em biologia e química) mudou essa realidade para sempre. Ao processar bilhões de combinações em poucos segundos, os computadores conseguiram prever o formato tridimensional dessas moléculas com precisão inédita na história humana.

Esse avanço gigantesco, que culminou em reconhecimento internacional como o Prêmio Nobel, abre portas para a criação de novos remédios e tratamentos médicos muito mais rápidos. Para quem investe em tecnologia ou acompanha o mercado, é a prova prática de que a inteligência artificial deixou de ser apenas uma ferramenta de entretenimento para se tornar o motor das maiores descobertas científicas do nosso século.

A colaboração global por trás da revolução tecnológica

Outro ponto de destaque nos minutos finais do documentário é o reconhecimento do apoio institucional. Universidades renomadas, centros de pesquisa avançada e fundações internacionais aparecem listadas como parceiras essenciais. Nenhuma empresa isolada consegue avançar tanto sem o ecossistema acadêmico ao seu redor.

Pense em uma rede de franquias que cresce porque faz parcerias com universidades locais para treinar novos gerentes. Da mesma forma, a DeepMind utilizou dados, teorias e cérebros formados em instituições públicas e privadas do mundo todo para alimentar seus sistemas de computação e treinar seus modelos inteligentes.

Os créditos também revelam o uso de serviços de arquivo e produtoras associadas. Esses parceiros forneceram imagens históricas que ajudam a contar a linha do tempo das pesquisas, desde os primeiros experimentos modestos até o momento em que a inteligência artificial derrotou campeões mundiais de jogos e decifrou enigmas biológicos seculares.

A trilha sonora original, gravada em estúdios renomados em Londres com orquestras completas, complementa a narrativa visual. A música nos documentários científicos funciona como o design de interiores em uma loja: ela dita o ritmo, cria a atmosfera adequada e ajuda o espectador a se conectar emocionalmente com descobertas que, à primeira vista, pareceriam frias e matematicamente complexas.

Por fim, a equipe de animação e efeitos visuais teve o desafio de desenhar gráficos tridimensionais para explicar conceitos invisíveis a olho nu. Transformar sequências de letras químicas em imagens coloridas e dinâmicas exigiu tanto talento artístico quanto rigor científico, garantindo que qualquer pessoa pudesse entender a grandiosidade do que estava sendo realizado.

O legado de O Jogo do Pensamento para o futuro dos negócios

Encerrando nossa análise desta aula completa, vale refletir sobre o título do documentário: O Jogo do Pensamento. Ao longo da obra, vimos computadores aprenderem a jogar Atari do zero, vencerem mestres no complexo jogo de tabuleiro Go e, finalmente, resolverem problemas reais da medicina e da biologia que afetavam a humanidade.

Para o jovem empreendedor ou dono de pequeno negócio, a grande lição dessas trajetórias é a persistência diante do erro. Os sistemas de inteligência artificial não nasceram inteligentes; eles erraram milhões de vezes em ambientes virtuais simulados antes de acertar a jogada perfeita ou a estrutura correta de uma proteína.

No mundo real dos negócios, errar faz parte do processo de inovação. Um novo produto pode não vender na primeira tentativa, ou um sistema de atendimento automatizado pode falhar no início. O segredo mostrado pelos cientistas da DeepMind é usar cada erro como dado para treinar o sistema e melhorar o processo no dia seguinte.

A tecnologia retratada no filme nos convida a olhar para o futuro com curiosidade e preparo. As ferramentas que hoje ajudam a curar doenças e a prever estruturas moleculares logo estarão disponíveis, de diferentes formas, para otimizar a logística de pequenas entregas, melhorar o atendimento ao cliente e organizar a gestão de estoques em qualquer comércio.

Compreender a inteligência artificial não exige que você saiba programar linhas complexas de código, mas sim que entenda o seu potencial para resolver problemas difíceis. Assim como a equipe da DeepMind uniu ciência, arte e colaboração global para transformar o mundo, os empreendedores que souberem usar essas novas ferramentas serão os protagonistas da próxima grande transformação econômica.