Construir IA que Simula a Realidade Física

Resumo

Os modelos de linguagem preveem palavras. Os modelos de mundo preveem o que acontece a seguir na realidade. Essa diferença arquitetónica é a razão pela qual alguns dos nomes mais proeminentes na investigação em IA convergiram para os modelos de mundo como a próxima camada de capacidade essencial. Em 2026, três organizações lideram a construção: a 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 ronda seed de 1,03 mil milhões de dólares — a maior de sempre na Europa — para construir IA baseada em JEPA que aprende a compreensão física a partir de princípios fundamentais.

O Que um Modelo de Mundo Faz Realmente

Um modelo de linguagem é treinado para prever o token seguinte numa sequência. Dado um excerto de texto, estima qual palavra, frase ou carácter vem a seguir — e, através 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, prevê o que acontece a seguir: como os objetos se comportam sob força, o aspeto de um espaço visto de um ângulo diferente, quais são as consequências de uma determinada ação. Os dados de treino 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 por palavras e esperar 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 corrigi-lo antes de algo ser executado no mundo real.

Três organizações estão a construir esta capacidade de formas significativamente diferentes.

Google DeepMind: Vídeo Transformado em Simulação Interativa

Em agosto de 2025, a DeepMind lançou um modelo de mundo interativo em tempo real que converte vídeo em simulação jogável. O input é qualquer vídeo — filmagens de uma sala, um ambiente exterior, um mundo de jogo. O output é uma versão interativa desse vídeo: o utilizador pode movimentar-se por ele, realizar ações, e o modelo gera o fotograma seguinte fisicamente plausível em tempo real.

A abordagem da DeepMind evita por completo regras de física definidas manualmente. O modelo aprende a dinâmica física a partir do treino em enormes conjuntos de dados de vídeo — inferindo, na prática, como o mundo funciona ao observá-lo. As simulações respeitam a gravidade, a oclusão, a permanência dos objetos e a estrutura básica do espaço físico sem qualquer regra explícita que codifique essas propriedades.

Aplicações atuais:

• Ambientes de treino para robótica: gerar cenários novos e ilimitados a partir de filmagens de referência, em vez de recolher 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 da DeepMind é uma base para agentes autónomos capazes de raciocinar sobre as 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 de Stanford e antiga responsável de IA na Google Cloud — fundou a World Labs para comercializar a modelação de mundo em grande escala. O lançamento de produto de 2026 da empresa é o Marble: um modelo generativo que cria, a partir do zero, ambientes 3D navegáveis em tempo real.

Enquanto a DeepMind converte vídeo já existente em simulação interativa, o Marble gera mundos 3D inteiramente novos a partir de uma descrição ou de um esboço rudimentar. Estes ambientes podem ser explorados a partir de qualquer ângulo, com geometria espacial e física consistentes — uma cena gerada pelo Marble mantém coerência estrutural à medida que se percorre o espaço, algo que os sistemas generativos anteriores não conseguiam alcançar de forma fiável.

Onde o Marble está a ser utilizado:

A oportunidade comercial que a World Labs está a visar 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 1,03 Mil Milhões de Dólares no JEPA

A Advanced Machine Intelligence Labs, cofundada por Yann LeCun (Chief AI Scientist da Meta), fechou uma ronda seed de 1,03 mil milhões de dólares — a maior ronda seed europeia de sempre — junto de um consórcio de investidores tecnológicos europeus.

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

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

A diferença prática: os sistemas baseados em JEPA deverão generalizar para situações físicas inéditas de forma mais eficaz do que os modelos de difusão de vídeo, porque não tentam reconstruir cada píxel — modelam a estrutura concetual que gera esses píxeis.

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

Comparação das Três Abordagens

Porque É Que Isto Importa Fora do Laboratório

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

Robótica à escala: todas as empresas que constroem IA física — automação de armazéns, fabrico, entregas — precisam de treinar robôs em cenários diversos. Os modelos de mundo geram ambientes de treino ilimitados e variados sem o custo da recolha de dados físicos. A DeepMind e a World Labs estão a construir a camada de geração de ambientes de treino que toda a indústria da robótica utilizará.

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

Criação de conteúdo 3D: os sistemas da classe Marble comprimirão os prazos e custos de produção de conteúdo 3D em várias ordens de grandeza — com implicações diretas para o desenvolvimento de jogos, a produção cinematográfica, a arquitetura e os media imersivos.

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 funciona a causa e efeito, e o que acontece a seguir depois de uma determinada ação. Ao contrário dos modelos de linguagem, que preveem o token de texto seguinte, os modelos de mundo preveem o estado seguinte de um ambiente físico. São considerados fundamentais para a robótica, os veículos autónomos e os agentes de IA física.

O que está Yann LeCun a construir na AMI Labs? A AMI Labs, cofundada por LeCun e financiada com uma ronda seed de 1,03 mil milhões de dólares (a maior da história das startups europeias), está a desenvolver IA baseada em JEPA — Joint Embedding Predictive Architecture. O JEPA prevê representações abstratas em vez de píxeis 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 defende que o JEPA é a arquitetura necessária para uma IA capaz de raciocinar genuinamente sobre o mundo físico.

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

Como funciona o modelo de mundo da Google DeepMind? O modelo de mundo da DeepMind, lançado em agosto de 2025, recebe vídeo como input e converte-o numa simulação interativa. O utilizador pode navegar e agir dentro do ambiente simulado, e o modelo gera fotogramas seguintes fisicamente plausíveis em tempo real. Em vez de codificar manualmente regras de física, o modelo aprende a dinâmica física a partir do treino em grandes conjuntos de dados de vídeo — inferindo o comportamento do mundo a partir da sua observação.

Fontes

• 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 ronda seed de 1,03 mil milhões de dólares e visão geral da arquitetura JEPA, 2026
• Yann LeCun — Artigos de investigação sobre JEPA e apresentações públicas, Meta AI, 2025–2026