A Década que Mudou a IA: Do Tabuleiro de Go à Fronteira da Ciência

Há exatamente dez anos, o mundo assistiu a um confronto que muitos consideravam prematuro. Em Seul, o sistema de Inteligência Artificial AlphaGo enfrentou Lee Se-dol, um dos maiores mestres de sempre do jogo de Go. O que estava em causa não era apenas um troféu, mas a prova de que a aprendizagem por reforço (reinforcement learning) poderia resolver problemas de uma complexidade quase infinita.

O "Movimento 37" e a Intuição Artificial

O Go é um jogo de estratégia com 10170 posições possíveis — um número que excede o total de átomos no universo observável. Ao contrário do xadrez, onde a força bruta computacional pode prever muitas jogadas, o Go exige uma espécie de "intuição" sobre a forma e a influência no tabuleiro.

O momento decisivo ocorreu no Jogo 2, com o célebre Movimento 37. O AlphaGo colocou uma peça numa posição que nenhum especialista humano consideraria correta naquela fase. Foi um vislumbre de criatividade artificial: a máquina não estava a copiar humanos; estava a descobrir estratégias que a humanidade ignorara durante 2.500 anos.

A Evolução: Da Imitação à Autonomia Total

A arquitetura original do AlphaGo evoluiu rapidamente para sistemas mais elegantes e poderosos:

• AlphaGo Zero: Ao contrário do seu predecessor, que treinou com milhares de partidas humanas, o AlphaGo Zero começou do zero, jogando apenas contra si próprio. Em poucos dias, superou a versão que venceu Lee Se-dol, provando que os dados humanos podem, por vezes, limitar o potencial de uma IA.

• AlphaZero: Esta versão generalizada demonstrou que o mesmo algoritmo poderia dominar o xadrez, o shogi e o Go, sem necessidade de ajustes específicos para cada jogo.

O Salto para o Mundo Real: A Revolução Biológica

O verdadeiro triunfo do AlphaGo não foi ganhar jogos, mas sim validar uma metodologia que agora acelera a ciência. O exemplo mais transformador é o AlphaFold.

"O AlphaFold é o primeiro exemplo de como a IA pode ajudar-nos a compreender a biologia fundamental, resolvendo um problema que intrigava os cientistas há meio século."

Com o AlphaFold 2, a Google DeepMind conseguiu prever a estrutura tridimensional das proteínas com precisão atómica. Hoje, a Base de Dados do AlphaFold é uma ferramenta essencial para mais de 3 milhões de investigadores, facilitando a criação de novas enzimas para combater a poluição por plásticos e o desenvolvimento de fármacos mais eficazes.

Outros Pilares do Impacto Científico

A herança do AlphaGo ramificou-se em diversas disciplinas críticas:

1. Matemática e Raciocínio: O descendente direto, AlphaProof, utiliza a combinação de modelos de linguagem com pesquisa avançada para resolver problemas matemáticos de nível olímpico, aproximando-nos de sistemas que conseguem raciocinar logicamente.

2. Energia Limpa: A IA está a ser usada para controlar o plasma dentro de reatores de fusão nuclear, um passo vital para uma fonte de energia inesgotável e limpa.

3. Climatologia: Modelos como o GraphCast superam os métodos tradicionais de previsão meteorológica, permitindo antecipar eventos extremos com dias de antecedência e maior precisão.

O Futuro: Rumo à Inteligência Artificial Geral (IAG)

Hoje, os princípios de pesquisa e planeamento do AlphaGo estão a ser integrados no Gemini. Enquanto o Gemini oferece a compreensão multimodal (texto, imagem, vídeo), as técnicas do AlphaGo fornecem o "raciocínio profundo" (deep thinking).

A meta final é a IAG (Inteligência Artificial Geral) — uma tecnologia que não seja apenas boa a jogar ou a prever proteínas, mas que consiga colaborar com cientistas para formular novas hipóteses e descobrir leis da física ainda desconhecidas.

Dez anos depois de Seul, o AlphaGo continua a ser o símbolo da nossa transição de uma era de "pesquisa e dados" para uma era de "descoberta e invenção" assistida por inteligência artificial.

Siga o NetThings no Google News

Fique a par de todas as novidades tecnológicas em tempo real.

⭐ SEGUIR NO GOOGLE NEWS

Acompanhe-nos também em:

FACEBOOK INSTAGRAM X