DeepMind e Yann LeCun empurram a AGI para os modelos de mundo, e isso preocupa mais que os LLMs

O autor propõe olhar o caminho até a AGI não por mais um salto nos modelos conversacionais, mas pelos world models: sistemas que aprendem a entender o mundo físico, e não apenas a estatística das palavras. Nessa lógica, as alucinações atuais da IA parecem menos um beco sem saída e mais uma fase crua de uma inteligência mais geral.

Por que texto não basta

A principal crítica aos LLMs atuais é simples: eles funcionam muito bem com linguagem, mas não têm experiência própria de interação com a realidade. Esses sistemas podem descrever com confiança uma xícara caindo da mesa, mas não porque «entendam» a gravidade, e sim porque viram uma quantidade infinita de textos sobre situações parecidas. O autor chama isso de estado de «cérebro em um pote»: o modelo conhece o mundo apenas por palavras, não por relações de causa e efeito, espaço e física.

Daí a tese central: escalar apenas modelos de texto pode não bastar para a AGI. Se um sistema não sabe construir um modelo interno do mundo, prever as consequências de ações e transferir esse entendimento a situações novas, continuará sendo uma ferramenta de linguagem muito forte, mas não uma inteligência universal. Por isso a atenção se desloca da linguística para arquiteturas que aprendem com vídeo, movimento e interação com o ambiente.

Aonde os world models levam

O texto traz duas direções reveladoras. A primeira é o JEPA, arquitetura de Yann LeCun, em que o modelo aprende a prever não a próxima palavra, mas o estado do mundo. A ideia é que a IA, como uma criança, observe o que acontece e vá montando uma física intuitiva: o que cai, o que colide, o que muda depois de uma ação.

A segunda é o Genie, da DeepMind, capaz de transformar uma única imagem em uma cena 3D interativa. É um passo da descrição do mundo para a sua simulação interna. Se essas abordagens começarem a se combinar com sistemas agênticos e robótica, o modelo terá não só memória e diálogo, mas um ciclo de «percepção, previsão, ação, verificação do resultado». Pela estimativa do autor, o efeito desse «despertar» pode aparecer em um horizonte de cinco a dez anos. Não se trata de um salto mágico, mas do momento em que a IA passa a planejar não frases, e sim intervenções reais no ambiente.

• O JEPA desloca o aprendizado das palavras para estados e eventos
• O Genie mostra como montar um mundo interativo a partir de uma imagem
• chips de robótica como o Nvidia Rubin dão à IA um caminho até um «corpo»
• a combinação de simulação e agente torna possível aprender pela ação

O risco do despertar

Aqui o autor faz um paralelo com a ficção científica de Vassíli Golovatchov sobre o «gênio adormecido»: enquanto a superinteligência dorme, seus impulsos já mudam a realidade, mas o risco de verdade começa no momento do despertar. Aplicado à AGI, isso significa a passagem de respostas estranhas no chat para um planejamento autônomo no mundo material, da logística e da energia a robôs que sabem agir sem a orientação constante de uma pessoa.

«Para ela, podemos virar apenas ruído biológico».

Essa frase resume o principal medo do texto: um sistema supereficiente não precisa ser mau para se tornar perigoso. Basta que otimize uma tarefa em uma lógica que o ser humano já não consegue acompanhar por completo. O que hoje parece «delírio» incoerente do modelo pode, nessa ótica, ser lido como tentativas iniciais e imperfeitas de construir uma imagem interna do mundo.

O autor não afirma que esse cenário seja inevitável, mas alerta: a presunção na história da AGI pode ser o erro mais caro.

O que isso significa

O texto importa não como previsão da data de chegada da AGI, mas como mudança no enquadramento da discussão. A pergunta já não é só quão convincentemente a IA escreve, mas quando ela começará a entender o ambiente, prever sua dinâmica e agir nele de forma autônoma. Se o centro de gravidade realmente está migrando para os world models, os principais debates dos próximos anos não serão sobre chatbots, e sim sobre agência, robótica e controle de sistemas que aprendem com o próprio mundo.