Dados de jogos, não LLM: como a startup General Intuition vê o caminho para AGI

Dados de jogos, não LLM: como a startup General Intuition vê o caminho para AGI

A startup General Intuition, apoiada por investimentos de Jeff Bezos, afirma uma abordagem fundamentalmente nova para alcançar inteligência artificial geral. De acordo com a empresa, os modernos modelos de linguagem de grande escala — de ChatGPT a Claude — estão esgotando seu potencial em dados de texto e não podem desenvolver plenamente a capacidade de inteligência generalizada sem entender a realidade física do espaço e do tempo.

Por que os LLMs são insuficientes para AGI

Os modelos de texto demonstram capacidades surpreendentes no processamento de linguagem: criatividade, análise, raciocínio baseado em conhecimento. No entanto, permanecem fundamentalmente cegos para uma área crítica — a física do espaço e do tempo. Esses modelos carecem de um entendimento integrado de como os objetos se movem, interagem sob a influência de forças, reagem à proximidade um do outro, como as causas geram consequências no mundo físico.

Esse entendimento é necessário para que um sistema de IA possa generalizar seu conhecimento além da esfera textual e aplicar lógica em um contexto real e físico. Os dados de texto, mesmo os conjuntos mais extensos de textos descritivos, não podem substituir a experiência de observar como os objetos se movem, caem, colidem, reagem às forças.

Dados de jogos como chave para o pensamento físico

É aqui que os videogames entram em cena. Nos mundos dos jogos, todas as leis físicas são modeladas e registradas em dados: como um personagem pula, como um objeto cai, como os objetos interagem na colisão, como o som se propaga, como a luz se reflete nas superfícies. Esses conjuntos de dados de alta frequência e multidimensionais contêm bilhões de exemplos de comportamento espaço-temporal — exatamente a informação que os LLMs não podem extrair do texto e nem mesmo de vídeo sem anotação.

General Intuition vê nos dados de jogos um recurso subutilizado para treinar sistemas de IA que integrem conhecimento sobre física, causalidade e relações espaciais. Se um modelo treina simultaneamente em dados de texto e de jogos — com semântica explícita de interações físicas — pode desenvolver a capacidade não apenas de descrever o mundo em palavras, mas também de prever, modelar e raciocinar sobre sua estrutura física, fazer inferências causais. Isso, segundo a convicção da startup, é um passo crítico rumo a uma inteligência mais universal e adaptativa.

O investimento de Bezos e o significado para a indústria

Jeff Bezos, conhecido por seu apoio a pesquisas ambiciosas e fundamentais e apostas arriscadas, direcionou investimentos para General Intuition. Isso sinala que a hipótese da empresa atrai a atenção de investidores experientes e figuras influentes na comunidade de inteligência artificial. No entanto, os detalhes da própria rodada de financiamento — valor do investimento, estágio da empresa, outros investidores — permanecem desconhecidos de fontes públicas.

O que isso significa para o futuro de AGI

Se o conceito de General Intuition estiver correto, então o desenvolvimento de AGI requer não apenas escalar modelos de texto, mas uma abordagem arquitetônica fundamentalmente diferente: a síntese e integração de conhecimento de múltiplas fontes de dados. Isso desloca o foco da indústria da pergunta "como fazemos os LLMs maiores?" para perguntas como: que outros tipos de dados são críticos para a inteligência geral? Como podemos integrar de forma mais eficiente diferentes modalidades em um único sistema? Qual é o papel da aprendizagem ativa através de simulação e ambientes de jogos? A discussão sobre os ingredientes fundamentais para AGI se torna apenas mais agudamente relevante e conceitualmente diversa.