Nos últimos anos, tentamos prever o que estava por vir na área de IA. Uma tarefa difícil, considerando a velocidade com que esse setor avança. Ainda assim, acertamos bastante e vamos tentar de novo.
Como nos saímos na última vez? Em 2024, nossas quatro tendências destacadas incluíram os chamados “chatbots personalizados” — aplicativos interativos movidos por modelos de linguagem multimodal (acertamos: mal sabíamos que estávamos falando dos agentes, que se tornaram a sensação da IA atualmente); vídeos generativos (acertamos: poucas tecnologias avançaram tanto nos últimos 12 meses, com OpenAI e Google DeepMind lançando seus modelos de geração de vídeo, Sora e Veo, em dezembro); e robôs mais versáteis capazes de realizar uma gama maior de tarefas (acertamos: os benefícios dos modelos de linguagem ampla continuam se espalhando por outras áreas da tecnologia, com a robótica liderando essa lista).
Também previmos que desinformação gerada por IA nas eleições estaria por toda parte. Felizmente, erramos aqui: embora houvesse muita coisa para nos preocuparmos, os deepfakes políticos foram raros.
O que esperar de 2025? Vamos ignorar o óbvio: é certo que agentes e modelos de linguagem menores e mais eficientes continuarão moldando a indústria. Em vez disso, apresentamos cinco tendências alternativas selecionadas pela nossa equipe de IA.
1. Playgrounds virtuais generativos
Se 2023 foi o ano das imagens generativas, e 2024 o ano dos vídeos generativos, o que vem a seguir? Se você apostou em mundos virtuais generativos (ou seja, videogames), parabéns.
Tivemos um vislumbre dessa tecnologia em fevereiro, quando o Google DeepMind revelou um modelo generativo chamado Genie, que transformava uma imagem estática em um jogo de plataforma 2D interativo. Em dezembro, a empresa apresentou o Genie 2, capaz de expandir uma imagem inicial em um mundo virtual completo.
Outras empresas estão desenvolvendo tecnologias similares. Em outubro, as startups Decart e Etched mostraram um hack não oficial de Minecraft, no qual cada frame do jogo era gerado em tempo real enquanto se jogava. Já a startup World Labs, cofundada por Fei-Fei Li (criadora do ImageNet), está desenvolvendo o que chama de “modelos de mundo amplo” (LWMs).
Os videogames são uma aplicação óbvia. Experimentos iniciais mostram um tom lúdico, com simulações 3D generativas sendo usadas para explorar conceitos de design de novos jogos. Isso pode levar a novos tipos de experiências de jogo.
Em tese, esses mundos poderiam ainda treinar robôs. A World Labs pretende desenvolver a chamada inteligência espacial, que capacita máquinas a interpretar e interagir com o mundo real. Como pesquisadores de robótica carecem de bons dados para treinar essas tecnologias, criar infinitos mundos virtuais e colocar robôs virtuais para aprender por tentativa e erro pode ser uma solução.
—Will Douglas Heaven
2. Modelos de linguagem ampla que “raciocinam”
O alvoroço foi justificado. Quando a OpenAI revelou o o1 em setembro, introduziu um novo paradigma no funcionamento dos modelos de linguagem. Dois meses depois, a empresa ampliou esse conceito com o o3, um modelo que promete reformular essa tecnologia de forma definitiva.
Enquanto a maioria dos modelos, incluindo o GPT-4, gera a primeira resposta que surge (certa ou não), os novos modelos da OpenAI foram treinados para resolver problemas passo a passo, dividindo questões complexas em partes menores. Se uma abordagem falhar, eles tentam outra. Essa técnica, chamada “raciocínio” (sim, sabemos o peso desse termo), torna a tecnologia mais precisa, especialmente em problemas de matemática, física e lógica.
Essa abordagem é crucial para agentes de IA.
Em dezembro, o Google DeepMind apresentou o agente experimental Mariner, projetado para navegação web. Durante uma demonstração, Mariner foi solicitado a encontrar uma receita de biscoitos de Natal semelhantes a uma foto fornecida e adicioná-la ao carrinho de compras online. Quando encontrou a receita, o agente parou, confuso sobre qual tipo de farinha escolher.
Mariner explicou suas ações em uma janela de chat: “Vou usar o botão Voltar do navegador para retornar à receita.” Esse momento foi notável. Em vez de travar, o agente dividiu a tarefa em ações menores e escolheu uma solução. Embora pareça algo simples, para um bot é como resolver um enigma complexo. A abordagem funcionou: Mariner voltou à receita, confirmou o tipo de farinha e continuou.
O Google DeepMind também está desenvolvendo uma versão experimental do Gemini 2.0, seu mais recente modelo de linguagem ampla, que utiliza essa abordagem passo a passo chamada Flash Thinking.
Mas OpenAI e Google não são os únicos. Diversas empresas estão criando modelos de linguagem que usam técnicas semelhantes, tornando-os mais eficientes em tarefas que vão desde culinária até programação. Este será, sem dúvida, um dos temas mais comentados do ano.
—Will Douglas Heaven
3. Um momento de ouro para IA na ciência
Um dos usos mais empolgantes da IA é acelerar descobertas nas ciências naturais. Talvez a maior validação do potencial da tecnologia nesse campo tenha ocorrido em outubro passado, quando a Academia Real Sueca de Ciências concedeu o Prêmio Nobel de Química a Demis Hassabis e John M. Jumper, do Google DeepMind, pelo desenvolvimento do AlphaFold – uma ferramenta que resolve o enigma do dobramento de proteínas – e a David Baker, por criar técnicas que projetam novas proteínas.
Essa tendência deverá continuar no próximo ano, com mais conjuntos de dados e modelos focados especificamente na descoberta científica. As proteínas foram um alvo ideal para a IA porque o campo já dispunha de excelentes bases de dados existentes para treinar os modelos de IA.
Agora, busca-se a próxima grande aplicação. Uma área promissora é a ciência dos materiais. A Meta lançou grandes conjuntos de dados e modelos que podem ajudar os cientistas a descobrir novos materiais muito mais rapidamente. Em dezembro, a Hugging Face, em parceria com a startup Entalpic, lançou o LeMaterial, um projeto de código aberto que visa simplificar e acelerar a pesquisa de materiais. O primeiro projeto dessa iniciativa é um conjunto de dados que unifica, limpa e padroniza os principais bancos de dados de materiais.
Fabricantes de modelos de IA também estão promovendo seus produtos generativos como ferramentas de pesquisa científica. A OpenAI permitiu que cientistas testassem seu mais recente modelo, o o1, para avaliar seu potencial no suporte à pesquisa, com resultados encorajadores.
Ter uma ferramenta de IA que opere de forma semelhante a um cientista é um dos maiores sonhos do setor de tecnologia. Em um manifesto publicado em outubro do ano passado, Dario Amodei, fundador da Anthropic, destacou a ciência, especialmente a biologia, como uma das áreas-chave onde a IA poderia ajudar significativamente. Amodei especula que, no futuro, a IA poderá atuar não apenas como método de análise de dados, mas como um “biólogo virtual capaz de executar todas as tarefas realizadas por biólogos”. Ainda estamos longe desse cenário, mas, no próximo ano, poderemos dar passos importantes nessa direção.
—Melissa Heikkilä
4. Empresas de IA se aproximam do campo militar
Há muito dinheiro a ser ganho por empresas de IA dispostas a fornecer suas ferramentas para vigilância de fronteiras, coleta de inteligência e outras tarefas de segurança nacional.
O exército dos EUA lançou várias iniciativas que mostram seu entusiasmo pela adoção da IA, desde o programa Replicator — inspirado pela guerra na Ucrânia, que promete gastar US$ 1 bilhão em pequenos drones — até a Artificial Intelligence Rapid Capabilities Cell, unidade que incorpora IA em decisões de batalha e logística. Exércitos europeus, pressionados por preocupações de redução no financiamento à Ucrânia por parte do novo governo Trump, também aumentaram os investimentos em tecnologia. Além disso, as crescentes tensões entre Taiwan e China estão no centro das preocupações dos planejadores militares.
Em 2025, essas tendências continuarão beneficiando empresas de tecnologia de defesa, como Palantir, Anduril e outras, que estão aproveitando dados militares confidenciais para treinar modelos de IA.
O setor de defesa, com seus recursos financeiros substanciais, atrairá também empresas de IA mainstream. Em dezembro, a OpenAI anunciou uma parceria com a Anduril em um programa para derrubar drones, encerrando sua política de não trabalhar com militares. Ela se junta a empresas como Microsoft, Amazon e Google, que colaboram com o Pentágono há anos.
Outras empresas de IA, que investem bilhões no treinamento e desenvolvimento de novos modelos, enfrentarão pressão em 2025 para encontrar fontes de receita. É possível que consigam clientes fora da defesa, como indústrias criativas e interessadas em agentes de IA para tarefas complexas. No entanto, a tentação de buscar contratos lucrativos com o Pentágono será grande.
Organizações enfrentarão, ainda, dilemas sobre os próprios valores. A justificativa da OpenAI para sua mudança de postura foi que “as democracias devem continuar liderando o desenvolvimento da IA”, argumentando que colaborar com militares ajudaria a alcançar esse objetivo. Em 2025, veremos outras empresas seguindo esse caminho.
—James O’Donnell
5. Nvidia enfrenta concorrência legítima
Durante grande parte do boom atual da IA, qualquer startup de tecnologia que quisesse criar modelos de IA tinha em Jensen Huang, CEO da Nvidia, seu principal fornecedor. A Nvidia se consolidou como líder indiscutível em chips usados tanto para treinar modelos de IA, quanto para realizar inferências.
Em 2025, essa liderança pode ser desafiada. Gigantes como Amazon, Broadcom e AMD têm investido pesado no desenvolvimento de novos chips, e há sinais de que esses produtos podem competir de perto com os da Nvidia, especialmente na inferência, onde sua liderança é menos sólida.
Startups também estão atacando a Nvidia de outros ângulos. Em vez de aprimorar marginalmente os designs da Nvidia, empresas como a Groq estão apostando em arquiteturas de chips completamente novas, que, com o tempo, prometem ser mais eficientes para treinamento. Embora esses experimentos ainda estejam em estágio inicial, 2025 pode trazer um concorrente de destaque capaz de romper o domínio da Nvidia.
Por trás dessa competição, está a guerra geopolítica dos semicondutores. A estratégia do Ocidente tem sido limitar exportações de chips avançados para a China e estimular a produção doméstica por meio de iniciativas como o CHIPS Act nos EUA.
No seu novo mandato, Donald Trump pode intensificar os controles de exportação (ele já prometeu tarifas elevadas para bens importados da China). Isso coloca Taiwan no centro dessa disputa, já que os EUA dependem fortemente da TSMC, maior fabricante de chips do mundo. Taiwan, por sua vez, tem apoiado empresas chinesas a se realocarem para a ilha, a fim de contornar as tarifas. Isso pode gerar mais críticas de Trump, que já expressou insatisfação com os gastos dos Estados Unidos para defender Taiwan.
Esses fatores reforçarão os esforços para reduzir a dependência do país, sublinhando o principal objetivo do CHIPS Act. Com os recursos desse programa começando a circular, 2025 poderá trazer as primeiras evidências de aumento na produção doméstica de chips nos EUA.
—James O’Donnell
Por: James O’Donnell, Will Douglas Heaven e Melissa Heikkilä
MIT Technology Review
