Há exatamente um ano, a startup chinesa de inteligência artificial DeepSeek desencadeou um rebuliço no mundo da tecnologia ao entregar resultados tão bons quanto as melhores americanas, gastando muito menos.
A façanha foi recebida nos EUA como um ‘Sputnik Moment’.
Em 2017, no entanto, era a China que havia passado por um Sputnik Moment, também em razão da inteligência artificial. A responsável pelo feito foi uma startup que começou quase clandestinamente em Londres, fundada por um menino-prodígio do xadrez obcecado por desvendar a inteligência humana – e, principalmente, pela busca de replicá-la na computação.
O AlphaGo, programa criado pela DeepMind para disputar o Go – o jogo de tabuleiro mais difícil do mundo – derrotou por 3 a 0 o maior campeão mundial, o chinês Ke Jie. A partida, que aconteceu na China e teve promoção do Google – hoje o dono da DeepMind – mobilizou multidões no país. Os chineses acompanhavam a disputa pela TV e em telões em praças públicas.
Logo nos primeiros lances, Jie ficou perdido ante os movimentos da máquina. Diante do constrangimento visível, as autoridades chinesas suspenderam a transmissão.
A história é uma das sequências reveladoras do ótimo documentário The Thinking Game, que conta a trajetória da DeepMind e de seu principal fundador, o inglês Demis Hassabis – recentemente agraciado com um Nobel. O filme pode ser visto gratuitamente no YouTube (assista aqui). A direção é de Greg Kohs, que já havia realizado o documentário AlphaGo, de 2017.
A DeepMind foi fundada em Londres, em setembro de 2010, por Hassabis, Shane Legg e Mustafa Suleyman – já fora do negócio. O cérebro visionário sempre foi Hassabis, ainda hoje o CEO. Legg é o cientista-chefe.
Na primeira reunião com o time inicial de colaboradores, Hassabis não poupou ambição ao apresentar a missão da empreitada: criar a primeira máquina de inteligência geral. É aquilo que, sem uma definição precisa, convencionou-se chamar de AGI, da sigla em inglês para artificial general intelligence.
Para chegar lá, a ideia central foi unir neurociência e engenharia de computação.
Os primeiros programas foram feitos para jogar Atari – os mais rudimentares games disponíveis, como o Pong, antes de enfrentar desafios mais complexos. Aos poucos, com treinamento, tentativas e erros, os algoritmos iam descobrindo os macetes, criavam novas táticas e passaram a bater os humanos com facilidade.
Foi inicialmente por meio de jogos que a DeepMind testou sua tese central de aplicar simultaneamente o reinforcement learning (aprendizado por tentativa e erro) e o deep learning redes neurais.
Era um escopo muito mais amplo que o do Deep Blue, que fez furor quando derrotou Garry Kasparov, então o campeão mundial de xadrez. A máquina da IBM havia sido programada para uma única atividade: jogar xadrez. Os algoritmos da DeepMind são concebidos para, como os humanos, aprenderem e assim enfrentar diferentes situações.
Filho de mãe de origem chinesa nascida em Singapura e de pai cipriota – ambos sem ligação com o mundo científico – Hassabis nasceu e cresceu no norte de Londres.
Desde criança gostava de jogos, especialmente os de tabuleiro. Aos seis anos já vencia torneios de xadrez, batendo meninos bem mais velhos. Com os prêmios, comprou o seu primeiro computador. O estresse mental e psicológico dos torneios internacionais o fez abandonar a ideia de seguir a carreira de enxadrista profissional.
Entregou-se então à computação – que via como uma extensão do cérebro. Ainda adolescente, conseguiu emprego de programador em empresas de videogame. Tinha 18 anos quando criou o jogo Theme Park, pela Bullfrog, vendendo milhões de cópias pelo mundo.
Quando foi aceito pelo Queen’s College, acabou deixando o emprego para realizar o sonho de estudar em Cambridge. À época, recebeu uma proposta de £ 1 milhão da desenvolvedora de games para desistir da universidade e continuar na empresa. Não topou.
Depois de formado, continuou trabalhando com jogos até abrir a sua própria empresa. Na sequência, voltou aos estudos e fez um PhD em neurociência cognitiva. Foi pesquisador nessa área até fundar a DeepMind com ex-colegas.
A dificuldade inicial foi encontrar gente disposta a colocar dinheiro em um projeto eminentemente científico e de retorno financeiro para lá de incerto. Um dos primeiros grandes financiadores foi Peter Thiel, por meio de seu VC, o Founders Fund, que chegou a ter 25% da startup – mais do que a participação somada dos três fundadores.
Thiel, que esteve por trás da criação da PayPal e da Palantir, via com certo ceticismo o fato de a DeepMind ser baseada em Londres. Considerava que apenas no Vale do Silício haveria o capital humano necessário para levar adiante o projeto imaginado por Hassabis.
Outro early investor foi Elon Musk, com quem Hassabis se dava extremamente bem. Ambos chegaram a trabalhar juntos por um período.
Mas a DeepMind necessitava de capital e capacidade computacional para desenvolver seus projetos – e cedeu à proposta de aquisição do Google, que aceitou conceder autonomia ampla para que o time da startup pudesse fazer pesquisas sem se submeter a pressões de entregas comerciais. A Big Tech topou também uma condição básica imposta por Hassabis: manter a empresa na sua amada Londres.
A transação foi fechada em 2014. O Google desembolsou £ 400 milhões. Hassabis, que completará 50 anos em julho, tinha 37 anos.
Quem negociou a compra foi o então CEO do Google, Eric Schmidt – e de cara percebeu que Hassabis não era um empreendedor típico das startups de tecnologia.
“Ele é fundamentalmente um cientista,” Schmidt diz no documentário. “Quer que a ciência resolva todos os problemas do mundo – e acredita que pode fazer isso.”
‘Todos’ obviamente é uma hipérbole, mas Hassabis e seu time já podem se gabar de haver alcançado um feito notável que entrou para a história da ciência: o programa AlphaFold 2 consegue, em poucos dias, descrever e prever estruturas tridimensionais de proteínas com alta precisão, algo que até pouco tempo atrás poderia levar décadas pelos métodos experimentais tradicionais.
A inovação assegurou o Nobel de Química de 2024 para Hassabis e seu colega John Jumper, que liderou a equipe que desenvolveu o algoritmo.
A DeepMind criou um banco de dados público e gratuito com mais de 200 milhões de estruturas de aminoácidos possíveis – um conhecimento científico que vai acelerar o entendimento de doenças, a descoberta de medicamentos e a criação de novos materiais.
Ainda que o objetivo central da DeepMind não seja fazer dinheiro, o seu conhecimento científico inevitavelmente contribui para o desenvolvimento de produtos do Google – e tem se mostrado determinante na evolução do Gemini, a ferramenta de AI da Big Tech que vem desafiando a liderança do ChatGPT.
Um exemplo: o Nano Banana, o aplicativo para criação de imagens que ajudou o Gemini a dar um salto em popularidade na internet e em downloads nas lojas de aplicativos, saiu da prancheta de um time de Londres.
Com o Gemini roubando usuários do ChatGPT e outras ferramentas de AI, a Alphabet – a controladora do Google – superou a Apple e subiu ao posto de segunda empresa mais valiosa do mundo, atrás apenas da Nvidia.
Hassabis – que em mais de um momento no documentário afirma que “não há tempo a perder” – continua com pressa. Segue determinado a atingir sua missão original de dar às máquinas a inteligência plena, que poderá fazê-las ir muito além do que a mente humana jamais foi capaz.
“Estamos muito próximos da AGI,” diz Hassabis. “Este é o momento que venho aguardando por toda a minha vida.”
Mas ele conhece os riscos envolvidos. É um crítico do ‘move fast and break things’, típico dos empreendedores do Vale do Silício. O fundador da DeepMind também não gostaria de ver repetidos os erros que, segundo ele, foram cometidos pelos pesquisadores do Projeto Manhattan, no desenvolvimento da bomba atômica.
“Eles não refletiram com cuidado suficiente e com antecedência sobre a moralidade do que estavam fazendo,” diz Hassabis. “O que nós, como cientistas, devemos fazer diante de novas tecnologias poderosas é tentar primeiro compreendê-las em condições controladas. A abordagem de ‘agir rápido e quebrar coisas’ é exatamente o que não devemos fazer, porque não podemos nos dar ao luxo de quebrar coisas e depois consertá-las.”
LEIA MAIS
Os avanços da IA que podem nos levar aos 150 anos
Como o Google pode revolucionar a pesquisa de novos medicamentos
