Startup aposta em modelos fundacionais para levar a robótica ao seu momento ChatGPT

Antes da popularização dos modelos de linguagem de grande escala, o desenvolvimento de inteligência artificial exigia a criação de algoritmos especializados do zero. Hoje, o paradigma mudou para modelos fundacionais de propósito geral, que são posteriormente ajustados para tarefas específicas. Pim de Witte, CEO da General Intuition, acredita que a inteligência artificial incorporada está prestes a passar por uma transição semelhante, abandonando a coleta massiva de dados do mundo real em favor de modelos base com intuição espacial e temporal.

Para viabilizar essa visão, a startup desenvolveu seu próprio modelo fundacional treinado com milhões de horas de dados de videogames, incluindo o registro preciso das ações humanas nos controles. De Witte e seu principal investidor, Vinod Khosla, defendem que esses dados de ação são a chave para conferir à máquina um raciocínio espaço-temporal semelhante ao humano. A premissa é que a generalização do próprio modelo se torne o produto final, eliminando a necessidade de coletar centenas de milhares de horas de dados físicos.

O mercado parece endossar essa tese. No mês passado, a General Intuition captou US$ 320 milhões, alcançando uma avaliação de US$ 2,3 bilhões. A empresa argumenta que, com um modelo base robusto, o ajuste fino para ambientes específicos exige apenas alguns minutos de dados do mundo real, tornando obsoleto o trabalho especializado e fragmentado que atualmente domina o setor de robótica.

A eficácia da abordagem já foi demonstrada na prática. O modelo da startup não apenas é capaz de jogar videogames por horas, mas também foi utilizado para controlar um robô quadrúpede. Para essa aplicação física, o sistema exigiu apenas oito minutos de dados robóticos reais para o ajuste fino, conseguindo operar com desempenho zero-shot utilizando apenas a câmera frontal do equipamento.