Epoca Negócios
Imagine um robô que percebe quando uma pessoa está com dificuldades para levantar uma caixa e, sem receber qualquer comando, se aproxima para ajudá-la. Ou um assistente virtual capaz de antecipar como será a sensação de tocar uma interface antes mesmo de alguém encostar nela.
Para Daniela Rus, professora do Instituto de Tecnologia de Massachusetts (MIT) e diretora do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) da universidade, exemplos como esses ajudam a ilustrar o que poderá ser a próxima grande transformação da inteligência artificial.
A pesquisadora estará presente no HSM+ 2026, evento que acontece em São Paulo nos dias 4 e 5 de novembro. Na sua avaliação, os avanços mais surpreendentes dos próximos cinco a dez anos virão de sistemas capazes de aprender fazendo, por meio da interação com o mundo físico, de tentativas e erros e de respostas recebidas em tempo real.
A ideia é desenvolver máquinas que consigam compreender as consequências de suas ações e adaptar seu comportamento a situações que não estavam previstas durante o treinamento. A visão aponta para um dos maiores desafios da indústria de inteligência artificial.
Embora ferramentas como o ChatGPT, Claude e Gemini tenham demonstrado avanços expressivos na geração de textos, no reconhecimento de padrões e na programação, ainda existe uma distância considerável entre o que esses sistemas conseguem realizar no ambiente digital e sua capacidade de agir de maneira confiável no mundo físico.
Segundo Rus, superar essa barreira exigirá o desenvolvimento de modelos que compreendam princípios da física, aprendam com a própria experiência e consigam tomar decisões em tempo real. É o conceito de inteligência incorporada (embodied intelligence), uma das principais áreas de sua pesquisa.
Na entrevista, a cientista também analisa os obstáculos que ainda impedem a popularização dos robôs inteligentes, os impactos da IA no mercado de trabalho e o que diferencia empresas que realmente inovam daquelas que apenas acompanham o entusiasmo em torno da tecnologia. Ela também defende o papel das universidades no avanço científico em um cenário de crescente concentração do desenvolvimento da IA entre as gigantes de tecnologia.
Confira a entrevista: Época NEGÓCIOS: Há uma lacuna entre o entusiasmo em torno da IA e o que a tecnologia realmente pode entregar? Quais são os maiores desafios pela frente?
Daniela Rus: A diferença entre o entusiasmo atual em torno da IA e suas capacidades práticas e físicas continua sendo um dos desafios mais importantes que o campo enfrenta hoje. Embora modelos generativos e grandes sistemas de linguagem tenham alcançado feitos notáveis em linguagem, reconhecimento de padrões e até mesmo geração de código, a maioria desses avanços está restrita a representações abstratas e orientadas a dados.
O tipo de inteligência incorporada necessária para robôs – onde hardware e software devem ser coprojetados para se adaptarem em tempo real – ainda fica muito aquém do entusiasmo gerado. O problema central é a dificuldade de construir sistemas que possam operar de forma confiável no mundo físico, caótico e imprevisível.
Os principais obstáculos técnicos são: desenvolver uma IA que compreenda a física e o senso comum; que possa rodar no próprio dispositivo e responder em tempo real sem a latência imposta pela nuvem; que consiga conectar percepção à ação com modelos causais capazes de aprender tarefas complexas e que não cometam erros.
Para dispositivos físicos, a latência, a memória e os limites de energia são características determinantes que moldam o projeto. Superar esses obstáculos exigirá uma sistemática de estruturas mecânicas, estratégias de atuação e algoritmos de IA.
Paralelamente, estabelecer padrões claros de segurança, protocolos de validação e estruturas éticas será essencial para transitar de protótipos de laboratório para implantações confiáveis. Qual você acredita que será o próximo grande avanço na inteligência artificial?
Precisamos de novos modelos de IA que busquem inspiração nas formas extraordinárias como os sistemas naturais aprendem. Considere como os bebês aprendem por meio da interação com o mundo físico.
Assim como as crianças exploram tocando, movendo-se e experimentando, veremos sistemas de IA projetados para sentir, adaptar e evoluir seu próprio hardware e software em tempo real. Isso significa ir além de padrões estáticos e pré-treinados em direção a modelos que possam ajustar dinamicamente sua própria estrutura e comportamento com base em feedback imediato, muito parecidos com um robô que pode reconfigurar sua rigidez para atender a novas restrições.
Essa inteligência incorporada estará enraizada em uma profunda integração de percepção, ação e raciocínio que respeita as realidades físicas de latência, consumo de energia e restrições de memória. Para alcançar isso, devemos desenvolver métodos de planejamento fundamentados na física que permitam à IA experimentar, aprender e antecipar as consequências de suas ações no momento da execução, enquanto aprende simultaneamente com os resultados.
Quando esses modelos são combinados com justificativas claras e legíveis por humanos que explicam por que uma determinada ação foi escolhida, eles se tornam confiáveis e implantáveis em cenários de alto risco, como resposta a desastres, robótica médica e mobilidade autônoma. Em suma, o futuro da IA reside em sistemas que podem aprender fazendo (física e computacionalmente) e que justificam seu comportamento aos usuários, preenchendo assim a lacuna entre as abordagens orientadas a dados de hoje e as demandas práticas da implementação no mundo real.
O que ainda impede que robôs inteligentes façam parte do nosso cotidiano? Quão perto estamos desse futuro? Os robôs inteligentes ainda estão longe de fazer parte do nosso dia a dia porque existem diversas barreiras técnicas, práticas e sociais interligadas que precisam ser superadas.
No centro do problema está a distância entre a simulação e a realidade. A maioria dos modelos de inteligência artificial é treinada com conjuntos de dados cuidadosamente selecionados, que pressupõem condições ideais.
Já o mundo real é repleto de interferências, imprevisibilidade e limitações físicas. Os ambientes reais exigem latência extremamente baixa, restrições rigorosas de consumo de energia e garantias robustas de segurança, requisitos que ainda são difíceis de atender com os sensores disponíveis atualmente.
Além disso, os robôs precisam lidar com terrenos irregulares, ambientes desorganizados, obstáculos em movimento e interações humanas, situações nas quais os algoritmos tradicionais de planejamento apresentam limitações. Mesmo quando um robô consegue calcular um plano de ação, seu hardware pode não ser capaz de se reconfigurar rapidamente ou executar movimentos com segurança diante dessas condições.
Os robôs inteligentes precisam ser desenvolvidos desde o início para incorporar a chamada inteligência incorporada (embodied intelligence) e a inteligência física (physical intelligence). Podemos pensar em um robô como a combinação de três elementos: corpo, cérebro e mente.
A inteligência incorporada está relacionada à capacidade de tornar o corpo adaptável. Já a inteligência física diz respeito à construção da mente do robô.
Como a inteligência artificial vai transformar o mercado de trabalho nos próximos anos? Quais habilidades humanas continuarão sendo essenciais? Nos próximos anos, a inteligência artificial transformará o mercado de trabalho ao automatizar tarefas rotineiras e repetitivas em diversos setores, como indústria, atendimento ao cliente, entrada de dados e até mesmo algumas atividades de serviços especializados, como pesquisas jurídicas e diagnósticos médicos.
Embora muitos empregos de baixa qualificação e tarefas repetitivas possam ser substituídos, a IA também está criando novas funções que exigem habilidades cognitivas mais avançadas, como engenharia de prompts, design assistido por IA, curadoria de dados e colaboração entre humanos e inteligência artificial.
O resultado será uma mudança em direção a profissões que exigem criatividade, inteligência emocional e capacidade de resolver problemas complexos, em vez da simples execução de tarefas. O conhecimento e diversas habilidades humanas continuarão sendo indispensáveis.
Entre elas estão a capacidade de julgamento, o pensamento crítico e o raciocínio analítico, necessários para avaliar os resultados produzidos pela IA; a inteligência emocional, especialmente em funções que envolvem interação direta com outras pessoas; a criatividade e a colaboração, fundamentais para imaginar soluções que a IA ainda não consegue desenvolver; e a adaptabilidade e o aprendizado contínuo, essenciais para acompanhar a rápida evolução tecnológica.
Além disso, competências como discernimento ético, comunicação intercultural e pensamento sistêmico serão fundamentais para lidar com os impactos mais amplos da inteligência artificial na sociedade. Priorizar o desenvolvimento dessas habilidades ajudará profissionais e organizações a prosperar em um mundo no qual as máquinas se tornam cada vez mais capazes.
O que diferencia as empresas que estão realmente inovando com inteligência artificial daquelas que apenas seguem o entusiasmo em torno da tecnologia? O que diferencia é a capacidade de alinhar claramente os resultados de negócios à viabilidade técnica.
As empresas que inovam de maneira eficaz começam com um problema bem definido, validam sua relevância com usuários reais ou dados concretos e, a partir disso, desenvolvem soluções de IA que não são apenas tecnicamente impressionantes, mas também geram valor mensurável. Isso pode acontecer, por exemplo, por meio da redução de custos, do aumento da receita, da mitigação de riscos ou da melhoria da experiência do cliente.
Em contrapartida, empresas que se deixam levar pelo entusiasmo em torno da tecnologia frequentemente se apressam para implementar demonstrações chamativas ou modelos prontos, sem realizar testes rigorosos. O resultado são soluções que parecem promissoras no papel, mas não produzem impactos significativos na prática.
As empresas verdadeiramente inovadoras são aquelas que resolvem problemas e criam soluções, não as que simplesmente seguem tendências. Elas identificam e enfrentam desafios que realmente importam para seus clientes, comunidades ou setores de atuação.
Ao desenvolver e implementar soluções capazes de resolver problemas concretos do mundo real, essas empresas criam valor duradouro. Já aquelas que apenas seguem tendências costumam aderir à novidade do momento sem uma validação aprofundada, produzindo soluções que impressionam nas demonstrações, mas não conseguem entregar resultados concretos.
O desenvolvimento da inteligência artificial está cada vez mais concentrado nas mãos de algumas gigantes da tecnologia. Isso representa uma ameaça à inovação científica? Como universidades e laboratórios de pesquisa independentes podem continuar competitivos?
As universidades operam fora das limitações impostas pelos ciclos de desenvolvimento de produtos comerciais, o que lhes permite explorar ideias pioneiras sem que as pressões do mercado determinem as prioridades de pesquisa. Enquanto as empresas de tecnologia buscam otimizar seus resultados trimestrais, os laboratórios acadêmicos promovem o avanço do conhecimento por meio de novas ideias fundamentais para a inteligência artificial e de novas aplicações da tecnologia.
Essa liberdade em relação às exigências de lucratividade permite transformar o potencial teórico em conhecimento e impactos concretos. Os pesquisadores independentes ampliam esse movimento ao desenvolver ferramentas e estruturas de código aberto (open source), que permitem às comunidades colaborar na criação e adaptação de soluções de inteligência artificial.
Considerando as pesquisas em andamento no MIT, qual avanço tecnológico você acredita que poderá nos surpreender nos próximos cinco a dez anos? A próxima grande transformação virá dos sistemas de inteligência artificial capazes de aprender fazendo.
São robôs ou agentes de software que processam dados e interagem fisicamente com o mundo, aperfeiçoando continuamente sua compreensão por meio de tentativas, erros e feedback em tempo real. Imagine um robô que observa você tendo dificuldades para levantar uma caixa e imediatamente se aproxima para ajudar.
Ou um assistente virtual capaz de prever como será a sensação de utilizar uma nova interface com as mãos antes mesmo de você tocá-la. Trata-se de algo que vai além do simples processamento de informações: é a capacidade de compreender verdadeiramente as regras que governam o nosso mundo.
Mais Lidas
