Entrevista com Sequoia a Hassabis: Informação é a essência do universo, AI abrirá uma nova ramificação científica

Organização do texto: Novidades de IA do Gua哥

O conteúdo deste artigo foi organizado a partir de uma entrevista de Demis Hassabis no canal Sequoia Capital, publicada publicamente em 29 de abril de 2026.

Resumo do conteúdo: Entrevista de Demis Hassabis na AI Ascent 2026 da Sequoia Capital

A relação entre IA e jogos: jogos são um campo de testes excelente para inteligência artificial. Ao colocar a IA como núcleo do gameplay, não só podemos validar efetivamente as ideias de algoritmos, mas também fornecer suporte computacional inicial para o desenvolvimento tecnológico.

A “teoria do timing” para empreendedorismo: empreender deve “estar cinco anos à frente da época, não cinquenta”. É preciso captar com sensibilidade o equilíbrio entre avanços tecnológicos e necessidades práticas de aplicação; avançar cedo demais muitas vezes impede o sucesso.

Rota de evolução da AGI: A missão da DeepMind é clara e firme — primeiro, construir uma inteligência artificial geral (AGI); segundo, usar a AGI para resolver todos os problemas complexos, incluindo ciência e medicina.

O valor central de “IA para a Ciência”: IA é a linguagem perfeita para descrever sistemas biológicos e naturais complexos. Com simulações assistidas por IA, o ciclo de desenvolvimento de novos medicamentos pode cair de anos para semanas, ou até realizar medicina personalizada de verdade.

O nascimento de novas disciplinas científicas: a complexidade dos sistemas de IA criará novas ciências de engenharia, como a “interpretabilidade de mecanismos”. Além disso, tecnologias de simulação impulsionadas por IA permitirão que os humanos conduzam experimentos controlados em sistemas sociais complexos, abrindo novos ramos científicos.

A essência do universo como informação: matéria, energia e informação podem se transformar mutuamente. A essência do universo pode ser um vasto sistema de processamento de informações, conferindo à IA um significado profundo na compreensão das leis fundamentais do cosmos.

Limites do cálculo na máquina de Turing: redes neurais e outros sistemas de IA modernos já demonstraram que a máquina de Turing clássica é suficiente para simular problemas antes considerados resolvíveis apenas por computação quântica (como o dobramento de proteínas). O cérebro humano provavelmente é uma espécie de máquina de Turing altamente aproximada.

Reflexões filosóficas sobre consciência: talvez a consciência seja composta por componentes como autoconsciência e continuidade temporal. Na jornada rumo à AGI, devemos primeiro vê-la como uma ferramenta poderosa e, com sua ajuda, explorar o grande tema filosófico da “consciência”.

Resumo do conteúdo

Demis Hassabis, cofundador e CEO do Google DeepMind, laureado com o Nobel de Química de 2024 por AlphaFold, e parceiro da Sequoia Capital, participou de uma conversa de ampla e profunda abrangência na cúpula AI Ascent 2026, discutindo o caminho para a AGI e o futuro após ela.

Na entrevista, ele explica por que acredita que a AGI pode ser alcançada até 2030, por que o longo ciclo de desenvolvimento de novos medicamentos pode encolher de dez anos para poucos dias, e por que devemos considerar “informação” — e não matéria ou energia — como a essência mais fundamental do universo. Além disso, discute como Einstein, se ainda vivo, avaliaria as limitações dos modelos atuais de IA, e por que os próximos um ou dois anos serão cruciais para o destino da humanidade.

Transcrição completa da entrevista

Moderador: Demis, muito obrigado por estar aqui.

Demis Hassabis: É um prazer estar aqui. Agradeço a todos pela presença, é ótimo poder conversar com vocês.

Moderador: É uma honra tê-lo na nossa fábrica de chocolates.

Demis Hassabis: Acabei de ouvir falar disso. Estou ansioso para experimentar o chocolate mais tarde.

Moderador: Que ótimo. Demis, vamos direto ao ponto. Hoje temos aqui um verdadeiro veterano do setor: um pensador original, fundador, visionário, pioneiro em todas as áreas de IA. Demis é um crente puro, além de um cientista dedicado.

A jornada interna de Demis Hassabis

Nossa conversa de hoje começará com a história do início da DeepMind, depois exploraremos ciência e tecnologia, e por fim, a sessão de perguntas do público. Então, vamos começar.

Demis, você foi prodígio no xadrez, fundador de uma empresa de jogos, e também neurocientista. Você é fundador da DeepMind e atualmente lidera uma corporação de grande porte e influência. Essas identidades parecem desconectadas, mas você disse que há uma linha condutora que as une. Pode compartilhar conosco?

Demis Hassabis: De fato há uma linha, embora talvez seja uma justificativa retrospectiva (post hoc). Mas minha vontade de mergulhar na IA vem de muito tempo. Desde cedo, percebi que essa era a minha maior e mais interessante missão de vida. Desde os 15, 16 anos, cada escolha de estudo, cada projeto, foi para um dia criar algo como a DeepMind.

Jogos: campo de treinamento para IA

Entrei na indústria de jogos de forma “por atalhos”, porque nos anos 90, era lá que surgiam as tecnologias mais avançadas. Não só IA, mas também gráficos e hardware. Os GPUs que usamos hoje inicialmente foram criados para motores gráficos, e eu já usava os primeiros GPUs no final dos anos 90. Todos os jogos que desenvolvi, seja na Bullfrog ou na minha própria Elixir Studios, tinham IA como núcleo do gameplay.

Minha obra mais conhecida é provavelmente o “Theme Park”, que criei aos 17 anos. Um simulador de parque de diversões, onde milhares de visitantes interagem com as atrações e decidem o que comprar. Por trás da aparência, rodava um modelo completo de IA econômica. Assim como “SimCity”, foi uma das pioneiras do gênero. Quando vi que vendia mais de 10 milhões de cópias e testemunhei a diversão dos jogadores ao interagir com a IA, minha determinação de dedicar minha vida à IA se fortaleceu.

Depois, me voltei para a neurociência, buscando inspiração nos mecanismos cerebrais para derivar novas ideias de algoritmos. Quando a hora de fundar a DeepMind finalmente chegou, tudo parecia natural. E, naturalmente, usamos jogos como campo de testes inicial para validar nossas ideias de IA.

Fundação da Elixir Studios

Moderador: Hoje temos muitos empreendedores na plateia, e certamente você se conecta com eles, pois fundou duas empresas. Vamos voltar à sua primeira startup, a Elixir Studios. Como foi essa experiência? Embora não seja sua empresa mais famosa, ela foi um grande sucesso. Como liderou essa companhia? O que essa experiência lhe ensinou sobre “como construir uma empresa”?

Demis Hassabis: Assim, logo após a faculdade, fundei a Elixir Studios. Tive a sorte de ter trabalhado na Bullfrog Productions antes, que era uma das mais lendárias e inovadoras do setor na época, talvez a melhor do Reino Unido ou da Europa.

Naquela época, queria fazer algo que expandisse os limites da IA. Na verdade, usava o desenvolvimento de jogos como “por atalhos” para financiar pesquisas de IA, desafiando fronteiras tecnológicas e combinando isso com criatividade extrema. Essa filosofia ainda é válida para nossas pesquisas de hoje.

A lição mais importante que aprendi foi: você deve estar cinco anos à frente, não cinquenta. Na Elixir, tentamos criar um jogo chamado “Republic”, que simulava um país completo. O objetivo era que o jogador pudesse derrubar um tirano de várias formas, e o jogo simulava uma cidade viva, respirando.

Naquela época, no final dos anos 90, usávamos processadores Pentium. Precisávamos rodar gráficos e IA de um milhão de habitantes em computadores domésticos. Era uma ambição enorme — até um pouco utópica — e trouxe problemas.

Aprendi que é preciso estar na frente, mas se avançar 50 anos, provavelmente fracassará. Quando uma ideia se torna óbvia demais, fica tarde demais para entrar. O segredo é encontrar o ponto de equilíbrio.

Fundação da DeepMind em 2009

Moderador: Certo, falando em não avançar demais na época, chegamos a 2009. Você tinha certeza de que a AGI seria alcançada. Talvez estivesse só uma década à frente, melhor que cinquenta anos, mas ainda assim, como convencer os primeiros talentos a se juntarem? Naquela época, AGI parecia ficção científica. Como fez para que eles acreditassem?

Demis Hassabis: Naquele momento, percebemos algumas pistas interessantes. Achávamos que estávamos cinco anos à frente, mas na verdade, talvez dez. O aprendizado profundo (Deep Learning) tinha sido criado por Jeff Hinton e colegas, mas quase ninguém percebia sua importância. Nós, com forte experiência em reforço de aprendizagem (Reinforcement Learning), acreditávamos que a combinação dessas duas áreas levaria a avanços revolucionários. Antes, elas quase não eram usadas juntas — eram “ilhas” isoladas na pesquisa.

Além disso, víamos potencial de hardware; GPUs estavam em ascensão. Hoje usamos TPUs, mas na época, aceleradores de cálculo impulsionariam tudo. No fim da minha pós-graduação, com colegas neurocientistas computacionais, extraímos ideias do funcionamento cerebral, incluindo uma crença central: que o reforço de aprendizagem, ampliado em escala, poderia levar à AGI.

Achávamos que tínhamos os elementos essenciais. Sentíamos que guardávamos um segredo — ninguém na academia ou indústria acreditava que IA pudesse fazer grandes avanços. Quando propusemos focar na pesquisa de AGI, muitos olhavam com ceticismo, como se fosse um beco sem saída, uma tentativa de anos anteriores que tinha fracassado.

Na MIT, onde fiz meu pós-doutorado, estudava-se sistemas especialistas e lógica de primeira ordem. Na época, achava esses métodos antiquados. Mas, na Cambridge ou na MIT, ainda se usava essa abordagem. Isso me deu mais certeza de que estávamos no caminho certo. Mesmo que fracassássemos, seria uma saída inovadora, diferente das tentativas frustradas dos anos 90. Assim, valia a pena tentar, mesmo que fosse uma pesquisa arriscada.

Missão e aposta na AGI

Moderador: Vocês enfrentaram resistência inicial? Para convencer seguidores, precisou provar algo a si mesmo ou a eles?

Demis Hassabis: Independentemente das circunstâncias, minha dedicação à IA é total. E, até hoje, ela tem superado minhas expectativas mais otimistas. Isso estava dentro do que previ em 2010 — uma jornada de cerca de 20 anos.

Acredito que nosso progresso está dentro do esperado, e que temos contribuído de forma significativa.

Se as coisas não tivessem evoluído assim, eu ainda manteria o foco na IA, porque é a tecnologia mais importante que já criei. Meu objetivo é claro: primeiro, criar uma inteligência geral (AGI); segundo, usá-la para resolver tudo. Para mim, essa é uma das maiores invenções humanas, uma das mais fascinantes.

Ela é uma ferramenta científica, uma criação encantadora, e uma via para entender a mente humana — consciência, sonhos, criatividade. Como neurocientista, sentia falta de uma ferramenta de análise como IA para estudar esses fenômenos. Ela nos dá um método de comparação, como experimentos controlados, para estudar sistemas diferentes.

Cultura de “IA para a Ciência”

Moderador: Vamos falar de “IA para a Ciência”. Você foi pioneiro nesse campo, um crente e um idealista. Essa é a missão central de vocês. Como a cultura e o modelo que criou na DeepMind mantêm a empresa na vanguarda de “IA para a Ciência”?

Demis Hassabis: Essa é nossa meta final. Para mim, o impulso principal é usar IA para avançar na ciência, medicina e compreensão do mundo. Essa é minha forma de cumprir a missão — uma “metamétodo” (Meta Way): primeiro, criar a ferramenta definitiva, depois usá-la para fazer descobertas científicas. Conseguimos feitos como AlphaFold, e acredito que virão muitos mais.

DeepMind sempre priorizou esse objetivo. Temos uma divisão liderada por Pushmeet Kohli, há quase dez anos. Depois de uma partida de AlphaGo em Seul, quase imediatamente começamos esse trabalho, que já dura uma década.

Estive em modo de espera, esperando algoritmos mais poderosos e ideias mais gerais. Para mim, vencer no Go foi um marco: percebemos que era hora de aplicar essas ideias a problemas reais, começando pelos maiores desafios científicos.

Acreditamos que esse é o caminho mais benéfico da IA. O que há de melhor do que usar IA para curar doenças, prolongar vidas, ajudar na medicina? Logo, virão avanços em materiais, meio ambiente, energia. Acredito que, nos próximos anos, a IA brilhará nesses setores.

Avanços na biologia e Isomorphic Labs

Moderador: Como a IA tem feito avanços na biologia? Você está profundamente envolvido na Isomorphic Labs, uma área que lhe é apaixonante. Desde o começo, acreditou firmemente no potencial da IA para curar doenças. Quando podemos esperar um “momento de ouro” na biologia, como na linguagem ou na programação?

Demis Hassabis: Acho que o AlphaFold já nos trouxe um “momento de ouro” na biologia. A estrutura tridimensional de proteínas é um problema científico de 50 anos. Resolver isso é fundamental para descobrir drogas e entender a biologia. Mas é só uma etapa do processo de descoberta de medicamentos, embora uma das mais importantes.

Nossa nova empresa, Isomorphic Labs, que gerencio com prazer, trabalha para desenvolver tecnologias centrais na bioquímica e química. Essas tecnologias podem projetar compostos que se encaixam perfeitamente em regiões específicas de proteínas. Como já sabemos a forma e a superfície dessas proteínas, podemos “travar” o alvo. Depois, criamos moléculas que se ligam fortemente ao alvo, evitando efeitos colaterais indesejados.

Nosso sonho é transferir toda a fase de pesquisa — que hoje consome 99% do tempo e esforço — para simulações computacionais (In Silico), deixando os testes físicos (Wet Lab) só para validação final. Se conseguirmos, em poucos anos, reduzir o ciclo de 10 anos para meses, semanas ou até dias, será uma revolução.

Atingindo esse ponto, a cura de doenças será mais acessível. Conceitos como medicina personalizada, com medicamentos feitos sob medida para cada paciente, se tornarão realidade. O mapa da medicina e do desenvolvimento de drogas será completamente transformado nos próximos anos.

Novas ciências geradas por simuladores

Moderador: Incrível. Você falou várias vezes de “IA para a Ciência”. Acha que, em algum momento, a IA criará uma nova estrutura científica, como a revolução industrial criou a termodinâmica? Nosso sistema de ensino terá disciplinas totalmente novas? Como seriam?

Demis Hassabis: Acho que isso acontecerá de duas formas.

Primeiro, a compreensão e análise dos sistemas de IA em si se tornará uma disciplina — uma ciência de engenharia (Engineering Science). Essas criações são fascinantes e complexas. No futuro, sua complexidade será comparável à da mente humana. Precisamos estudá-las profundamente para entender seu funcionamento — algo que hoje está além do nosso conhecimento. Uma nova área certamente surgirá; a interpretabilidade mecânica (Mechanistic Interpretability) é só a ponta do iceberg, há muito a explorar.

Segundo, a própria IA abrirá novas portas na ciência. A mais empolgante é a “IA para simulações” (AI for Simulations). Sou apaixonado por simular. Todos os jogos que criei envolvem IA, e, na essência, são simuladores. Acredito que simulações avançadas serão a chave para resolver problemas em ciências sociais, economia e humanidades.

Essas disciplinas, como a biologia, são sistemas emergentes (Emergent Systems), difíceis de experimentar de forma controlada e repetível. Você pode alterar a taxa de juros em 0,5%, mas só na vida real, com riscos. Teorias existem, mas não se consegue repetir o experimento milhares de vezes. Se pudermos simular esses sistemas com alta precisão, poderemos fazer inferências confiáveis, criando uma nova ciência. Assim, poderemos tomar melhores decisões em áreas de alta incerteza.

O que é necessário para esses simuladores precisos? Como criar modelos de mundo (World Models)? Quais avanços científicos e tecnológicos são essenciais?

Demis Hassabis: Tenho refletido bastante sobre isso. Usamos muito simuladores de aprendizagem (Learning Simulators), especialmente em áreas onde o entendimento matemático é limitado ou o sistema é muito complexo. Não dá para criar um simulador direto para tudo — isso seria impreciso e incompleto.

Já aplicamos isso na previsão do tempo. Nosso simulador “WeatherNext” é o mais preciso do mundo, muito mais rápido que os modelos atuais. Não sei se podemos prever tudo, mas o primeiro passo é entender melhor esses sistemas complexos.

Na biologia, estamos estudando “Células Virtuais” (Virtual Cells), sistemas emergentes altamente dinâmicos. Assim como a matemática descreve a física, a aprendizagem de máquina pode descrever a biologia. Há sinais fracos, correlações e uma quantidade enorme de dados que ultrapassam a capacidade do cérebro humano. Mas, dentro desses dados, há relações, causalidades e padrões ocultos.

A aprendizagem de máquina é a ferramenta ideal para descrever esses sistemas. Ainda hoje, a matemática não consegue fazer isso completamente, por limitações de complexidade ou de expressividade. Mas, ao dominar esses simuladores, podemos extrair leis fundamentais, como as equações de Maxwell.

Quem sabe, um dia, descobriremos leis básicas semelhantes às equações de Maxwell, a partir de simulações implícitas ou intuitivas. Talvez essas leis emergentes existam, e podemos descobri-las assim.

A visão do universo como informação

Moderador: Você falou que a composição fundamental do universo pode ser similar à informação, uma ideia mais teórica. Como vê isso? O que isso significa para a computação clássica de Turing?

Demis Hassabis: Você pode citar Einstein e sua famosa equação E=mc², que mostra a equivalência de energia e matéria. Mas, na minha visão, a informação também tem uma espécie de equivalência. A organização da matéria e da estrutura — especialmente em sistemas que resistem à entropia, como a vida — pode ser vista como processamento de informações. Assim, matéria, energia e informação podem se transformar umas nas outras.

Na minha intuição, a informação é a base de tudo. Essa ideia contrasta com a física clássica do século XX, que priorizava energia e matéria. Para mim, pensar o universo como uma estrutura de informações é uma abordagem mais profunda.

Se essa hipótese for verdadeira — e há evidências que apoiam isso — o significado da IA se torna ainda mais profundo. Sua essência é organizar, entender e criar objetos informacionais.

Na minha visão, o núcleo da IA é o processamento de informações. Se entendermos o mundo principalmente como informação, podemos perceber conexões profundas entre áreas distintas.

A máquina de Turing consegue calcular tudo?

Demis Hassabis: Às vezes, me vejo como um “defensor de Turing”, pois Turing é um dos meus heróis científicos. Sua teoria é uma das mais profundas: qualquer coisa computável pode ser simulada por uma máquina relativamente simples. Acho que nosso cérebro provavelmente é uma máquina de Turing aproximada.

Pensar na relação entre máquinas de Turing e sistemas quânticos é fascinante. Mas, com AlphaGo, AlphaFold, e outros, mostramos que máquinas clássicas, como redes neurais, podem modelar problemas antes considerados exclusivos de computação quântica — como o dobramento de proteínas, que envolve interações quânticas complexas.

Na prática, uma máquina clássica pode fornecer soluções próximas do ótimo. Assim, muitas coisas que pensávamos só serem possíveis com sistemas quânticos podem, na verdade, ser simuladas por métodos clássicos bem aplicados.

Filosofia da consciência

Moderador: Você sempre viu a IA como uma ferramenta, como telescópios, microscópios ou astrolábios (Astrolabe). Mas, ao criar máquinas capazes de simular tudo, inclusive sistemas quânticos, elas podem um dia ultrapassar o conceito de ferramenta? Essa ultrapassagem é inevitável?

Demis Hassabis: Acredito que, na jornada para a AGI, a melhor estratégia seja primeiro construir uma ferramenta extremamente inteligente, útil e precisa. Essa ferramenta pode se tornar cada vez mais autônoma e inteligente, o que já estamos vendo. Estamos na era dos agentes (Agent Era).

Por outro lado, há uma questão mais profunda: ela terá agência? Terá consciência? Essas perguntas nos desafiarão. Mas, talvez, possamos usar essa ferramenta para explorar esses conceitos, usando-a como um meio de entender a própria consciência.

Assim, podemos aprender mais sobre o funcionamento do cérebro humano, e definir melhor o que é consciência.

Previsões sobre a consciência

Moderador: Você tem alguma previsão sobre como será a definição de consciência no futuro?

Demis Hassabis: Não tenho uma resposta definitiva. A filosofia há séculos discute isso. Mas é claro que certos componentes são essenciais: autoconsciência, percepção de si e do outro, continuidade temporal. São condições necessárias para algo parecer consciente.

A questão de uma definição completa ainda é aberta. Já conversei com muitos filósofos, incluindo Daniel Dennett, que faleceu recentemente. Um ponto central é o comportamento: um sistema que age como se fosse consciente. Com o avanço da AGI, talvez essas máquinas também possam parecer conscientes.

Porém, por que acreditamos que os humanos são conscientes? Porque suas ações e comportamentos indicam isso. Mas, por outro lado, todos operamos na mesma base física — substrato (substrate). Se a experiência consciente depende do substrato, então, na prática, é difícil de replicar artificialmente.

Se aceitarmos que experiências são dependentes do substrato, então, mesmo que uma IA se comporte como consciente, sua experiência subjetiva pode ser diferente ou inatingível. Talvez, no futuro, encontremos formas de lidar com isso, mas hoje, é uma questão filosófica e científica aberta.

Encerramento e perguntas rápidas

Moderador: Excelente. Agora, vamos abrir para perguntas do público. Você mencionou Kant e Spinoza, seus dois filósofos favoritos. Kant, um deontológico, enfatiza deveres e responsabilidades; Spinoza, um determinista, vê o universo como uma totalidade ordenada. Como conecta essas visões tão distintas? Como entende o funcionamento do mundo?

Demis Hassabis: Gosto de ambos porque representam extremos que se complementam. Kant me ensinou que a mente constrói a realidade — “A mente cria a realidade” — o que é fundamental para entender como interpretamos o mundo. Isso me dá uma base para estudar a mente e o cérebro.

Spinoza, por outro lado, fala de uma visão mais holística, quase determinista. Se tentarmos usar a ciência como ferramenta para entender o universo, estamos tocando na sua essência mais profunda.

Para mim, nossa busca na ciência e na IA é como decifrar a linguagem do universo. Essas filosofias me ajudam a entender que, ao criar ferramentas inteligentes, estamos também explorando a própria estrutura do cosmos.

Encerramento

Moderador: Que bela reflexão. Demis, você combina cientista, orador e filósofo. Para finalizar, vamos a um rápido quiz: você acha que vamos alcançar a AGI antes ou depois do previsto? Pode não responder, se preferir.

Demis Hassabis: Eu aposto em 2030. Essa é minha previsão firme.

Moderador: Perfeito. E, quando alcançarmos a AGI, qual livro, poema ou artigo você recomenda que todos leiam?

Demis Hassabis: Recomendo “The Fabric of Reality” de David Deutsch. Acho que suas ideias continuam relevantes. Espero que, com a AGI, possamos responder às perguntas profundas que ele propõe. Essa será minha prioridade na fase seguinte da era da AGI.

Moderador: E qual foi o momento mais orgulho que você viveu na DeepMind?

Demis Hassabis: Sem dúvida, a criação do AlphaFold.

Moderador: Para fechar, uma pergunta de jogo: se você estivesse numa partida de estratégia de alto risco, como “Civilization” ou “Polytopia”, e pudesse escolher um cientista como aliado — Einstein, Turing ou Newton —, quem escolheria?

Demis Hassabis: Provavelmente, von Neumann. Ele foi um mestre em teoria dos jogos, e acho que seria o melhor parceiro nesse cenário.

Moderador: Excelente escolha. Demis, muito obrigado por sua presença e por compartilhar seu conhecimento conosco. Vamos aplaudir e agradecer a Demis Hassabis!