A IA que vai agir no mundo aprende como quem aprende a andar de bicicleta

Malinowski começou separando duas máquinas. O modelo de linguagem (o LLM, base do ChatGPT) aprende com o que está escrito na internet e nos livros e prevê a próxima palavra. O modelo de mundo faz outra coisa: prevê o que acontece depois de uma ação. É o que faz um motorista, que não precisa de muita teoria para dirigir, mas precisa reagir ao que acontece em volta e antecipar o efeito de cada manobra. Para Malinowski, o melhor jeito de entender esse modelo é pensar num robô, que precisa saber o que está à direita e à esquerda e como o ambiente muda.

Aprender a agir, segundo ele, tem duas etapas. A primeira é observar: dá para ver outras pessoas andando de bicicleta antes de subir numa. Mas isso não basta. A segunda é tentar, errar e ajustar até acertar, o que os pesquisadores chamam de aprendizado por reforço. Esta é a nova maneira de aprender que Natália destacou, e ela muda a matéria-prima da IA. Se a máquina aprende agindo, o dado que a ensina deixa de estar escrito.

Thomas Germain, colunista da BBC que conduziu a conversa, lembrou que os maiores modelos de linguagem já usaram tudo o que foi escrito na internet, e nem isso bastou. Então perguntou de onde viria tanto dado sobre ação. Malinowski apontou duas fontes. A primeira já existe: vídeos gravados do ponto de vista de quem cozinha ou limpa. A segunda só aparece quando os robôs começam a trabalhar: “você passa a ter uma nova fonte de dados, que são as correções”. Elas se somam a dados criados por computador e voltam para treinar o sistema.

Para a FFX, essa segunda fonte é a que muda a conta de quem opera, porque separa dois dados que costumam ser tratados como um só. O dado de observação se compra ou se coleta: vídeo, manual, gravação de câmera. O dado de correção nasce dentro da empresa, quando alguém desfaz o erro da máquina, e não se compra pronto.

Malinowski não descartou o texto. Para a maioria das aplicações, disse, “os LLMs podem ir muito, muito longe”, e os de hoje já trabalham também com imagem. O limite aparece numa tarefa simples como limpar o banheiro, que exige entender a planta da casa e o que é seguro. Fora do palco, uma pesquisa da Nvidia de 2026 mostra que no varejo essa tecnologia ainda está no começo: só 17% das empresas de varejo e bens de consumo usam ou avaliam IA física, sobretudo no armazém.