Uma Forma Física é Necessária para que a IA Alcance Inteligência Semelhante à Humana?
Crédito:Pixabay
O primeiro robô de que me lembro é Rosie, de Os Jetsons, logo seguido pelo sofisticado C-3PO e seu leal companheiro R2-D2 em O Império Contra-Ataca. Mas a primeira IA que encontrei sem forma física foi Joshua, o computador de Jogos de Guerra — um sistema que quase desencadeou uma guerra nuclear até compreender o conceito de destruição mútua assegurada e optar por jogar xadrez.
Aquele momento, quando eu tinha sete anos, deixou uma impressão duradoura. Máquinas podem entender ética, emoções ou o que é ser humano? Essas questões ganham força com IAs mais sutis, como Bishop (Aliens), Data (Star Trek), Samantha (Ela) e Ava (Ex Machina).
Mas essas questões não são mais puramente teóricas. Hoje, os roboticistas estão explorando ativamente se a inteligência artificial requer uma forma física — e, se requer, que tipo de personificação é mais adequada.
Depois, surge a questão de como alcançá-la: se a incorporação é essencial para o desenvolvimento da verdadeira inteligência artificial geral (IAG), será que a robótica suave pode ser a chave para desbloquear o próximo avanço?
Os Limites da IA Sem Corpo
Pesquisas recentes estão começando a expor as deficiências dos sistemas de IA mais avançados — ainda que incorpóreos — da atualidade. Um novo estudo da Apple analisou os chamados “Modelos de Grande Raciocínio” (LRMs), um tipo de modelo de linguagem projetado para gerar etapas de raciocínio antes de fornecer respostas. Embora esses modelos superem os LLMs tradicionais em muitas tarefas, o estudo descobriu que eles tendem a falhar quando confrontados com problemas mais complexos. E, em vez de simplesmente atingir um teto, seu desempenho se deteriora drasticamente — mesmo quando equipados com amplos recursos computacionais.
Mais preocupante é a inconsistência no raciocínio. Seus “traços de raciocínio“, ou as etapas que realizam para resolver problemas, muitas vezes carecem de lógica coerente. À medida que as tarefas se tornam mais difíceis, os modelos parecem exercer ainda menos esforço. Os pesquisadores concluem que esses sistemas não “pensam” de uma forma que se assemelhe à cognição humana.
“O que estamos criando hoje são sistemas que processam palavras e preveem a próxima palavra mais provável… o que é bem diferente de como os humanos pensam”, disse Nick Frosst, ex-pesquisador do Google e cofundador da Cohere, em entrevista ao The New York Times.
O Pensamento Vai Além da Simples Computação
Como chegamos a esse ponto? Ao longo de grande parte do século XX, pesquisadores desenvolveram a inteligência artificial usando uma estrutura chamada GOFAI (Good Old-Fashioned Artificial Intelligence) — a Boa e Velha Inteligência Artificial — que abordava a cognição por meio da lógica simbólica. Os pioneiros da IA buscavam desenvolver inteligência manipulando ativamente símbolos, de forma semelhante à forma como os computadores executam códigos. Nesse modelo, o raciocínio abstrato não exigia um corpo físico.
Porém, essa visão se enfraqueceu quando os primeiros robôs falharam em lidar com as condições imprevisíveis do mundo real, levando cientistas de várias áreas a repensarem a inteligência com base em seres vivos que aprendem pela interação com o ambiente, e não só pelo raciocínio abstrato.
Em humanos, por exemplo, o sistema nervoso entérico — frequentemente chamado de “segundo cérebro” — regula a digestão usando os mesmos tipos de neurônios e substâncias químicas que o cérebro. Curiosamente, os tentáculos do polvo usam componentes semelhantes para sentir e reagir de forma independente, dentro do membro.
Tudo isso levanta uma questão convincente: e se a inteligência adaptável emergir ao se espalhar por todo o corpo e permanecer profundamente conectada ao mundo físico, em vez de se concentrar em um cérebro centralizado?
Este é o princípio fundamental por trás da cognição incorporada: pensar, sentir e agir não são funções distintas — eles formam um processo único e integrado. Como Rolf Pfeifer, Diretor do Laboratório de Inteligência Artificial da Universidade de Zurique, explicou ao EMBO Reports: “Os cérebros sempre evoluíram junto com os corpos que precisam se envolver com o mundo para sobreviver. Não existe um vazio abstrato e algorítmico onde os cérebros simplesmente emergem.”
Inteligência Incorporada
Para criar IA verdadeiramente inteligente, talvez seja preciso desenvolver também corpos inteligentes — e, segundo Cecilia Laschi, referência em robótica leve, “mais inteligente” muitas vezes significa “mais leve“. Inspirada no polvo, ela trocou os robôs rígidos por máquinas de corpo mole, mais adaptáveis.
“Em um robô humanoide, cada movimento deve ser controlado com precisão“, explicou ela em entrevista ao New Atlas. “Se o terreno mudar, mesmo que ligeiramente, é preciso ajustar a programação.“
Em contraste, os animais não precisam planejar conscientemente cada passo. “Nossos joelhos, por exemplo, são naturalmente flexíveis”, observou ela. “Nós nos adaptamos a superfícies irregulares mecanicamente, sem envolver o cérebro.“ Esse conceito — em que o próprio corpo lida com parte da carga cognitiva — é conhecido como inteligência incorporada.
Projetando Corpos Mais Inteligentes
Do ponto de vista da engenharia, a inteligência incorporada oferece benefícios claros. Ao transferir a percepção, o controle e a tomada de decisões para o design físico do robô, os engenheiros podem reduzir as demandas sobre seu processador central. Isso torna os robôs mais adaptáveis e eficientes em ambientes reais e imprevisíveis.
Na Science Robotics, Laschi afirma que o controle motor não vem só da computação, mas também das forças físicas externas. Ou seja, o comportamento surge da interação com o ambiente, e a inteligência vem da experiência, não de códigos.
Dessa perspectiva, a inteligência não é simplesmente uma questão de processadores mais rápidos ou modelos de IA maiores — ela está enraizada na interação. Um grande impulsionador do progresso nessa área é a robótica flexível, que emprega materiais como silicone ou tecidos avançados para criar corpos robóticos mais adaptáveis e flexíveis. Esses sistemas flexíveis podem se ajustar ao ambiente, mover-se com fluidez e aprender em tempo real. Assim como um tentáculo de polvo, um braço robótico flexível pode agarrar, sentir e se adaptar em tempo real — sem a necessidade de calcular cada ação antecipadamente.
Materiais Vivos e Feedback: Como Construir Sistemas Autopensantes
Para alcançar uma robótica suave que funcione tão perfeitamente quanto um tentáculo de polvo, os engenheiros estão deixando de programar todos os resultados potenciais. Em vez disso, estão explorando novas abordagens que permitem que as máquinas sintam e respondam dinamicamente. Pesquisadores nessa área estão desenvolvendo um conceito chamado inteligência física autônoma (API).
Ximin He, Professora Associada de Ciência e Engenharia de Materiais na UCLA, está na vanguarda dessa pesquisa. Seu trabalho envolve o desenvolvimento de materiais suaves e responsivos — como géis e polímeros — que fazem mais do que apenas reagir a estímulos externos. Esses materiais são capazes de autorregular seus movimentos por meio de mecanismos de feedback integrados.
“Estamos tentando incorporar mais capacidades de tomada de decisão diretamente no material”, explicou He em uma entrevista ao New Atlas. “Se um material muda de forma em resposta a um gatilho, ele também pode determinar como adaptar esse gatilho com base em sua deformação — essencialmente corrigindo ou ajustando sua próxima ação.”
Incorporando Inteligência à Matéria
Em 2018, a equipe de He apresentou um gel capaz de controlar seu próprio movimento. Desde então, eles demonstraram que esse conceito também funciona com outros materiais macios, como elastômeros de cristal líquido, que funcionam efetivamente mesmo ao ar livre.
O princípio fundamental por trás da inteligência física autônoma (API) é o feedback não linear com defasagem temporal. Enquanto robôs convencionais dependem de sistemas de controle externos para interpretar a entrada sensorial e direcionar suas ações, o método de Ximin He incorpora essa lógica de tomada de decisão diretamente no próprio material.
“Em robótica, não basta apenas sentir e acionar — você também precisa tomar decisões intermediárias”, disse He ao New Atlas. “Estamos incorporando isso à estrutura do material por meio de mecanismos internos de feedback.”
Ela compara essa abordagem ao funcionamento dos organismos vivos. Os sistemas biológicos frequentemente usam feedback negativo — como a forma como o corpo regula o açúcar no sangue ou como um termostato mantém a temperatura — para corrigir desequilíbrios. O feedback positivo, por outro lado, intensifica as mudanças. O feedback não linear combina esses dois, produzindo padrões de comportamento estáveis e rítmicos, como os observados ao caminhar ou ao movimento pendular.
“O movimento natural — como caminhar ou nadar — costuma ser repetitivo e constante”, explica He. “Com feedback não linear e com atraso temporal, robôs macios podem ser projetados para se mover para frente, para trás e depois para frente novamente, tudo sem comandos externos passo a passo.”
Isso marca uma evolução significativa em relação aos robôs macios anteriores, que dependiam inteiramente de sinais externos para funcionar. Como explica He e colegas, ao integrar sensores, controle e atuação no próprio material, criam robôs que respondem, decidem e agem de forma autônoma.
O Futuro Está na Suavidade Inteligente
A robótica suave ainda é um campo emergente, mas seu potencial é imenso. Laschi destaca aplicações como instrumentos endoscópicos que interagem com tecidos delicados e dispositivos de reabilitação que se ajustam em tempo real às necessidades do paciente.
Para progredir da IA para a IA avançada, as máquinas podem precisar de formas físicas — especialmente aquelas que são macias e adaptáveis. A maioria dos seres vivos, incluindo humanos, adquire conhecimento por meio de movimento, toque, tentativa e erro e adaptação. Navegamos por um mundo confuso e imprevisível com facilidade — algo que as IAs atuais ainda consideram desafiador. Entendemos uma maçã não por definições, mas pela experiência física: segurando, provando, fatiando e observando sua decomposição.
Esse tipo de conhecimento corporificado, sensorial e rico em contexto é difícil de incutir em modelos que se baseiam apenas em texto ou imagens. Vincular a IA ao mundo real via sensores pode superar as limitações dos modelos baseados apenas em linguagem. Isso abre caminho para que a IA forme seu próprio tipo de compreensão — distinto do humano. Um robô macio com sensores como visão infravermelha, audição de baixa frequência ou olfato para doenças poderia ter uma visão única e valiosa da vida na Terra.
“Se você deseja desenvolver algo como a inteligência humana em uma máquina, ela precisa ser capaz de adquirir suas próprias experiências“, explica Giulio Sandini, professor de Bioengenharia da Universidade de Gênova. Assim como as crianças, ela precisa aprender por meio da interação com o mundo — e isso quase certamente significa que precisa de um corpo.
Leia o artigo original em: New Atlas
Leia mais:Injeção Mensal Reduz o Peso Corporal em 16% em Estudo Histórico sobre Obesidade
