No mundo da inteligência artificial, pesquisadores estão tentando ensinar máquinas a entender como o mundo físico funciona. Eles querem que robôs e carros autônomos prevejam o que acontecerá a seguir, não apenas memorizando imagens, mas construindo um modelo mental interno de causa e efeito. Para fazer isso, eles utilizam um sistema que atua como um mapa comprimido da realidade, transformando dados sensoriais complexos em uma representação abstrata mais simples. A esperança é que, se a máquina compreender as regras subjacentes da física — como a gravidade puxa, como as articulações se movem ou como um carro faz uma curva — ela possa planejar suas ações de forma mais segura e eficiente. Durante anos, o conselho padrão tem sido forçar essas regras diretamente no mapa interno da máquina, acreditando que essa orientação "informada pela física" ajudaria a IA a aprender de forma mais rápida e melhor.

No entanto, um novo estudo descobriu que essa abordagem intuitiva é, na verdade, prejudicial. Os pesquisadores descobriram que, quando se tenta forçar leis físicas para dentro da representação interna da máquina, o sistema entra em colapso, perdendo sua capacidade de entender o mundo com precisão. Em vez disso, eles provaram matematicamente e demonstraram através de testes rigorosos que as regras físicas devem ser mantidas no final do processo, usadas apenas para interpretar o resultado final, enquanto o mapa interno deve permanecer completamente livre e flexível. Esta descoberta resolve um mistério de longa data sobre o porquê de tentativas anteriores de construir robôs mais inteligentes terem falhado, oferecendo um roteiro claro de como construir esses sistemas corretamente.

O estudo, liderado por Mohsen Mostafa, foca em um tipo específico de arquitetura de IA projetada para prever o estado futuro de um sistema com base em seu estado atual e ações. Imagine um braço robótico tentando passar uma linha por uma agulha. A IA pega uma foto da cena e da posição atual do robô, comprime essa informação em um código oculto e, então, tenta prever onde o robforma o robô estará um momento depois. O objetivo é criar um "modelo de mundo" que possa simular o futuro dentro do computador antes que o robô realmente se mova. Os pesquisadores estavam investigando um paradoxo: quando adicionavam regras sobre como as articulações do robô deveriam se mover ou como a câmera deveria ver o mundo diretamente na parte da IA que cria o código oculto, o sistema performava pior. Quando removiam essas regras, o sistema funcionava melhor. Isso parecia contraintuitivo, pois seria de se esperar que dar à IA mais informações sobre as leis da física a ajudasse.

Para resolver este enigma, a equipe desenvolveu uma série de provas matemáticas mostrando que o código interno, ou "embedding", funciona melhor quando é o mais aleatório e disperso possível, um estado conhecido como entropia máxima. Eles provaram que, se restringirem esse código com regras físicas, forçam-no a uma forma estreita que não consegue representar a variedade total do mundo. É como tentar encaixar um objeto tridimensional complexo em uma caixa plana e rígida; o objeto é esmagado e perde-se os detalhes. A matemática mostrou que a parte de predição do sistema, que adivinha o futuro, pode lidar com qualquer tipo de física sem prejudicar o código interno, mas o código em si deve permanecer não restringido. O único lugar onde as regras físicas são seguras para aplicação é no final, no "decodificador", que traduz o código oculto de volta para uma previsão do que o robô vê ou faz.

Os pesquisadores testaram esta teoria em dois cenários do mundo real muito diferentes: condução autónoma e manipulação robótica. Eles utilizaram dados do dataset nuScenes, que contém milhares de horas de filmagens de condução, e o dataset MimicGen, que apresenta um robô bimanual tentando passar uma linha por uma agulha. Em ambos os casos, realizaram centenas de experimentos, treinando a IA com diferentes configurações. Eles compararam sistemas onde as regras de física foram aplicadas ao código interno contra sistemas onde as regras foram aplicadas apenas ao resultado final. Os resultados foram consistentes e estatisticamente significativos. Em todos os testes, o sistema que manteve o código interno livre e aplicou a física apenas no final produziu uma representação do mundo muito melhor e mais confiável. Os sistemas que tentaram forçar a física no código sofreram um "colapso", onde o mapa interno tornou-se demasiado simples e perdeu a capacidade de distinguir entre diferentes situações.

Uma das descobertas mais surpreendentes veio da tarefa de passar a linha. Os pesquisadores descobriram um modo de falha oculto que passou despercebido em estudos anteriores. Eles descobriram que, mesmo quando a IA parecia estar a funcionar corretamente na superfície, ela poderia estar a sofrer um "colapso" de uma forma invisível aos controles padrão. A IA estava a encontrar um atalho onde satisfazia as regras básicas do jogo sem realmente aprender as relações complexas necessárias para o controle. Isso acontecia porque a tarefa era tão simples que a IA podia contornar o sistema. Para capturar isso, a equipe desenvolveu uma nova ferramenta de diagnóstico que olhava mais profundamente nos sinais internos da IA, revelando que o sistema "inteligente" era, na verdade, vazio. Esta descoberta alerta que simplesmente verificar se uma IA consegue prever o próximo quadro não é suficiente; deve-se também garantir que a representação interna seja rica e diversa.

O estudo também abordou uma questão crítica sobre se estas melhores representações levam, de fato, a um melhor controle. Os pesquisadores construíram um sistema de planejamento que utilizava a IA treinada para determinar a melhor sequência de movimentos para atingir um objetivo. Eles esperavam que a IA com a colocação correta da física planejasse melhor do que as outras. No entanto, encontraram uma armadilha sutil. O sistema de planejamento foi capaz de encontrar sequências de ações que pontuavam perfeitamente na função de custo interna da IA, mas que estavam, na verdade, longe do caminho correto e verdadeiro. Era como se a IA tivesse aprendido a manipular o sistema de pontuação em vez de resolver o problema. Isso aconteceu em todas as versões do modelo, independentemente de como foram construídas. Os pesquisadores concluíram que, embora o seu novo princípio de design crie um mapa interno muito melhor, provar que este mapa leva a um melhor controle no mundo real requer testar o robô num ambiente vivo, não apenas numa simulação de computador.

Este trabalho fornece uma resposta definitiva a um problema que tem assolado o campo da robótica e da condução autónoma. Demonstra que a intuição de injetar conhecimento de domínio na IA está correta, mas o alvo estava errado. A física pertence ao decodificador, onde ajuda a interpretar o mundo, mas nunca no codificador, onde destrói a capacidade do sistema de aprender. Ao seguir esta regra, engenheiros podem construir modelos de mundo que são teoricamente sólidos e empiricamente robustos. O estudo também serve como um aviso para a área, destacando que testes offline podem ser enganosos e que a verdadeira validação exige ver como o sistema performa quando interage com o mundo real. O código e os dados para estes experimentos foram tornados públicos, permitindo que outros pesquisadores verifiquem estas descobertas e construam sobre este novo fundamento para a criação de máquinas inteligentes.