A IA Precisa de um Corpo para Atingir Inteligência Semelhante à Humana?
Créditos: Pixabay
O primeiro robô de que me lembro é Rosie, de Os Jetsons, seguido pouco depois pelo polido C-3PO e seu leal parceiro R2-D2 em O Império Contra-Ataca. Meu primeiro encontro com uma IA sem corpo, no entanto, foi Joshua, de Jogos de Guerra — o computador que quase desencadeou uma guerra nuclear antes de descobrir a lógica da destruição mútua assegurada e optar por jogar xadrez.
Aos sete anos, tudo mudou para mim. Poderia uma máquina compreender ética, emoções ou a condição humana — e precisaria de um corpo para isso? A questão ganhou força com personagens como Bishop (Aliens), Data (Jornada nas Estrelas), Samantha (Ela) e Ava (Ex Machina).
Essas questões não são mais apenas hipotéticas. Os roboticistas debatem ativamente se a inteligência artificial precisa de um corpo — e, se precisar, qual a forma que esse corpo deveria assumir. Além disso, reside o desafio do “como“: se a incorporação é essencial para alcançar a verdadeira inteligência artificial geral (IAG), a robótica suave poderia ser o avanço que a torna possível?
Os Limites da IA Sem Corpo
Pesquisas recentes estão começando a revelar falhas nos sistemas de IA mais avançados da atualidade – e notavelmente sem corpo. Um novo estudo da Apple analisou os chamados “Modelos de Grande Raciocínio” (LRMs), modelos de linguagem projetados para gerar etapas de raciocínio antes de produzir uma resposta. Embora esses modelos superem os LLMs padrão em muitas tarefas, o artigo mostra que seu desempenho cai quando os problemas atingem níveis mais altos de complexidade. Em vez de simplesmente estagnarem, eles entram em colapso, mesmo quando equipados com amplos recursos computacionais.
O mais preocupante é que eles não raciocinam de forma consistente ou algorítmica. Seus “rastros de raciocínio” – o processo passo a passo que seguem – muitas vezes carecem de coerência interna. E, à medida que as tarefas se tornam mais difíceis, os modelos parecem se esforçar ainda menos. Os autores concluem que esses sistemas não “pensam” verdadeiramente de maneira humana.
Nick Frosst, ex-pesquisador do Google e cofundador da Cohere, disse ao The New York Times que os sistemas atuais são essencialmente projetados para receber palavras como entrada e prever a próxima palavra mais provável — um processo que, segundo ele, é bem diferente do pensamento humano.
Cognição é mais do que apenas computação
Como chegamos a esse ponto? Durante grande parte do século XX, a inteligência artificial foi guiada pela GOFAI — “Inteligência Artificial à Moda Antiga” — que via a cognição como lógica simbólica. A premissa inicial era que a inteligência poderia ser criada pela manipulação de símbolos, assim como um computador executa código. Nessa estrutura, o raciocínio abstrato não exigia um corpo.
Mas as rachaduras começaram a aparecer quando os primeiros robôs tiveram dificuldades em ambientes imprevisíveis do mundo real. Isso levou pesquisadores em psicologia, neurociência e filosofia a reconsiderar o problema, baseando-se em insights de estudos sobre a inteligência animal e vegetal — sistemas que se adaptam, aprendem e respondem ao ambiente por meio de interação física direta, em vez de representações simbólicas.
Mesmo em humanos, o sistema nervoso entérico — o chamado “segundo cérebro” no intestino — demonstra esse princípio. Ele depende das mesmas células e neurotransmissores que o cérebro para gerenciar a digestão, assim como um tentáculo de polvo usa esses mesmos componentes para sentir e agir de forma independente dentro de um único membro.
Paráfrase: Isso nos leva à pergunta: e se a verdadeira inteligência adaptável viesse de ser espalhada por todo o corpo, em vez de existir apenas no cérebro, isolado do mundo físico?
Paráfrase: Este é o princípio fundamental da cognição incorporada: percepção, ação e pensamento formam um processo único e unificado. Como Rolf Pfeifer, Diretor do Laboratório de Inteligência Artificial da Universidade de Zurique, explicou ao EMBO Reports: “Os cérebros sempre evoluíram dentro de corpos que precisam se envolver com o mundo para sobreviver. Eles não emergem em algum vazio abstrato e algorítmico.“
Mentes Corporificadas: Uma Forma Alternativa de Pensamento
Para Cecilia Laschi, referência em robótica suave, acompanhar a IA exige corpos adaptáveis — e a adaptabilidade vem da suavidade, inspirada no polvo e em seus membros semiespontâneos.
“Com um robô humanoide, cada movimento precisa ser controlado com precisão”, disse ela ao New Atlas. “Se o terreno muda, é preciso ajustar a programação.”
Por outro lado, os animais não calculam conscientemente cada passo. Nossos joelhos cedem naturalmente, observa Laschi. Ao lidar com superfícies irregulares, usamos o corpo, não o cérebro — exemplo de inteligência incorporada, em que a cognição se apoia no próprio corpo.
Na engenharia, a inteligência incorporada alivia o processador ao transferir percepção, controle e decisões para o design físico, tornando robôs mais confiáveis em condições imprevisíveis.
Segundo Laschi (Science Robotics, maio), o controle motor não vem só da computação: forças externas moldam os movimentos, e a inteligência emerge da interação e da experiência, não apenas do software pré-codificado.
Dessa perspectiva, o progresso na inteligência não se resume a processadores mais rápidos ou modelos maiores, mas sim ao engajamento com o mundo. A robótica suave desempenha um papel central aqui, usando materiais como silicone e tecidos avançados para criar máquinas flexíveis e adaptáveis. Robôs macios, como braços inspirados em tentáculos de polvo, ajustam-se em tempo real para agarrar, explorar e reagir sem cálculos prévios.
Matéria Viva e Loops: Materiais Didáticos para Pensar
Para rivalizar com um tentáculo de polvo, robôs macios exigem novos métodos de detecção e resposta, não apenas codificação de cenários. Alcançar uma independência realista em máquinas está impulsionando a pesquisa em direção a uma nova ideia: inteligência física autônoma (API).
Na UCLA, o Professor Associado Ximin He avançou nesse campo desenvolvendo materiais macios — como géis e polímeros adaptativos — que não apenas respondem a estímulos externos, mas também controlam seu próprio movimento por meio de mecanismos de feedback inerentes.
Ele explica ao New Atlas que sua pesquisa se concentra em incorporar a tomada de decisão aos próprios materiais. Esses materiais não só mudam de forma quando estimulados, mas também ajustam sua resposta conforme a própria deformação.
Em 2018, sua equipe demonstrou isso com um gel capaz de autorregular seu movimento. Desde então, eles demonstraram que o mesmo conceito se estende a outros materiais macios, como elastômeros de cristal líquido que apresentam bom desempenho no ar.
Construindo Inteligência no Próprio Material
A base da API reside no feedback não linear e com atraso de tempo. Ao contrário dos robôs convencionais, onde sensores alimentam um controlador com dados que emite comandos, o método de He incorpora esse processo de tomada de decisão diretamente no próprio material.
“Na robótica, você precisa de sensoriamento, atuação e uma maneira de escolher entre eles”, diz ele. “Estamos construindo essa escolha fisicamente por meio de ciclos de feedback.”
Ele compara a ideia à biologia: o feedback negativo estabiliza sistemas, como na regulação da glicose ou em um termostato, enquanto o feedback positivo reforça a mudança. O feedback não linear combina os dois, permitindo padrões de movimento estáveis, porém dinâmicos – como oscilações de pêndulo ou ciclos de caminhada.
“Grande parte do movimento natural – caminhar, nadar e assim por diante – depende de padrões rítmicos e repetitivos”, explica ele. “Com feedback não linear e atrasado, robôs macios podem se mover sozinhos, sem controle externo contínuo.”
Isso representa um avanço significativo em relação aos robôs macios anteriores, que dependiam inteiramente de gatilhos externos. Sensoriamento, controle e atuação no próprio material levam a robôs que não só reagem, mas escolhem, ajustam e agem de forma independente.
Suavidade é a nova inteligência
A robótica macia ainda está emergindo, mas seu potencial é imenso. Laschi cita aplicações iniciais: endoscópios que respondem a tecidos delicados e dispositivos de reabilitação que se ajustam ao paciente.
Para progredir da IA para a IA avançada, as máquinas podem precisar de corpos — flexíveis e adaptáveis em particular. Afinal, a maioria dos seres vivos, incluindo os humanos, aprende por meio de movimento, contato, tentativa e correção. Navegamos por um mundo imprevisível e confuso com facilidade, enquanto as IAs atuais ainda vacilam. Nossa compreensão de uma maçã não vem da leitura de sua definição, mas de segurá-la, prová-la, deixá-la cair, machucá-la, cortá-la, espremê-la e observá-la se deteriorar.
Esse tipo de conhecimento — incorporado, sensorial e contextual — é difícil de incutir em um sistema treinado apenas em texto ou imagens. Ao interagir com o mundo físico, a IA pode formar seu próprio modelo de realidade — diferente do humano — e, em robôs macios com sentidos únicos, revelar novas formas de perceber a vida na Terra.
Como explica Giulio Sandini, professor de Bioengenharia na Universidade de Gênova: “Para criar inteligência semelhante à humana em uma máquina, ela precisa reunir suas próprias experiências. Como as crianças, ela precisa aprender fazendo — e isso quase certamente significa ter um corpo.“
Leia o artigo original em: New Atlas
Leia mais: Até 2030, Quase Metade das Mulheres Serão Solteiras e Sem Filhos
