Inteligência artificial chega ao estágio 'IA do mundo real'

Autor: Wang Jie

Durante o Fórum Econômico Mundial de Verão em Dalian, no final de junho, líderes globais da indústria de inteligência artificial (incluindo robótica) reuniram-se para discutir os desenvolvimentos atuais e as principais tendências futuras da IA. Entre eles, Wang Jie, investidor pioneiro em IA na China e codiretor do Centro de Pesquisa em Economia da IA do Instituto de Economia Digital de Shenzhen, propôs que a indústria de IA, após passar pelos três estágios de "geração de conteúdo", "capacidade de raciocínio" e "capacidade de ação", está prestes a entrar no estágio de "IA do Mundo Real". Todos os elos da indústria precisam se preparar para receber este estágio.

A seguir, o texto completo de "A Inteligência Artificial chega ao estágio de 'IA do Mundo Real'", publicado em primeira mão pela Tencent Tech.

We are at AI's reality moment.

Nos últimos anos, a IA aprendeu a gerar, raciocinar e agir. O próximo estágio não é apenas se a IA pode dar respostas mais bonitas na tela, mas se ela pode aprender com o feedback do mundo real e entregar resultados de trabalho aceitáveis e sustentáveis no mundo real. Hoje, estamos no "momento do mundo real" do desenvolvimento da IA.

Observação: a IA está continuamente se afastando do mundo dos benchmarks

Nos últimos anos, a narrativa principal da indústria de IA foi organizada por benchmarks. A cada lançamento de modelo, vinha um conjunto de pontuações: compreensão de linguagem, exames profissionais, raciocínio matemático, geração de código, engenharia de software, operação na web, perguntas e respostas multimodais, tarefas de agente. As pontuações subiam, a indústria se animava; as pontuações saturadas, novos benchmarks eram criados. Os benchmarks se tornaram bandeiras de marcos ao longo do longo caminho do desenvolvimento da IA.

Mas um fato cada vez mais claro está emergindo: A IA está continuamente se afastando do mundo dos benchmarks. Muitos testes que antes eram considerados suficientemente difíceis e representativos de inteligência foram aproximados, igualados e superados pelos modelos, uma e outra vez. Pesquisadores continuam definindo novas tarefas, novas classificações, novos conjuntos de avaliação, e os modelos continuam perseguindo e arrancando novas bandeiras. Isso é certamente parte do progresso científico, mas também mostra que os benchmarks por si só estão cada vez mais incapazes de carregar todo o significado do desenvolvimento da IA.

O mundo dos benchmarks é essencialmente um "mundo teórico": os problemas são pré-definidos, as respostas têm limites claros, os critérios de avaliação podem ser formalizados, e o custo do fracasso é geralmente apenas uma pontuação. Ele é adequado para provar que um modelo possui certa capacidade, mas não equivale a provar que o modelo pode entregar os resultados que esperamos em fluxos de trabalho reais. Um modelo que acerta questões em um banco de questões não significa que ele pode executar tarefas de forma estável no processo de compras de uma empresa, na coordenação de diagnóstico e tratamento de um hospital, no sistema de programação de produção de uma fábrica, na revisão de riscos de documentos legais ou na resposta de emergência da governança urbana.

Portanto, quando dizemos que a IA está deixando o mundo dos benchmarks, não queremos dizer que os benchmarks não são mais importantes. Pelo contrário, os benchmarks continuam sendo um painel necessário para o progresso tecnológico. Mas o painel não é a estrada, a pontuação não é o resultado, a demonstração não é a entrega. A IA está deixando o mundo dos benchmarks, para qual mundo está indo? A resposta é: o mundo real. Toda a indústria está entrando no estágio de "IA do Mundo Real".

A transição do "mundo teórico" para o "mundo real"

Os três estágios antigos do "mundo teórico"

O desenvolvimento desta rodada de IA já passou por três estágios antigos claros. O primeiro é o estágio de "geração de conteúdo", cuja forma típica é o chatbot. Pela primeira vez, a IA usou a linguagem natural como interface, capaz de escrever, resumir, traduzir, dialogar e explicar, tornando-se uma ferramenta de texto universal para o trabalho cognitivo humano. O segundo é o estágio de "capacidade de raciocínio", cuja forma típica é o reasoner, ou seja, modelos de raciocínio como GPT o1, DeepSeek R1. A IA começou a mostrar capacidades mais fortes de decomposição, busca, planejamento, prova e auto-verificação, podendo lidar com problemas de cadeia mais longa e maior complexidade. O terceiro é o estágio de "capacidade de ação", cuja forma típica é o agente. A IA não está mais apenas respondendo perguntas, mas chamando ferramentas, navegando na web, escrevendo código, operando software e executando tarefas de múltiplas etapas.

Esses três estágios são muito importantes. A geração deu linguagem à IA, o raciocínio deu pensamento, e o agente deu mãos preliminares à IA. Depois de gerar, raciocinar e agir, a próxima coisa não é fazer mais ações em demonstrações, mas assumir resultados em ambientes reais. O mundo real fornecerá o ambiente para as ações futuras de longo prazo da IA.

Por que os três acima são considerados estágios antigos? Porque eles permanecem em grande parte no "mundo teórico" ou "quase mundo real". O modelo enfrenta problemas abstraídos, não um sistema econômico-social completo; otimiza feedback computável, não resultados reais de múltiplos agentes, múltiplas restrições e longo ciclo; exibe possibilidades de capacidade, não resultados de trabalho aceitos conjuntamente por usuários, organizações, instituições e mercado.

O novo estágio do "mundo real"

Propomos "IA do Mundo Real", Real-World AI, para refletir o novo estágio que a IA está prestes a entrar. A definição de IA do Mundo Real é: IA capaz de aprender com o feedback do mundo real, completar tarefas do mundo real e gerar resultados reais. Aqui, "mundo real" inclui dois significados: Primeiro, o feedback do treinamento vem de resultados, usuários, instituições, custos e riscos em ambientes reais, não apenas de respostas padrão; segundo, as tarefas vêm de fluxos de trabalho reais, não apenas de bancos de questões, sandboxes ou demonstrações. Não é um rótulo genérico, mas um nome de estágio para a transição da IA da demonstração de capacidade para a entrega de produção, da inteligência teórica para a inteligência de trabalho.

O núcleo da IA do Mundo Real não é conectar mais botões à IA, mas colocar a IA em um ciclo fechado: entender tarefas reais, receber feedback real, executar ações reais, corrigir suas próprias estratégias e, finalmente, entregar resultados reais aceitáveis. Exige que a capacidade do modelo vá além dos campos atualmente concentrados principalmente em "acadêmicos de computação", como código, engenharia de software, matemática e segurança cibernética, em direção a cenários de trabalho humano mais amplos: marketing, vendas, cadeia de suprimentos, manufatura, finanças, direito, saúde, educação, pesquisa científica, governança pública e sistemas robóticos e de automação no mundo físico.

Abaixo está uma comparação chave entre o mundo real e o mundo teórico:

(Tabela não fornecida no texto original, mas mencionada; manter estrutura)

Nesse sentido, a IA do Mundo Real não é um modelo, produto ou rota algorítmica específica, mas a nova direção de toda a indústria. Ela conectará pós-treinamento, aprendizado por reforço, uso de ferramentas, sistemas de memória, integração de fluxo de trabalho, feedback organizacional, supervisão humana, mecanismos de segurança e medição de valor econômico. O mundo real se tornará o novo campo de treinamento da IA.

A IA do Mundo Real produzirá inteligência do mundo real (real-world intelligence). Inteligência do mundo real é a capacidade do modelo formada após receber feedback do mundo real, e também a capacidade de transformar objetivos em resultados sob restrições reais. Ela não mede o desempenho momentâneo do modelo em perguntas estáticas, mas a usabilidade contínua, confiabilidade e capacidade de criação de valor do sistema de IA em tarefas reais. Se o núcleo da inteligência de benchmark (benchmark intelligence) é "conseguir obter a resposta correta em uma determinada pergunta", então o núcleo da inteligência do mundo real (real-world intelligence) é "conseguir completar resultados aceitos em tarefas reais".

Por que é inevitável ir do "mundo teórico" ao "mundo real"?

Essa transição tem necessidade técnica e necessidade econômica. Tecnicamente, os grandes modelos de linguagem deram à IA a capacidade de linguagem, os modelos de raciocínio deram à IA uma capacidade de pensamento mais forte, e os agentes deram à IA uma capacidade de ação preliminar. Observando o comportamento humano, após possuir linguagem, pensamento e ação, o ser humano certamente entrará na fase de interação com o mundo real. A inteligência não é uma capacidade que permanece na mente, mas a capacidade de completar objetivos em um ambiente. Portanto, o próximo passo da IA também é muito claro: entrar no mundo real.

Economicamente, o maior valor da revolução da IA não pode permanecer para sempre em perguntas e respostas, escrita e fragmentos de código. A verdadeira liberação de produtividade vem do desbloqueio de tarefas reais: um processo de atendimento ao cliente é concluído de ponta a ponta automaticamente, uma due diligence legal é entregue de forma estável, uma cadeia de suprimentos é otimizada dinamicamente, uma hipótese de pesquisa é rapidamente verificada, um robô colabora de forma confiável em um armazém ou casa. Somente quando a IA entra em fluxos de trabalho reais, as empresas a contam como capacidade organizacional, a sociedade a conta como produtividade, e os humanos realmente sentem a escala desta revolução tecnológica.

É também por isso que "IA do Mundo Real" é mais operacional do que simplesmente discutir AGI. AGI pergunta se a IA está se aproximando da inteligência humana; IA do Mundo Real pergunta se a IA pode completar tarefas reais; AGI tende a levar a discussão para capacidades infinitas; IA do Mundo Real traz a discussão de volta para feedback, resultados, custos e valor. Não é reduzir o objetivo da IA, mas colocar o objetivo da IA onde ela finalmente deve enfrentar: a realidade.

Roteiro e Terminologia

Roteiro

Em termos de roteiro, o roteiro de cinco estágios proposto pela OpenAI em 2024 capturou amplamente a direção evolutiva de chatbot para reasoner para agente, mas não descreveu completamente a transição do mundo teórico para o mundo real. E os dois últimos estágios, inovador e organizador, são mais características de capacidade que um agente pode possuir, em vez de formas técnicas paralelas a chatbot, reasoner e agente; o padrão não é consistente. Mais importante, quando este roteiro foi proposto, a indústria ainda não havia realmente entrado no estágio de agente, então os julgamentos sobre o que vem depois do agente naturalmente carregam incerteza.

No ponto em que a indústria está se movendo do mundo teórico para o mundo real, precisamos de um roteiro que possa melhor guiar o trabalho de longo prazo. Propomos o seguinte quadro de cinco estágios: Primeiro, Foundation AI, estágio de modelo básico, onde a IA obtém representação geral e capacidade de compressão de conhecimento; Segundo, Generative AI, estágio de IA generativa, onde a IA obtém capacidade de geração de linguagem natural e multimodal; Terceiro, Reasoning AI, estágio de IA de raciocínio, onde a IA obtém capacidades mais fortes de busca, planejamento, prova e reflexão; Quarto, Agentic AI, estágio de IA agêntica, onde a IA obtém capacidade de chamar ferramentas, operar software e executar etapas de ação; Quinto, Real-World AI, estágio de IA do Mundo Real, onde a IA entra em fluxos de trabalho reais, aprende com feedback real e entrega resultados reais aceitos por humanos, organizações e instituições.

Este roteiro coloca "IA do Mundo Real" depois do agente. O agente resolve a questão "a IA pode agir?", a IA do Mundo Real resolve a questão "após agir, a IA pode produzir consequências aceitáveis?". O agente é a interface, o mundo real é o ciclo fechado; o agente é a mão, a IA do Mundo Real é a capacidade de trabalho organizada; o agente coloca a IA no processo, a IA do Mundo Real faz a IA ser aceita pelo processo, confiada pela organização, medida pela economia.

Mais adiante, a indústria pode entrar em um estágio maior: a IA se tornar a camada operacional da economia e da sociedade, ou seja, a "camada digital" que mencionamos várias vezes antes. Nesse momento, a IA não estará apenas completando tarefas individuais, mas participando do apoio à decisão, coordenação organizacional, alocação de recursos, descoberta científica, operação urbana e operação do mundo físico. Mas se este futuro pode chegar depende de conseguir superar o estágio da IA do Mundo Real hoje. Sem feedback real, não há inteligência real; sem resultados reais, não há produtividade real.

Terminologia

No passado, já tínhamos uma infinidade de termos descrevendo o desenvolvimento desta rodada de IA: AGI, ASI, Generative AI, Agentic AI, Embodied AI, Physical AI, etc. (World Model não descreve características de desenvolvimento da IA, mas descreve uma rota de modelo). Em geral, esses termos partem principalmente do ângulo do algoritmo, capacidade ou suporte, podendo ser chamados de "descrições sob a perspectiva do algoritmo". Eles são muito importantes, mas também tendem a levar a discussão da indústria para debates abstratos como "o modelo é inteligente o suficiente?" "a inteligência é infinita?" "quando superará os humanos?".

Um bom nome deve ter um senso de direção: não apenas descreve o que a tecnologia é, mas também nos lembra para onde estamos indo finalmente e onde estamos agora. "IA do Mundo Real" tem esse senso de direção. Ela não nega AGI, Physical AI ou Embodied AI, mas muda a forma de perguntar: não mais pergunta apenas o que a IA é tecnicamente, mas o que a IA pode fazer na economia e na sociedade; não mais pergunta apenas se a IA está perto da inteligência humana, mas se a IA pode completar tarefas reais de forma estável, criar valor real e assumir consequências reais.

"IA do Mundo Real" também unifica o mundo digital e o mundo físico. No mundo digital, IA do Mundo Real significa que a IA entra em software empresarial, trabalho de conhecimento, processos de transação, processos de P&D, processos de governança; no mundo físico, IA do Mundo Real significa que robôs, direção autônoma, manufatura inteligente, serviços domésticos e infraestrutura urbana aprendem com ambientes reais. Independentemente do suporte ser navegador, API, software de escritório, braço robótico, veículo ou robô humanoide, a questão central é a mesma: a IA pode formar um ciclo fechado em um ambiente real, completar tarefas e ser aceita pela realidade.

Portanto, apresentamos à indústria a expressão "IA do Mundo Real / Real-World AI". Ela pode reunir pesquisadores, empreendedores, investidores, usuários empresariais e formuladores de políticas no mesmo mapa: da inteligência de benchmark à inteligência do mundo real; do período de demonstração de capacidade ao período de desbloqueio de tarefas; da competição de modelos à competição de produtividade; de "a IA parece que fará" a "a IA realmente pode fazer".

A IA do Mundo Real não é o fim, mas a entrada. Ela nos lembra: o trabalho mais importante de IA nos próximos anos não é apenas criar modelos maiores, contextos mais longos, demonstrações mais bonitas, mas transformar a realidade em um loop de treinamento, o feedback em capacidade, as tarefas em valor, e a IA em uma força produtiva verdadeiramente utilizável para a sociedade humana.

Para que este estágio realmente chegue, a indústria precisa formar um novo consenso. O treinamento de modelos precisa usar o feedback do fluxo de trabalho real como um recurso central de pós-treinamento, não apenas perseguindo classificações existentes; as aplicações de IA precisam avançar de formas de assistente para formas de entrega de tarefas, não apenas incorporar janelas de chat de IA em software; os usuários empresariais precisam avançar a avaliação de IA de "é fácil de usar?" para "pode completar tarefas-chave de forma estável?"; os investidores precisam reavaliar a velocidade de desbloqueio de tarefas, a profundidade do ciclo de feedback e a produção por custo unitário, além dos parâmetros do modelo e dos efeitos de demonstração; os formuladores de políticas precisam estabelecer estruturas de dados, responsabilidade, segurança e auditoria, para que a adoção no mundo real possa se expandir em confiança.

Este é o significado de "IA do Mundo Real" como termo. Ele condensa o foco disperso da indústria em uma direção comum: deixar a IA sair do palco de demonstração e entrar no local de produção; sair do banco de questões e entrar na organização; sair da resposta única e entrar no feedback contínuo; sair da inteligência abstrata e entrar no valor real. We are at AI's reality moment. A próxima fronteira da IA não é outro benchmark, a próxima fronteira é o mundo real.

O mundo real se tornará o novo campo de treinamento da IA.

Reality is becoming the next training loop for AI.