O vencedor do Prêmio Turing, Yann LeCun, diz que os sistemas de IA mais famosos da atualidade não são um caminho para máquinas verdadeiramente inteligentes. Em sua startup com sede em Paris, Advanced Machine Intelligence Labs (AMI Labs), o ex-cientista-chefe de IA da Meta está construindo um tipo de modelo fundamentalmente diferente, projetado para compreender o mundo físico da mesma forma que um rato ou uma criança podem fazer.

Falando à BBC à margem da conferência VivaTech em Paris, LeCun argumentou que grandes modelos de linguagem como ChatGPT, Claude e Gemini têm usos reais, mas um teto rígido. Para saber mais sobre a cobertura da indústria de IA que molda a forma como os investigadores e investidores pensam sobre estes limites, o debate mais amplo sobre o que vem depois da era LLM tornou-se uma das questões mais importantes neste campo.

“Não temos robôs que sejam tão bons na compreensão do mundo físico quanto um rato”, disse LeCun. Ele deixou a Meta, proprietária do Facebook, em 2025, após uma década como cientista-chefe de IA, e fundou o AMI Labs para buscar uma arquitetura alternativa.

Por que LeCun diz que LLMs não são suficientes

LeCun afirma que os LLMs se destacam em tarefas bem definidas e previsíveis, como codificação, resolução de problemas matemáticos e geração de texto. Mas ele argumenta que esses pontos fortes obscurecem uma limitação mais profunda: os sistemas manipulam padrões estatísticos em vez de raciocinarem sobre a realidade.

“Eles basicamente apenas acumulam conhecimento”, disse ele sobre os LLMs. "Eles podem regurgitar alguma coisa, você os treina para regurgitar, mas eles não são particularmente inteligentes. Eles não têm uma compreensão subjacente."

Para ilustrar a lacuna, LeCun equilibra uma caneta na ponta e a solta. Até uma criança sabe que a caneta irá tombar, observa ele, mas nenhum ser humano tentaria prever a direção exata em que ela cairia, porque o resultado é genuinamente incerto. Um LLM, por outro lado, tentaria gerar uma única previsão baseada em padrões em seus dados de treinamento. Essa previsão estaria quase certamente errada, porque o modelo não raciocina sobre a situação física; está produzindo o que parece estatisticamente plausível.

“Os LLMs são em grande parte inúteis para a robótica”, disse LeCun sem rodeios. “As alegações de que, de alguma forma, apenas ampliando os LLMs, alcançaremos uma inteligência super-humana, isso simplesmente não vai acontecer.”

Como funciona o JEPA

A arquitetura que o AMI Labs está desenvolvendo é chamada Joint Embedding Predictive Architecture (JEPA). Em vez de prever a próxima palavra ou pixel, o JEPA cria abstrações do mundo real que permitem avaliar os possíveis resultados de uma ação.

Construir essas abstrações envolve matemática complexa, mas o princípio é simples: o modelo filtra detalhes inúteis, deixando apenas representações úteis do mundo. No exemplo da caneta, um sistema baseado no JEPA compreenderia que prever a direcção precisa da queda é inútil e, em vez disso, representaria a situação ao nível da abstracção que realmente importa para a tomada de decisões.

A abordagem coloca o AMI Labs num movimento crescente em torno dos chamados modelos mundiais, que visam dar aos sistemas de IA uma simulação interna de como os ambientes se comportam, para que possam planear e agir em vez de apenas gerar texto.

Um campo competitivo

Os investidores estão apostando que LeCun está no caminho certo. No início de 2026, o AMI Labs anunciou que havia arrecadado mais de US$ 1 bilhão (£ 760 milhões) em uma rodada de financiamento inicial, com patrocinadores incluindo a gigante norte-americana de chips Nvidia e o fundo que administra a riqueza privada do fundador da Amazon, Jeff Bezos. Foi uma das maiores rodadas iniciais da história das startups europeias.

AMI Labs está longe de estar sozinho na corrida. Na Universidade de Oxford, o professor Ingmar Posner dirige o Laboratório de IA Aplicada e lidera uma equipa de cerca de dez pessoas que passou quatro anos numa abordagem alternativa que chama de “modelo de mundo mecanicista”, que estrutura o conhecimento para que a IA possa recuperá-lo, combiná-lo e modificá-lo de forma eficiente.

“Minha opinião é que a próxima década será realmente sobre sistemas que possam explicar”, disse Posner à BBC. "Você precisa de modelos que possam responder perguntas como: O que importa? O que causa o quê? O que aconteceria se eu fizesse outra coisa?"

Essa linhagem remonta a um influente artigo de 2018 de David Ha e Jürgen Schmidhuber, que argumentava que os avanços na computação e na aprendizagem automática poderiam permitir que uma IA aprendesse tarefas puramente a partir de uma simulação mental aprendida do mundo. Desde então, a ideia catalisou pesquisas significativas, incluindo o modelo mundial Dreamer do Google, uma variante do qual aprendeu sozinho a coletar diamantes no Minecraft imaginando cenários futuros. DeepMind da Alphabet continua o trabalho com seu modelo Genie, Wayve, com sede em Londres, tem um sistema chamado Gaia, e Fei-Fei Li, pioneiro da IA, fundou o World Labs em São Francisco em 2023 para perseguir objetivos semelhantes.

O Imperativo da Robótica

O impulso em direcção a modelos mundiais está a ser impulsionado em grande parte pela indústria robótica, que investiu milhares de milhões de dólares em robôs humanóides cujas proezas físicas se tornam mais impressionantes a cada ano. Mas treinar essas máquinas para realizar tarefas domésticas com segurança, como passar roupa ou carregar uma máquina de lavar louça, continua difícil e caro, e LeCun insiste que os atuais modelos de IA nunca serão bons o suficiente para esse ambiente.

LeCun disse que a AMI Labs passará o resto de 2026 refinando seu modelo e espera começar a implantá-lo em ambientes industriais em 2027. Se isso for bem-sucedido, as ambições se expandirão consideravelmente.

“Eventualmente, no futuro teremos uma espécie de sistema genérico de inteligência que pode ser aplicado a praticamente qualquer coisa no mundo com um mínimo de treinamento ou ajuste fino”, disse ele.

Quanto ao que acontecerá aos humanos nesse futuro, LeCun está otimista. As pessoas ainda decidirão o que construir e quais perguntas fazer, disse ele, enquanto a IA funciona como um deputado competente.

“Nossa interação com futuros sistemas de IA, mesmo que sejam mais inteligentes do que nós, será como a interação entre um capitão da indústria ou um líder político com sua equipe de assistentes, muitos dos quais são mais inteligentes do que eles.”

Fique à frente da IA

A mudança dos modelos linguísticos para os modelos mundiais poderia redesenhar o mapa competitivo da inteligência artificial. Acompanhe os últimos desenvolvimentos de IA à medida que eles se desenrolam.

Leia mais notícias sobre IA →