Inteligência Artificial de Inteligência Espacial: A Próxima Fronteira de Fei-Fei Li

Fei-Fei Li afirma que o próximo patamar da IA é a inteligência espacial

Resumo breve: Fei-Fei Li diz que a IA de inteligência espacial poderia moldar a próxima fase da computação. Falando no HUMANX em São Francisco, argumentou que apenas a linguagem não é suficiente. Apontou para os modelos do mundo 3D, o World Labs e o seu sistema Marvel como peças fundamentais para robótica, jogos, saúde e mobilidade autónoma.

No HUMANX em São Francisco, Fei-Fei Li defendeu que o próximo grande passo na inteligência artificial não virá apenas da linguagem. Em vez disso, centrou-se na IA de inteligência espacial: a capacidade das máquinas de compreender, raciocinar e gerar o mundo 3D e 4D da geometria, do movimento, da interação, da física e da mudança ao longo do tempo.

Esse argumento está no centro do World Labs, a empresa que Li fundou para construir sistemas de IA que vão além do texto e das imagens. Na sua visão, modelos de linguagem como o ChatGPT são um avanço importante, mas capturam apenas parte da inteligência humana. A vida quotidiana, o trabalho e a tomada de decisões também dependem de operar no espaço físico.

“A inteligência humana não é apenas linguística”, disse Li. Descreveu a compreensão espacial como essencial para a perceção, o raciocínio e a ação, sobretudo em áreas em que as máquinas precisam de navegar em ambientes, prever resultados e interagir com o mundo real.

O que significa, na prática, a IA de inteligência espacial

Li define a inteligência espacial como a capacidade de percecionar, compreender e gerar espaço 3D ou 4D. Isso inclui forma, geometria, interações, restrições físicas e dinâmicas ao longo do tempo.

Em termos práticos, é a diferença entre um sistema de IA que consegue descrever uma sala e um que consegue compreender como os objetos se relacionam entre si dentro dela, como o movimento altera a cena e o que é provável acontecer a seguir. Neste enquadramento, um modelo do mundo dá às máquinas uma representação do espaço que pode suportar planeamento e ação.

Li ligou esta ideia a uma visão mais ampla da inteligência moldada pela perceção e pela corporização. Referiu o longo arco da evolução biológica e citou o desenvolvimento de sistemas sensoriais “há meio milhar de milhões de anos” como metáfora para explicar por que a inteligência não pode ser reduzida apenas ao processamento de linguagem.

Por que o World Labs foi fundado fora da academia

Li disse que a abertura para este trabalho surgiu de uma convergência em 2022–2023. De um lado, estavam avanços em IA generativa impulsionada por modelos Transformer. Do outro, melhorias em visão por computador e em representação 3D. Juntas, disse, esses avanços criaram as condições técnicas para uma nova classe de modelos centrados na compreensão espacial.

No entanto, essa oportunidade também trouxe exigências à escala industrial. Li disse que a decisão de lançar o World Labs refletiu a necessidade de computação, dados e talento numa escala difícil de reunir num contexto puramente académico.

“Isto exige recursos enormes—computação, dados e talento”, disse. Ao mesmo tempo que sublinhou a importância da academia, incluindo instituições como o Stanford Human-Centered AI Institute, fez uma distinção clara entre investigação movida pela curiosidade e construção de empresas orientada para a implementação no mundo real.

A sua formulação foi direta: enquanto investigadora, é movida pela curiosidade; enquanto CEO, é uma construtora focada no impacto.

Como a IA de inteligência espacial se liga ao Marvel e a mundos 3D

O exemplo mais concreto do World Labs é o Marvel, um modelo generativo que Li descreveu como capaz de criar verdadeiros mundos 3D. Ela salientou que o Marvel não gera apenas vídeo. Em vez disso, produz ambientes persistentes e navegáveis pelos utilizadores ou pelas máquinas.

De acordo com Li, esses mundos começaram como ambientes relativamente pequenos. Depois, podem ser expandidos para espaços maiores e combinados em cenas mais complexas. Essa distinção é importante porque um modelo do mundo navegável tem um valor técnico e comercial diferente de uma saída visual passiva.

“O Marvel é um modelo generativo que cria verdadeiros mundos 3D—não vídeos, mas ambientes persistentes e navegáveis”, disse.

A implicação é vasta. Um modelo que gera mundos espacialmente coerentes poderia tornar-se uma camada base para aplicações interativas, desde o desenvolvimento de jogos e o design digital até a setores com muita simulação, como a robótica e os sistemas autónomos.

Por que os dados são o maior gargalo

Li organizou o desafio técnico em torno de três pilares: modelos, computação e dados. Dos três, identificou os dados como o problema mais difícil.

“A parte mais difícil são os dados”, disse.

O problema não é apenas o volume. Conjuntos de dados públicos grandes para linguagem são muito mais fáceis de reunir do que conjuntos públicos grandes que capturam com precisão estrutura espacial, movimento, física e interações do mundo real. Construir modelos de mundos 3D exige dados mais difíceis de recolher, mais difíceis de rotular e mais difíceis de padronizar.

Esse desafio é especialmente agudo na robótica, onde a oferta de dados de treino úteis é ainda mais limitada. Para sistemas que precisam de antecipar o que acontece a seguir no mundo físico, a qualidade da previsão depende fortemente da riqueza e realismo dos dados espaciais.

Li resumiu o valor central dos modelos do mundo em termos operacionais: prever o estado seguinte suporta planeamento e ação.

Por que os dados sintéticos são importantes para a IA de inteligência espacial

Para resolver a escassez de dados, o World Labs usa uma mistura de dados reais e sintéticos. Li disse que a forma como essas fontes são combinadas é uma parte central da tecnologia da empresa.

“Nós treinamos com uma mistura de dados reais e sintéticos, e a forma como os combinamos é uma parte fundamental da nossa tecnologia”, disse.

Este ponto é importante para além do World Labs. Em setores em que os dados do mundo real são escassos, caros ou difíceis de capturar à escala, os dados sintéticos podem ajudar a preencher lacunas, diversificar casos-limite e acelerar a experimentação. Li também referiu que modelos capazes de gerar ambientes com estrutura espacial podem eles próprios tornar-se ferramentas para outros laboratórios, sobretudo em robótica.

Como resultado, emerge um possível ciclo de feedback importante. Modelos do mundo treinados com dados mistos poderiam então gerar ambientes sintéticos adicionais para treino, testes e simulação em sistemas adjacentes.

Onde podem surgir as aplicações iniciais

Li enumerou uma vasta gama de aplicações possíveis para inteligência espacial, incluindo jogos, arte, design, robótica, educação, saúde, manufatura e condução autónoma.

Alguns dos primeiros impactos práticos poderão surgir em indústrias que já dependem de simulação e de previsões do mundo físico. Na mobilidade autónoma, empresas como a Tesla e a Waymo operam em ambientes em que compreender geometria, movimento e interação é fundamental. Na robótica, os modelos do mundo podem melhorar a qualidade da simulação, a previsão do estado e o planeamento da ação.

A saúde é outra área notável. Li apontou a interpretação espacial de dados radiológicos como um exemplo de como uma IA sensível a 3D poderia apoiar fluxos de trabalho clínicos. Os jogos e os media imersivos também podem avançar rapidamente, dado o valor imediato de ambientes persistentes e navegáveis para a criação de conteúdos e experiências interativas.

Ainda assim, a discussão manteve-se mais orientada do que comercial. Li não forneceu um calendário de implementação para o Marvel, detalhes de disponibilidade pública ou benchmarks de desempenho quantificados.

Como a indústria e a academia apoiam a IA de inteligência espacial

Um tema recorrente nas observações de Li foi que o futuro da IA exigirá contributos tanto académicos como industriais. A academia continua a ser essencial para o pensamento de base, a investigação de longo horizonte e a exploração científica. A indústria, por outro lado, pode reunir a capacidade de computação, a força de engenharia e o foco operacional necessários para transformar conceitos emergentes em sistemas utilizáveis.

Essa divisão de trabalho é especialmente visível num campo como a inteligência espacial, em que a investigação de ponta e a infraestrutra em grande escala têm de avançar em conjunto. A posição de Li reflete esse papel duplo: permanece intimamente associada ao Stanford Human-Centered AI Institute, enquanto constrói o World Labs com uma missão comercial e técnica.

O ecossistema mais amplo de IA reforça o ponto. Os modelos Transformer possibilitaram a revolução da linguagem por trás de sistemas como o ChatGPT. Empresas como a Anthropic ajudaram a impulsionar o desenvolvimento de modelos de fronteira. O argumento de Li é que a próxima fase exigirá um passo semelhante de mudança ao nível das máquinas que compreendem o mundo físico.

O que permanece pouco claro

Apesar de toda a clareza estratégica da tese de Li, vários detalhes importantes permanecem por revelar. Não houve números financeiros sobre recursos angariados, não houve números específicos sobre a escala de computação e apenas houve uma explicação técnica limitada da arquitetura interna do Marvel.

Também houve pouca discussão sobre cronogramas para o avanço comercial ou acesso público. Além disso, embora a promessa industrial fosse clara, a conversa deu menos atenção a questões de segurança, governação e éticas que poderão surgir quando os sistemas de IA geram mundos sintéticos navegáveis ou apoiam aplicações físicas de elevada criticidade.

Ainda assim, a mensagem de Li foi inequívoca. Se a inteligência baseada em linguagem definiu a última fase da IA, a inteligência espacial poderá definir a próxima. Para programadores, investidores, investigadores e equipas de produto, isso significa que a fronteira competitiva poderá cada vez mais deslocar-se para sistemas capazes de modelar o mundo, não apenas de o descrever.

Em síntese

Fei-Fei Li defende que o próximo patamar da IA é a inteligência espacial, e não apenas a linguagem. A sua tese é que as máquinas precisam de compreender espaço 3D, movimento, física e mudança ao longo do tempo para suportar planeamento e ação no mundo real.

O World Labs está a construir esse objetivo com modelos do mundo e o sistema Marvel. O maior desafio, segundo Li, é a qualidade dos dados. As oportunidades iniciais poderão surgir na robótica, jogos, saúde, manufatura e mobilidade autónoma.