Construindo IA que Simula a Realidade Física

Summary

Modelos de linguagem preveem palavras. Modelos de mundo preveem o que acontece a seguir na realidade. Essa diferença arquitetônica é o motivo pelo qual alguns dos nomes mais proeminentes da pesquisa em IA convergiram para os modelos de mundo como a próxima camada essencial de capacidade. Em 2026, três organizações lideram essa construção: o Google DeepMind lançou um modelo de mundo interativo em tempo real baseado em difusão de vídeo; a World Labs de Fei-Fei Li comercializou o Marble, um simulador de ambiente 3D navegável; e a AMI Labs de Yann LeCun fechou uma rodada seed de US$ 1,03 bilhão — a maior já registrada na Europa — para construir IA baseada em JEPA que aprende compreensão física a partir de princípios fundamentais.

O que um Modelo de Mundo Realmente Faz

Um modelo de linguagem é treinado para prever o próximo token em uma sequência. Dada uma passagem de texto, ele estima qual palavra, frase ou caractere vem a seguir — e, por meio disso, aprende a raciocinar sobre linguagem, conceitos e padrões.

Um modelo de mundo faz algo estruturalmente diferente. Dado o estado atual de um ambiente físico, ele prevê o que acontece a seguir: como os objetos se comportam sob força, qual a aparência de um espaço a partir de um ângulo diferente, quais são as consequências de uma determinada ação. Os dados de treinamento não são texto — são vídeo, leituras de sensores e simulações.

O objetivo é uma IA capaz de simular antes de agir. Em vez de descrever um plano em palavras e torcer para que a descrição seja precisa, uma IA com um modelo de mundo pode simular internamente o resultado de um plano, identificar o que vai falhar e revisá-lo antes que qualquer coisa seja executada no mundo real.

Três organizações estão construindo essa capacidade de maneiras significativamente diferentes.

Google DeepMind: Vídeo em Simulação Interativa

Em agosto de 2025, o DeepMind lançou um modelo de mundo interativo em tempo real que converte vídeo em simulação jogável. A entrada é qualquer vídeo — imagens de um cômodo, um ambiente externo, um mundo de jogo. A saída é uma versão interativa desse vídeo: o usuário pode se mover por ele, realizar ações, e o modelo gera o próximo quadro fisicamente plausível em tempo real.

A abordagem do DeepMind evita completamente regras de física feitas à mão. O modelo aprende a dinâmica física treinando em vastos conjuntos de dados de vídeo — efetivamente inferindo como o mundo funciona ao observá-lo. As simulações respeitam gravidade, oclusão, permanência de objetos e a estrutura básica do espaço físico sem nenhuma regra explícita que codifique essas propriedades.

Aplicações atuais:

• Ambientes de treinamento para robótica: gerar cenários novos e ilimitados a partir de imagens de referência em vez de coletar novos dados físicos
• Desenvolvimento de jogos: gerar ambientes de protótipo interativos a partir de material de referência
• Fundamentação de agentes de IA: testar planos em simulação antes da execução no mundo real

Implicação de longo prazo: o modelo de mundo do DeepMind é uma base para agentes autônomos capazes de raciocinar sobre consequências antes de agir — em vez de agir e observar os resultados.

World Labs: Marble, o Mundo 3D Navegável

Fei-Fei Li — codiretora do Human-Centered AI Institute da Stanford e ex-chefe de IA do Google Cloud — fundou a World Labs para comercializar a modelagem de mundo em larga escala. O lançamento de produto da empresa em 2026 é o Marble: um modelo generativo que cria ambientes 3D navegáveis em tempo real do zero.

Enquanto o DeepMind converte vídeo existente em simulação interativa, o Marble gera mundos 3D inteiramente novos a partir de uma descrição ou esboço rudimentar. Esses ambientes podem ser explorados de qualquer ângulo com geometria espacial e física consistentes — uma cena gerada pelo Marble mantém coerência estrutural enquanto você se move por ela, algo que sistemas generativos anteriores não conseguiam alcançar de forma confiável.

Onde o Marble está sendo usado:

A oportunidade comercial que a World Labs está buscando é o custo do conteúdo 3D: atualmente medido em milhões de dólares e meses de tempo de produção. A geração no estilo Marble comprime isso para horas.

AMI Labs: A Aposta de US$ 1,03 Bilhão no JEPA

A Advanced Machine Intelligence Labs, cofundada por Yann LeCun (Cientista-Chefe de IA da Meta), fechou uma rodada seed de US$ 1,03 bilhão — a maior rodada seed europeia de todos os tempos — com um consórcio de investidores de tecnologia europeus.

A AMI Labs não está construindo um modelo de linguagem maior ou um sistema de difusão de vídeo melhor. Está construindo IA baseada na Joint Embedding Predictive Architecture (JEPA) de LeCun, que funciona sobre princípios fundamentalmente diferentes dos modelos de mundo atuais.

Em vez de prever pixels brutos ou tokens de texto, o JEPA treina a IA para prever representações abstratas — a estrutura significativa de uma cena, em vez de sua aparência literal. O argumento de LeCun: o senso comum humano não é construído a partir da memorização de observações do mundo. Ele é construído a partir do aprendizado de modelos abstratos de causa e efeito, dinâmica física e comportamento de objetos em nível conceitual. O JEPA tenta replicar esse processo de aprendizado.

A diferença prática: sistemas baseados em JEPA devem generalizar para situações físicas novas de forma mais eficaz do que modelos de difusão de vídeo, porque não estão tentando reconstruir cada pixel — estão modelando a estrutura conceitual que gera esses pixels.

A tese da AMI Labs, na formulação de LeCun: escalar modelos de linguagem não pode produzir IA geral. O ingrediente que falta é um modelo de mundo que compreenda a física a partir de princípios fundamentais, não a partir de padrões estatísticos em texto ou vídeo.

Comparando as Três Abordagens

Por Que Isso Importa Fora do Laboratório

Modelos de mundo são infraestrutura para a próxima geração de produtos de IA, não aplicações de consumo de curto prazo. Mas os produtos que estão sendo construídos em 2026 e 2027 dependerão cada vez mais de capacidades de modelagem de mundo que estão sendo estabelecidas agora:

Robótica em escala: toda empresa que constrói IA física — automação de armazéns, manufatura, entregas — precisa treinar robôs em cenários diversos. Modelos de mundo geram ambientes de treinamento variados e ilimitados sem o custo da coleta de dados físicos. DeepMind e World Labs estão construindo a camada de geração de ambientes de treinamento que toda a indústria de robótica usará.

Agentes de IA com fundamentação física: os agentes de IA atuais, incluindo os sistemas mais capazes baseados em modelos de linguagem, alucinam sobre restrições físicas porque raciocinam sobre o mundo físico apenas a partir de descrições em texto. Uma IA com um modelo de mundo pode simular se um plano funciona fisicamente antes de se comprometer com ele.

Criação de conteúdo 3D: sistemas da classe do Marble comprimirão os prazos e custos de produção de conteúdo 3D em ordens de grandeza — com implicações diretas para desenvolvimento de jogos, produção cinematográfica, arquitetura e mídia imersiva.

Perguntas Frequentes

O que é um modelo de mundo em IA? Um modelo de mundo é um sistema de IA que constrói uma simulação interna da realidade física — codificando como os objetos se comportam, como causa e efeito funcionam e o que acontece após uma determinada ação. Diferente dos modelos de linguagem, que preveem o próximo token de texto, os modelos de mundo preveem o próximo estado de um ambiente físico. Eles são considerados fundamentais para robótica, veículos autônomos e agentes de IA física.

O que Yann LeCun está construindo na AMI Labs? A AMI Labs, cofundada por LeCun e financiada com uma rodada seed de US$ 1,03 bilhão (a maior da história de startups europeias), está desenvolvendo IA baseada no JEPA — Joint Embedding Predictive Architecture. O JEPA prevê representações abstratas em vez de pixels brutos ou tokens, com o objetivo de dar à IA o tipo de senso comum físico que os humanos desenvolvem através da experiência, e não da observação. LeCun argumenta que o JEPA é a arquitetura necessária para uma IA que possa genuinamente raciocinar sobre o mundo físico.

O que é o produto Marble da World Labs? O Marble é um modelo de mundo em larga escala da World Labs (fundada por Fei-Fei Li) que gera simulações 3D navegáveis em tempo real a partir de descrições ou esboços. Diferente dos sistemas que convertem vídeo existente em simulação, o Marble cria ambientes 3D novos com física e geometria espacial consistentes. As aplicações incluem ambientes de treinamento para robótica, prototipagem de jogos e AR/VR, e visualização arquitetônica.

Como funciona o modelo de mundo do Google DeepMind? O modelo de mundo do DeepMind, lançado em agosto de 2025, recebe vídeo como entrada e o converte em uma simulação interativa. O usuário pode navegar e agir dentro do ambiente simulado, e o modelo gera os próximos quadros fisicamente plausíveis em tempo real. Em vez de codificar manualmente regras de física, o modelo aprende a dinâmica física treinando em grandes conjuntos de dados de vídeo — inferindo como o mundo se comporta ao observá-lo.

Sources

• Google DeepMind — Lançamento do modelo de mundo interativo em tempo real, agosto de 2025
• World Labs — Lançamento do produto Marble e documentação técnica, 2026
• AMI Labs — Anúncio da rodada seed de US$ 1,03 bilhão e visão geral da arquitetura JEPA, 2026
• Yann LeCun — Artigos de pesquisa sobre JEPA e apresentações públicas, Meta AI, 2025–2026