Por que a IA ainda não consegue sair da tela, segundo um professor de Xangai
Boa parte do que os grandes modelos de linguagem fazem bem ainda acontece dentro de uma tela. Eles leem, escrevem, traduzem, redigem código e chamam ferramentas digitais. Peça a um deles que mova uma caixa pelo chão de uma fábrica e o problema muda de forma: agora o sistema precisa lidar com objetos, espaço, força e tempo, e precisa conviver com as consequências do que faz.
Essa lacuna foi o tema de uma palestra de Zhang Weinan, professor da Universidade Jiao Tong de Xangai, na CNCC 2026, uma das principais conferências de computação da China. Sua tese, noticiada pelo Leiphone, é que a próxima fronteira é a inteligência física: uma IA que fecha o ciclo de percepção, previsão, ação e aprendizado contínuo num ambiente que não vai pausar por ela.
O mundo digital é complacente de maneiras que as pessoas raramente notam. Um chatbot que dá uma resposta ruim pode ser consultado de novo; um modelo que falha num teste de programação pode tentar outra vez. Um braço robótico que calcula mal uma pegada já deixou a peça cair. A abordagem de Zhang coloca a incerteza e a irreversibilidade no centro: o mundo real está cheio de situações que os dados de treinamento não cobriram, e o custo de um movimento errado costuma ser pago na hora.
Isso torna a engenharia mais difícil em todas as camadas. A percepção precisa resistir com pouca luz e com desordem. A previsão precisa rodar rápido o bastante para ser útil antes que algo caia. A ação precisa ser segura quando o sistema não tem certeza. E o aprendizado não pode parar na implantação, porque fábricas, laboratórios e infraestrutura urbana mudam sem cessar ao redor da máquina.
A conversa de pesquisa em torno disso já é visível na comunidade de robótica chinesa. A CoRL, a Conferência sobre Aprendizado em Robótica, abre em 9 de novembro em Austin, no Texas, e o Leiphone observa que o número de artigos aceitos cresceu cerca de quatro vezes e meia ao longo de seis edições, com as universidades chinesas avançando rápido ao lado de grupos americanos consolidados. O aprendizado em robótica deixou de ser um nicho para se tornar um dos cruzamentos mais movimentados entre IA e hardware.
A atração comercial é igualmente forte. Empresas chinesas já vendem robôs humanoides e cães-robô a preços que teriam parecido inacreditáveis há alguns anos, e investidores despejaram dinheiro em modelos de mundo — sistemas que aprendem como as cenas físicas evoluem — como forma de dar às máquinas um espaço de ensaio mais barato antes que toquem em algo real. A simulação atrai justamente porque falhar nela sai de graça.
Zhang não diz que o trabalho na tela está concluído. Diz que a parte fácil da história pública da IA foi aquela que nunca precisa tocar em nada. Levar a inteligência para fábricas, laboratórios e sistemas urbanos significa aceitar outro contrato: a máquina precisa agir sob incerteza, e o mundo não vai oferecer um botão de reiniciar. Para uma indústria que passou uma década otimizando texto, esse é um tipo de problema genuinamente novo.