Por que Alexandre LeBrun, da AMI Labs, não chama sua inteligência artificial de AGI ou superinteligência

Enquanto o restante da indústria de IA corre para rotular seu trabalho como “AGI” ou “superinteligência”, Alexandre LeBrun, CEO da startup de modelo de mundo de Yann LeCun, a AMI Labs, evita esses termos completamente. Lebrun disse em uma entrevista ao TechCrunch que a empresa não usa termos como “AGI” ou “superinteligência” de forma alguma.

“Nós nunca usamos a palavra AGI. E eu acabei percebendo que ninguém mais está usando; eles mudaram para superinteligência”, disse ele. “Na próxima vez, mudaremos para outra coisa.” Ele também não está convencido com o novo rótulo. “Não há uma boa definição. O que é superinteligência? Eu não sei. Não é uma palavra muito útil.”

É uma postura firme de um fundador que está no centro da nova corrida da IA.

O TechCrunch conversou com LeBrun enquanto ele estava em Seul na semana passada para a Conferência Internacional sobre Aprendizado de Máquina (ICML), onde estava buscando parceiros industriais locais, empresas globais e pesquisadores. A AMI Labs ainda está na fase pré-produto, mas já está cortejando players de robótica, manufatura e eletrônicos. Um modelo de mundo, que incorpora a física para prever e interagir com o mundo real, precisa provar seu valor fora do laboratório, explicou LeBrun.

Uma área em que se espera que os modelos de mundo tenham um grande impacto é a robótica. Por enquanto, os robôs estão apenas executando rotinas fixas, “completamente estáticas”, e a IA continua “realmente burra no mundo físico”, disse LeBrun.

Mesmo quando a IA puder apenas fazer com que os robôs tenham “consciência do contexto”, isso marcará “uma diferença muito grande para o mundo”. Uma IA consciente do contexto teria sido útil, por exemplo, para evitar que um robô que estava dançando e fazendo kung fu em um evento público se aproximasse e chutasse uma criança. “O hardware é muito avançado; o progresso no hardware nos últimos meses é incrível, mas não há cérebro.”

Um grande modelo de linguagem (LLM) prevê a próxima palavra ou texto, e um modelo de mundo prevê o próximo estado. Empurre um copo da mesa e você já sabe que ele vai tombar e derramar; essa é a intuição que um modelo de mundo deve capturar: prever o próximo estado do mundo, explicou LeBrun.

Ele não está afirmando que os modelos de mundo são melhores do que os LLMs, que são “complementares, não substituíveis” quando se trata de sistemas de IA que compreendem o mundo físico, disse LeBrun. Fazendo um paralelo com as funções distintas de linguagem e raciocínio do cérebro humano, ele acrescentou que os LLMs continuarão sendo as ferramentas mais eficientes para processar linguagem, enquanto os modelos de mundo fornecerão contexto e compreensão do mundo real.

Quase todas as indústrias que “tocam o mundo real” poderiam eventualmente fazer uso de robótica baseada em modelos de mundo, disse LeBrun, argumentando que os ambientes físicos continuam sendo onde os LLMs são mais fracos.

Um robô de fábrica repetindo o mesmo movimento funciona bem o suficiente hoje em dia, disse ele. O desafio começa quando “você leva seu robô para fora, em um ambiente mais aberto, na sua casa ou na rua”, onde ele deve entender seus arredores e operar com segurança. “Os robôs não são seguros no momento”, disse ele. “Não há solução para isso hoje.”

A saúde oferece um exemplo mais pessoal para LeBrun, cuja empresa anterior era a Nabla, uma startup de IA voltada para a saúde. Ele comparou os sistemas de IA de hoje a um médico treinado apenas com livros didáticos e sem residência médica. Os LLMs podem ser úteis na medicina, disse ele, mas cobrem “apenas 1% da saúde”. O resto depende da experiência no mundo real.  

Mas um modelo de mundo, disse LeBrun, não pode ser construído dentro de um laboratório. Para treinar com a realidade, a AMI precisa de ambientes reais e de parceiros próximos, de acordo com o CEO. “Precisamos de acesso ao mundo real”, e é “mais fácil para nós fazermos isso com parceiros”. Isso é parte do que o atrai para a Ásia, onde os robôs, chips e fábricas realmente estão.

LeBrun ainda não quer detalhar uma estratégia completa para a Ásia. “É cedo demais”, disse ele. Mas a atração pela Coreia do Sul se resume a duas coisas. Primeiro, a Coreia tem indústrias avançadas em robótica, sementes (semicondutores) e manufatura; os setores pesados de hardware que a primeira onda de IA mal tocou.

A segunda atração é a velocidade. LeBrun apontou o plano nacional da Coreia de injetar dinheiro em IA e seu histórico como um adotante pioneiro. “A Coreia foi a adotante mais rápida da internet há 25 anos”, disse ele. É essa combinação — uma base industrial profunda combinada com a disposição de adotar a IA rapidamente — que ele chama de “única” e o motivo pelo qual “queremos estar aqui desde o primeiro dia”.

“Eu tenho dito para o Alex e a equipe virem para a Coreia”, disse JP Lee, CEO da SBVA e um dos apoiadores da AMI na Ásia, ao TechCrunch.

O governo fez “um trabalho tremendo” financiando modelos LLM soberanos locais, disse Lee, e eles já funcionam “bem o suficiente” para tarefas de uso geral, mas ele está pressionando para que a Coreia continue investindo em IA física também. Ele aponta para o plano de Seul em junho de mobilizar cerca de US$ 880 bilhões para chips, data centers de IA e IA física, como um de seus três pilares declarados: “Eles devem coexistir.”

O valor da Coreia para empresas estrangeiras, argumentou Lee, não está apenas no hardware. Os desenvolvedores locais são rápidos em adotar e adaptar novas ferramentas, um padrão que produziu players de internet nacionais como Naver e Kakao.

Apesar de todo o prestígio e do cheque de um bilhão de dólares, a AMI ainda não tem nada para vender. A startup, cofundada pelo ganhador do Prêmio Turing Yann LeCun após sua saída da Meta, captou US$ 1,03 bilhão em março a uma avaliação pré-dinheiro de US$ 3,5 bilhões. Ainda não há produto e nenhum cronograma ao qual ele se comprometa. “Vamos fazer uma surpresa quando estivermos prontos”, disse LeBrun.