O AlphaGo, o sistema de IA da Google DeepMind, completa uma década desde a vitória histórica sobre o campeão mundial de Go Lee Sedol, em março de 2016, com um legado técnico que se estende da biologia à matemática. A data foi assinalada por Demis Hassabis, CEO e co-fundador da DeepMind, com uma declaração publicada no blog oficial da Google, onde afirma que a arquitetura do AlphaGo, combinada com o Gemini, traça o caminho para a inteligência artificial geral. O sistema terminou o confronto com quatro vitórias e uma derrota frente ao 9.º dan Lee Sedol, num encontro acompanhado por mais de 200 milhões de pessoas.
A Jogada 37 e o que ela significou
No segundo jogo da série, o AlphaGo executou a Jogada 37: uma pedra colocada numa posição tão inusitada que os comentadores profissionais a classificaram inicialmente como um erro. Cem jogadas depois, essa pedra estava exatamente onde precisava de estar para garantir a vitória. A Google DeepMind descreve este momento como a demonstração de que os sistemas de IA conseguem ir além da imitação de especialistas humanos e descobrir estratégias inteiramente novas.
O AlphaGo aprendia a partir de partidas humanas e depois refinava esse conhecimento ao jogar contra versões de si próprio, repetindo esse ciclo em milhões de partidas. Foi este mecanismo de aprendizagem por reforço que permitiu a emergência de jogadas sem precedentes na tradição humana do Go.
Da biologia ao Prémio Nobel
A herança mais direta do AlphaGo foi o AlphaFold, sistema que aplicou a mesma abordagem de pesquisa e aprendizagem ao problema do dobramento de proteínas, um dos problemas científicos abertos há 50 anos. O AlphaFold 2, lançado em 2020, previu as estruturas tridimensionais de 200 milhões de proteínas conhecidas pela ciência e disponibilizou-as numa base de dados de código aberto.
Segundo a DeepMind, mais de 3 milhões de investigadores em todo o mundo usam esta base de dados, com aplicações que vão desde vacinas contra a malária a enzimas capazes de decompor plásticos. Em 2024, Demis Hassabis e o investigador John Jumper receberam o Prémio Nobel da Química pelo trabalho realizado no projeto AlphaFold.
Raciocínio matemático e descoberta de algoritmos
Na matemática, o descendente mais direto da arquitetura do AlphaGo é o AlphaProof, que combina modelos de linguagem com os algoritmos de aprendizagem por reforço e pesquisa do AlphaZero para provar enunciados matemáticos formais. Juntamente com o AlphaGeometry 2, tornou-se o primeiro sistema a obter classificação equivalente a medalha de prata na Olimpíada Internacional de Matemática (OIM).
O Gemini foi mais longe: a versão avançada do seu modo Deep Think obteve desempenho equivalente a medalha de ouro na OIM de 2025, com uma abordagem inspirada no AlphaGo. A Google indica que este modo está agora a ser aplicado a desafios científicos e de engenharia mais complexos e em aberto.
Na descoberta de algoritmos, o agente AlphaEvolve explora o espaço do código informático para encontrar algoritmos mais eficientes, de forma análoga à pesquisa de jogadas do AlphaGo. A Google descreve o seu próprio “Momento 37” quando o AlphaEvolve descobriu uma nova forma de multiplicar matrizes, uma operação matemática que está na base de praticamente todas as redes neuronais modernas.
O caminho para a AGI segundo Hassabis
Segundo Hassabis, a combinação de três elementos será decisiva para alcançar a inteligência artificial geral: os modelos de mundo do Gemini, as técnicas de pesquisa e planeamento do AlphaGo, e a capacidade de utilizar ferramentas de IA especializadas. O CEO da DeepMind afirma que o Gemini foi concebido como multimodal desde o início, processando e raciocinando sobre linguagem, áudio, vídeo, imagens e código para construir um “modelo de mundo”.
Para Hassabis, a criatividade genuína continua a ser a competência central que os sistemas de AGI têm de demonstrar. A Jogada 37 foi, nas suas próprias palavras, um momento que mostrou o potencial da IA para quebrar o enquadramento existente, mas o nível requerido para uma invenção verdadeiramente original é superior.
Para mais informações, lê o blogpost, de Demis Hassabis, CEO da Google DeepMind.
Outros artigos interessantes:
