Memories.ai desenvolve camada de memória visual para wearables e robôs

A startup Memories.ai anunciou o desenvolvimento de um grande modelo de memória visual, um sistema que permitiria à IA física indexar e recuperar memórias do mundo real gravadas em vídeo. Na prática, a equipe constrói o que faltava a wearables e robôs: a capacidade não só de ver, mas de lembrar.

A ideia parece simples, mas a complexidade técnica é enorme. Os modelos de linguagem comuns trabalham com texto: memorizam e reproduzem informação em forma de palavras e símbolos. O vídeo é fundamentalmente diferente: cada segundo traz milhares de quadros, relações espaciais, movimento de objetos e uma sequência temporal de eventos. Para que um robô ou um óculos inteligente lembre onde estão as chaves, ou o que aconteceu na cozinha três horas atrás, é preciso uma arquitetura especializada, otimizada para dados visuais.

A Memories.ai posiciona seu projeto como uma camada de infraestrutura para a IA física, uma nova classe de sistemas que atuam no mundo real, e não no digital. A IA física está por trás de wearables como o Ray-Ban Meta* e o Humane AI Pin, além dos robôs humanoides que avançam no mercado: Boston Dynamics, Figure, Agility Robotics. Todos sofrem do mesmo problema: a falta de memória contextual de longo prazo sobre o que acontece ao redor.

Para gadgets vestíveis, a memória visual significa poder responder a perguntas como "onde eu vi essa pessoa?" ou "quando foi a última vez que estive neste café?". Para robôs, significa entender mudanças no ambiente, rastrear o deslocamento de objetos e evitar erros cometidos antes. Sem essa camada, a IA física funciona como um paciente com amnésia: cada nova inicialização começa do zero, sem experiência acumulada.

A equipe não revela detalhes técnicos da arquitetura nem o volume de dados de treinamento. Não se sabe em que estágio está o desenvolvimento nem se já há parceiros entre fabricantes de hardware. Ainda assim, o simples surgimento de startups especializadas em memória visual para dispositivos físicos indica que o setor chegou à próxima barreira de escala.

Até agora, a maioria das startups de IA se concentrava em modelos de linguagem ou multimodais, que trabalham principalmente com texto e imagens estáticas. A memória de vídeo é uma tarefa bem mais exigente em recursos, que pede novas abordagens de compressão, armazenamento e busca. Grandes players como Google DeepMind e OpenAI trabalham com compreensão de vídeo, mas seus produtos são voltados ao processamento em nuvem, e não a soluções embarcadas. Pelo posicionamento, a Memories.ai mira outro segmento: soluções de edge que rodam diretamente no dispositivo. Isso é crítico para robôs e wearables, que não podem arcar com a latência de uma consulta à nuvem toda vez que precisam recorrer à experiência passada.

Se a startup conseguir entregar o que promete, seu modelo poderá se tornar um dos componentes-chave da pilha da IA física, comparável em importância ao surgimento dos grandes modelos de linguagem para assistentes de texto. A corrida pela memória visual está só começando.

*A Meta foi reconhecida como organização extremista e é proibida na Rússia.