Por que Alexandre LeBrun, da AMI Labs, evita chamar sua IA de “AGI” ou “superinteligência”

Enquanto outras empresas de IA se apressam em chamar seu trabalho de “AGI” ou “superinteligência”, Alexandre LeBrun, CEO da AMI Labs — startup de modelos globais fundada por Yann LeCun —, evita completamente esses termos. Em entrevista ao TechCrunch, LeBrun disse que a empresa nunca usa palavras como “AGI” ou “superinteligência”.

“Nunca usamos a palavra AGI. E percebi que ninguém mais a usa; todos passaram a usar ‘superinteligência’”, disse ele. “Da próxima vez, vamos mudar para outra coisa.” Ele também não está convencido com o novo rótulo. “Não há uma boa definição. O que é superinteligência? Não sei. Não é uma palavra muito útil.”

É uma posição contundente vinda de um fundador que está no centro da mais 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, onde ele estava em busca de parceiros industriais locais, empresas globais e pesquisadores. A AMI Labs ainda está na fase pré-produto, mas já está buscando parcerias com empresas das áreas de robótica, manufatura e eletrônica. Um modelo mundial, 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 apenas executam rotinas fixas, “completamente estáticas”, e a IA continua “realmente burra no mundo físico”, disse LeBrun.

Mesmo que a IA consiga apenas tornar os robôs “conscientes do contexto”, isso já representaria “uma diferença muito grande para o mundo”. Essa IA sensível ao contexto teria sido útil, por exemplo, para impedir que um robô que estivesse dançando e praticando 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 modelo de linguagem de grande escala (LLM) prevê a próxima palavra ou texto, enquanto um modelo de mundo prevê o próximo estado. Basta empurrar um copo para fora da mesa para já saber que ele vai tombar e derramar; essa é a intuição que um modelo de mundo foi projetado para capturar: prever o próximo estado do mundo, explicou LeBrun.

Ele não está afirmando que os modelos de mundo sejam melhores do que os LLMs, que são “complementares, não substituíveis” quando se trata de sistemas de IA que compreendem o mundo físico, disse LeBrun. Traçando 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 o processamento da linguagem, enquanto os modelos de mundo fornecerão contexto e compreensão do mundo real.

Quase todos os setores que “tocam o mundo real” poderiam, eventualmente, utilizar robótica baseada em modelos do mundo, disse LeBrun, argumentando que os ambientes físicos continuam sendo o ponto mais fraco dos LLMs.

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

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

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

LeBrun ainda não vai detalhar uma estratégia completa para a Ásia. “É muito cedo”, disse ele. Mas a atração pela Coreia do Sul se resume a duas coisas. Primeiro, a Coreia possui indústrias avançadas em robótica, semicondutores e manufatura; setores com forte presença de hardware que a primeira onda de IA mal tocou.

A segunda atração é a velocidade. LeBrun destacou o plano nacional da Coreia de investir pesadamente em IA e seu histórico como pioneira na adoção da tecnologia. “A Coreia foi a que adotou a internet mais rapidamente há 25 anos”, disse ele. É essa combinação — uma base industrial sólida aliada à disposição de adotar a IA rapidamente — que ele considera “única” e a razão pela qual “queremos estar aqui desde o primeiro dia”.

“Tenho dito ao Alex e à equipe para virem para a Coreia”, disse JP Lee, CEO da SBVA e um dos investidores da AMI na Ásia, ao TechCrunch.

O governo fez “um trabalho extraordinário” ao financiar modelos LLM locais e autônomos, disse Lee, e esses modelos já funcionam “bem o suficiente” para tarefas de uso geral, mas ele está pressionando para que a Coreia continue investindo também em IA física. Ele destaca o plano de Seul, anunciado 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 gerou players da internet de origem nacional, como Naver e Kakao.

Apesar de todo o prestígio e do cheque de bilhões de dólares, a AMI ainda não tem nada para vender. A startup, cofundada pelo vencedor do Prêmio Turing Yann LeCun após ele deixar a Meta, levantou US$ 1,03 bilhão em março, com uma avaliação pré-investimento de US$ 3,5 bilhões. Ainda não há produto, nem um cronograma que ele se comprometa a cumprir. “Vamos causar uma surpresa quando estivermos prontos”, disse LeBrun.