Inscreva-se na newsletter diária da Popular Science para ficar por dentro de avanços, descobertas e dicas de DIY enviados seis dias por semana. O progresso dos modelos de inteligência artificial (IA) costuma ser ilustrado por suas habilidades em jogos. A Deep Blue, da IBM, surpreendeu o mundo em 1997 ao vencer o campeão mundial de xadrez Garry Kasparov, e quase duas décadas depois, o AlphaGo, do Google, derrotou um campeão humano no jogo Go — algo antes considerado impossível. Desde então, a IA avançou de jogos de tabuleiro para videogames, usando aprendizagem por reforço, uma técnica também fundamental para treinar chatbots como o ChatGPT, permitindo que máquinas dominem jogos de Atari e títulos de estratégia complexa, como Dota 2 e Starcraft II. No entanto, a IA ainda encontra dificuldades em aprender rapidamente vários jogos com mais liberdade e abertura—uma área onde os humanos se destacam. Quando enfrentam um jogo desconhecido, os jogadores humanos rapidamente compreendem o básico, enquanto os modelos de IA frequentemente falham, como destacou um artigo recente do professor de ciência da computação da NYU, Julian Togelius, e colegas. Essa lacuna evidencia uma diferença fundamental entre a inteligência humana e as capacidades atuais da IA, mostrando que ela ainda tem um longo caminho a percorrer antes de alcançar ou superar a inteligência humana de fato. Jogos têm sido há muito tempo uma plataforma ideal para testar a IA, devido às regras previsíveis, objetivos definidos e mecânicas claras, que se encaixam bem com a aprendizagem por reforço: modelos jogam repetidamente jogos em simulações para melhorar através de tentativa e erro. Essa abordagem possibilitou, por exemplo, a maestria da DeepMind em jogos de Atari em 2015 e influencia os atuais modelos de linguagem treinados com uma quantidade gigantesca de dados da internet. Contudo, esses modelos se destacam apenas em tarefas específicas com restrições claras; pequenas mudanças no design do jogo podem prejudicar seu desempenho. Embora a IA possa alcançar habilidades sobre-humanas em um jogo particular, ela ainda tem dificuldades com improvisação. Essa limitação se torna mais evidente à medida que jogos modernos se tornam cada vez mais abertos e abstratos. Diferente do xadrez, jogos como a versão de mundo aberto “Red Dead Redemption” têm objetivos complexos vinculados à encarnação de um personagem moralmente conflituoso, e não apenas metas simples.

Os humanos entendem intuitivamente essas nuances; as máquinas, não. Mesmo em jogos mais simples, como “Minecraft, ” a IA pode realizar ações básicas, como pular, sem compreender o contexto dessas ações. Os autores enfatizam que jogos bem desenhados alinham-se estreitamente à intuição, ao senso comum e à experiência vivida — aspectos acumulados por humanos ao longo de anos de interação com o mundo real. Por exemplo, bebês aprendem a reconhecer objetos por volta de 18 a 24 meses simplesmente por experiência, enquanto as máquinas exigem muito mais supervisão e orientação. Essa vantagem de experiência permite aos humanos aprenderem novos jogos mais rapidamente. Pesquisas mostram que IA baseada em aprendizagem por reforço guiada pela curiosidade pode precisar de aproximadamente quatro milhões de toques na tela — ou cerca de 37 horas contínuas — para terminar um jogo, enquanto jogadores humanos costumam entender novas mecânicas em menos de 10 horas. Ainda assim, a IA vem progredindo na jogabilidade geral. Em 2023, a DeepMind do Google apresentou a SIMA 2, um modelo que combina a IA atual com capacidades de raciocínio do seu grande modelo de linguagem, o Gemini, permitindo uma compreensão e interação melhores com jogos 3D — até mesmo com aqueles nos quais não foi especificamente treinada. Porém, Togelius e colegas alertam que a IA ainda precisa avançar bastante antes de igualar a adaptabilidade humana. Eles propõem um marco de referência onde um modelo possa jogar e vencer os 100 principais jogos na Steam ou na App Store do iOS sem ter sido treinado previamente em nenhum deles — e fazer isso no mesmo tempo que um humano levaria. Ainda é um desafio enorme, e as abordagens atuais de IA estão longe de alcançar ou tentar solucionar essa questão. Para atingir esse nível de generalização, a IA precisaria demonstrar criatividade verdadeira, planejamento antecipado e raciocínio abstrato — qualidades que são características exclusivamente humanas. Em última análise, o verdadeiro teste para a IA alcançar a “inteligência de nível humano” pode não estar na criação de deepfakes ou na escrita de romances superficiais, mas na sua capacidade de dominar uma vasta gama de jogos diferentes com velocidade de aprendizagem e compreensão similares às humanas.