Grounded world models in biological organisms and future embodied AI

O Grande Construtor de Cérebros: Por que os Robôs Precisam Tocar Antes de Falar

Imagine que você está tentando ensinar um robô superinteligente a entender o mundo. Você tem duas maneiras principais de fazer isso. A primeira maneira é como entregar ao robô um bilhão de livros e um milhão de vídeos, e então dizer: "Leia tudo, memorize os padrões e adivinhe o que vem a seguir". É assim que a maioria da inteligência artificial mais famosa de hoje funciona. É como um estudante que leu todos os dicionários, mas nunca segurou uma maçã, sentiu seu peso ou provou sua doçura. Ele conhece as palavras para "maçã", "pesado" e "crocante", mas não sabe realmente o que é uma maçã.

A segunda maneira é como os seres vivos — como você, eu ou até mesmo um pequeno verme — aprendem. Nós não começamos lendo um manual. Começamos nos movendo, esbarrando nas coisas, sentindo fome e descobrindo o que acontece quando empurramos uma bola ou puxamos uma corda. Nossos cérebros constroem um mapa do mundo com base nessas experiências da vida real primeiro. Só mais tarde aprendemos a colocar rótulos (palavras) nessas experiências. Este artigo é sobre a diferença entre essas duas abordagens. Ele faz uma grande pergunta: se quisermos construir robôs que possam realmente nos entender e navegar em nosso mundo físico bagunçado, devemos continuar enchendo-os de livros ou devemos deixá-los sair para brincar? Os autores sugerem que o método "brincar primeiro, falar depois" pode ser o ingrediente secreto que falta aos robôs atuais.

---

A Grande Ideia do Artigo: De "Leitor Passivo" a "Explorador Ativo"

Este artigo, escrito por uma equipe de cientistas da Itália e do Canadá, argumenta que a maneira como estamos construindo a Inteligência Artificial (IA) atualmente é o inverso de como a natureza nos construiu.

No momento, a tendência mais quente na IA é a "IA Generativa". Estes são sistemas que aprendem lendo quantidades massivas de texto e assistindo a vídeos. Eles são incrivelmente bons em prever a próxima palavra em uma frase ou o próximo quadro em um vídeo. O artigo chama isso de um "regime de treinamento passivo". Imagine um estudante sentado em uma cadeira, olhando para uma tela, assistindo a mil vídeos de pessoas pegando bolas, mas sem nunca ter jogado ou pegado uma bola de fato. Ele pode aprender a estatística de como as bolas se movem, mas não aprendeu a sensação da bola atingindo sua mão. Os autores apontam que, nesses sistemas, a linguagem (palavras) é a fundação. A IA aprende as regras da linguagem primeiro e, depois, tenta anexar imagens e ações a essas palavras.

O artigo sugere que os organismos biológicos (como humanos, cães e até vermes) fazem exatamente o oposto. Nós construímos "modelos de mundo ancorados" primeiro. Esta é uma maneira sofisticada de dizer que nossos cérebros criam um mapa mental de como o mundo funciona com base em nossos próprios corpos se movendo através dele. Aprendemos que o fogo é quente porque sentimos o calor, não porque alguém nos disse que "o fogo é quente". Somente após termos esse entendimento físico e ancorado é que sobrepomos a linguagem. Para nós, as palavras são apenas rótulos para coisas que já conhecemos através da experiência.

Cinco Maneiras Como Nossos Cérebros Constroem Mapas Melhores

Para provar seu ponto, os autores analisam cinco "circuitos" ou partes específicas do cérebro que ajudam os seres vivos a construir esses mapas ancorados. Eles usam esses exemplos para mostrar o que está faltando nos robôs de hoje.

1. O GPS e o Mapa Conceitual
Pense em como você navega pela sua cidade. Você não apenas vira à esquerda quando vê uma placa vermelha; você tem um mapa mental. Seu cérebro possui um sistema especial (no hipocampo e no córtex entorrinal) que atua como um GPS. Ele usa "células de grade" que disparam em um padrão hexagonal, como um favo de mel, para ajudar você a saber exatamente onde está.
Mas aqui está a parte legal: este mesmo sistema de GPS não funciona apenas para ruas físicas. O artigo explica que seu cérebro usa essa mesma "grade" para navegar por ideias. Quando você pensa sobre uma história, ou compara dois conceitos diferentes, ou até mesmo entende relações sociais, seu cérebro está essencialmente "caminhando" através de um mapa mental. O artigo sugere que, na biologia, a capacidade de navegar no espaço físico veio primeiro, e a capacidade de navegar em ideias abstratas foi construída sobre ela. A IA atual tenta aprender ideias abstratas diretamente do texto, pulando a parte de "caminhar" fisicamente.

2. O Detector de "O Que Eu Posso Fazer?" (Affordances)
Quando você olha para uma cadeira, não vê apenas "um objeto de madeira com quatro pernas". Você vê "algo em que posso sentar". Quando vê uma xícara, vê "algo que posso segurar". O artigo chama isso de "affordances" (possibilidades de ação). É uma ligação direta entre o que você vê e o que você pode fazer com aquilo.
Seu cérebro está constantemente executando uma competição: "Posso escalar aquela rocha? Posso pegar aquela maçã?". Não é apenas descrever o mundo; é calcular possibilidades de ação. O artigo argumenta que, para um robô entender verdadeiramente uma frase como "Cuidado, essa xícara é frágil", ele precisa ter um modelo ancorado do que "frágil" parece quando você a segura. Ele precisa saber que, se apertar demais, a xícara quebra. A IA atual conhece a palavra "frágil", mas pode não ter a "memória muscular" interna para entender o risco.

3. O Motor de Curiosidade
Você já sentiu aquela vontade de explorar algo novo só porque é interessante? Isso não é apenas uma peculiaridade humana; é um impulso biológico. O artigo fala sobre como nossos cérebros possuem um "metamodelo" que rastreia o quanto nós não sabemos. Quando estamos curiosos, nosso cérebro libera substâncias químicas (como a norepinefrina) que nos tornam mais alertas e prontos para aprender.
Isso é diferente de um robô que apenas espera que um professor lhe dê um novo conjunto de dados. Agentes biológicos são "intrinsecamente motivados". Eles buscam novas experiências para preencher as lacunas em seus próprios mapas mentais. O artigo sugere que, para a IA aprender de forma eficaz, ela não deve apenas esperar pelos dados; ela deve ter um impulso interno para sair e encontrar as coisas que ainda não entende.

4. O Sistema de Alarme do Corpo (Alostase)
Seu cérebro não está pensando apenas no mundo exterior; ele está monitorando constantemente o seu mundo interior também. Ele rastreia sua fome, sede, temperatura e níveis de energia. Isso é chamado de "controle alostático".
Imagine seu cérebro como um termostato que não apenas reage ao frio, mas prevê que você ficará com frio e diz para você vestir um casaco antes mesmo de você tremer. Este sistema cria um senso de "eu". Ele diz a você o que é bom para você (comida) e o que é ruim (dor). O artigo argumenta que esse sentimento interno de "eu preciso disso" ou "eu quero aquilo" é a base de toda motivação. Os sistemas de IA atuais geralmente têm objetivos que os humanos lhes dão (como "vencer este jogo"). Eles não têm sua própria "fome" ou "medo" interno que os impele a agir.

5. O Filtro de "Fui Eu Que Fiz Isso?"
Quando você mexe o dedo, seu cérebro sabe exatamente como isso parecerá. Ele envia uma cópia do comando de "movimento" para seus olhos para que possa cancelar o movimento que você causou. Isso ajuda a ignorar seus próprios movimentos e focar em coisas que se movem por conta própria (como um pássaro voando por perto).
É assim que sabemos a diferença entre "eu" e "o mundo". Se você toca seu nariz, você sabe que foi você. Se alguém toca seu nariz, é uma surpresa. O artigo explica que essa capacidade de distinguir ações geradas pelo próprio corpo de eventos externos é crucial para entender causa e efeito. Sem isso, um robô pode não entender que ele é quem está quebrando a xícara, ou que ele é quem está causando o barulho.

O Que Isso Significa para o Futuro

Os autores tomam o cuidado de não dizer que a IA atual está "quebrada" ou que a biologia é "perfeita". Eles admitem que o método de "leitura passiva" tem sido incrivelmente bem-sucedido para coisas como escrever e conversar. No entanto, eles sugerem que, se quisermos que os robôs realmente entendam o mundo físico, interajam com humanos naturalmente e aprendam por conta própria, talvez precisemos mudar nossa abordagem.

Eles propõem que a IA do futuro deve ser construída mais como um organismo biológico:

• Começar com o corpo: Deixe a IA aprender através do movimento e da interação primeiro, não apenas lendo textos.
• Construir o mapa do zero: Deixe a IA desenvolver um entendimento físico de objetos e espaço antes de tentar ensinar-lhe uma linguagem complexa.
• Adicionar um senso de si mesmo: Dê à IA impulsos internos (como curiosidade ou a necessidade de manter o equilíbrio) para que ela aprenda de forma ativa, não apenas passiva.
• Aprender socialmente: Assim como os humanos aprendem interagindo com outros, a IA do futuro pode precisar aprender convivendo com humanos e outros agentes, construindo um entendimento "compartilhado" do mundo.

O artigo conclui que, embora não saibamos exatamente quais partes da biologia são essenciais e quais são apenas acidentes afortunados da evolução, ignorar a maneira como os seres vivos aprendem é um grande risco. Se quisermos uma IA que possa realmente navegar em nosso mundo, talvez precisemos parar de tratá-la como uma biblioteca e começar a tratá-la como um explorador curioso.