Dirigir um carro autônomo é mais fácil para a IA do que jogar Tetris, e o motivo é bem mais nerd do que parece: as leis da física são consistentes, enquanto os videogames vivem inventando novas regras a cada nível.
- Tetris: por que a IA trava
- Programar não é jogar, tá?
- Quando a IA precisa de “atalho”
- A chave está na física, não no hype
- O teste que mede se a IA realmente aprendeu
Tetris: por que a IA trava
Tetris é um daqueles jogos que parecem simples até você pedir para uma IA jogar “no mundo real dos pixels”. A IA até consegue gerar código e sistemas a partir de instruções, mas quando entra no modo gameplay, o desempenho desaba. O problema não é só a dificuldade do game. É que o jogo muda a cada desafio com regras espaciais e dinâmicas próprias, e isso deixa o modelo confuso.
Em outras palavras: jogar um título específico pode ser “aprendizado”, mas jogar qualquer coisa parecida com outro título vira um baile de regras diferentes. É como tentar ensinar uma pessoa a dirigir olhando apenas instruções de um único mapa para sempre. Só funciona até o primeiro desvio.
Programar não é jogar, tá?
Um ponto importante levantado por Julian Togelius, pesquisador do assunto, é que programar tem estrutura mais previsível. Existe um critério claro de sucesso, feedback sobre falhas e uma lógica de “se isso, então aquilo” mais verificável. Em geral, o código tem um comportamento determinístico ou pelo menos bem definido.
Já videogame é diferente. O “campo de jogo” tem regras próprias, recompensas que podem demorar, e o raciocínio espacial costuma ser essencial. E sim, existe margem de erro menor do que em tarefas típicas de programação. Resultado? Quando a IA tenta jogar como um humano, ela frequentemente chega em um “fracasso absoluto”, como descrevem as investigações em torno desses modelos.
Quando a IA precisa de “atalho”
Os exemplos mais chatos (para quem queria que fosse mágico) são jogos como Pokémon. Houve casos em que sistemas de IA até chegaram a completar etapas, mas demoraram mais que jogadores humanos, repetiram erros e precisaram de suporte extra.
Isso é crucial: quando uma IA depende de APIs de guias estratégicos, ela não está “jogando” do mesmo jeito. Ela está seguindo uma trilha de instruções externas. E, no caso de franquias super documentadas como Pokémon e Minecraft, existe um oceano de conteúdo pronto para orientar o modelo, desde detonados até guias de gameplay. Sem isso, o desafio vira outra coisa.
Para entender esse contexto, vale a leitura da análise da TIME sobre IA e Pokémon, que destrincha por que os melhores sistemas ainda tropeçam em tarefas “de verdade”.
A chave está na física, não no hype
Agora vem a parte deliciosa: dirigir um carro autônomo é, de certa forma, mais “homogêneo” do que jogar videogames. O mundo real obedece às mesmas leis em qualquer lugar do planeta. O asfalto responde como asfalto. O semáforo é semáforo. O veículo reage de forma consistente.
Já os videogames são um buffet infinito de regras arbitrárias. A mecânica de plataforma não é a mesma de Tetris. A lógica espacial e as recompensas mudam de jogo para jogo. E essa variação enorme faz com que modelos treinados com linguagem e dados generalistas tenham dificuldade em transferir aprendizado de um game para outro.
O resumo é bem “cinematográfico”: física é estável, jogos são mutantes. Por isso a IA consegue dirigir melhor do que consegue dominar o caos de 100 videogames diferentes.
O teste que mede se a IA realmente aprendeu
O critério proposto por Togelius é meio brutal, mas justo: avaliar se um agente consegue aprender a completar qualquer jogo entre os 100 mais populares do Steam em um ritmo parecido com o de um jogador humano habilidoso, sem documentação prévia e sem integrações específicas.
Não é sobre vencer na primeira tentativa. É sobre aprender rápido, de forma flexível, igual gente faz. E até agora, ninguém chegou perto desse padrão. A IA até demonstra habilidades impressionantes, mas ainda depende muito do tipo de ambiente, do suporte externo e da “uniformidade” do problema.
Se é para a IA aprender algo, por que não começa pelo asfalto?
No fim das contas, o paradoxo é que o mundo pode parecer mais difícil, mas ele é previsível. Dirigir exige percepção, controle e tomada de decisão, mas não pede que o agente invente uma nova lógica espacial a cada esquina. Já videogames, especialmente como Tetris, são laboratórios de regras diferentes o tempo todo.
Então sim: a IA pode ser fera para gerar código e até “entender” contexto, mas quando o assunto é jogar, ela ainda precisa daquele empurrão extra. E, pelo visto, a física está do lado da gente.
Sugestão para o seu Set-up Nerd:
Encontramos produtos incríveis com desconto!
Ver Controle de Carro com IA autônoma (robô carro programável) na Amazon
