Waymo e tornados: como o Google DeepMind ensina carros autônomos a sobreviver ao caos

Imagine uma estrada vazia em algum ponto de Oklahoma, ao pôr do sol. De repente, bem à frente, um tornado gigante desce das nuvens. O que um carro autônomo deve fazer? Antes, os engenheiros tinham duas opções: esperar anos por uma catástrofe real, torcendo para que o veículo de testes estivesse por perto e sobrevivesse, ou tentar programar manualmente a física do vento e dos destroços em um velho motor de jogos. A Waymo escolheu outro caminho e uniu forças com os especialistas do Google DeepMind. Juntos, eles criaram um sistema baseado no Genie 3, uma rede neural que transforma prompts de texto em mundos 3D interativos e assustadoramente realistas.

O Genie foi concebido originalmente como um brinquedo divertido para gerar plataformas simples, no estilo de Super Mario. Mas o DeepMind logo percebeu que, se um modelo entende a física do pulo de um boneco de pixels, também consegue lidar com a dinâmica de um caminhão de várias toneladas em uma pista congelada. Para a Waymo, isso não é só mais uma melhoria gráfica no simulador. É a transição para verdadeiros «modelos de mundo» (World Models), adaptados às exigências duras do trânsito real. Agora os desenvolvedores podem incluir no cenário qualquer loucura, de um elefante invadindo a rodovia a uma tempestade de areia, e ver como a IA se comporta.

O problema é que ensinar um carro autônomo a rodar pela ensolarada São Francisco ou por Phoenix não é tão difícil hoje. O verdadeiro desafio do setor são os chamados «casos extremos» (edge cases): eventos que ocorrem uma vez a cada milhão de milhas, mas causam acidentes fatais. Coletar dados sobre esses incidentes em vias reais é fisicamente impossível, caro demais e simplesmente perigoso para quem está por perto. Com o Genie 3, a Waymo pode gerar milhares de variações do mesmo cenário perigoso num estalar de dedos, forçando os algoritmos a aprender com os próprios erros no ambiente virtual.

A diferença importante do Genie 3 em relação aos simuladores clássicos é que essa rede neural cria um ambiente que reage às ações do agente. Se o carro na simulação girar bruscamente o volante ou pisar no freio, o mundo ao redor muda de acordo com a física prevista pela rede. É uma tentativa de ensinar à inteligência artificial as relações de causa e efeito da nossa realidade, em vez de apenas copiar por modelo o comportamento de motoristas humanos. É uma mudança fundamental na forma como abordamos a segurança de sistemas autônomos.

O movimento parece uma resposta direta a céticos e concorrentes, incluindo a Tesla. Enquanto Elon Musk aposta na coleta em massa de dados de milhões de viagens comuns de seus clientes, a Waymo mergulha na teoria e na simulação extrema. É o clássico confronto de abordagens: força bruta contra preparação intelectual em laboratório. Se a Waymo conseguir provar que seus «gêmeos digitais» do caos refletem a realidade de forma adequada, os reguladores podem ficar muito mais favoráveis a um lançamento em massa de robotáxis sem motorista.

Claro, resta uma pergunta em aberto: com que precisão as alucinações da rede neural Genie 3 correspondem à física real de um tornado ou ao comportamento de um animal assustado? Se o modelo errar nos cálculos de aderência dos pneus à pista durante a chuva, o treinamento nessa simulação pode até prejudicar, ao ensinar ao algoritmo habilidades falsas. Mas, considerando a experiência do DeepMind em aprendizado profundo, essa é provavelmente a tentativa mais séria de criar um campo de testes completo para a IA que vimos nos últimos anos.

O principal: a Waymo leva a corrida armamentista do mundo real para as simulações virtuais. Outras empresas conseguirão criar «modelos de mundo» com a mesma qualidade, ou a segurança dos carros autônomos se tornará monopólio de quem tem acesso ao poder computacional do Google?