A conquista do Prêmio Nobel de Química de 2024 pelo AlphaFold não foi um acidente de laboratório — foi o resultado de uma aposta metodológica feita décadas antes por Demis Hassabis: tratar inteligência como um problema de jogo. The Thinking Game, documentário dirigido por Greg Kohs e selecionado pelo Tribeca Film Festival, registra essa trajetória com acesso privilegiado à DeepMind ao longo de cinco anos. O que emerge não é hagiografia corporativa, mas um argumento sobre como a escolha dos problemas certos — e dos jogos certos — define o alcance de uma tecnologia.
De Xadrez ao Dobramento de Proteínas: a Pedagogia dos Jogos
Hassabis não chegou à IA pelo caminho convencional da ciência da computação. Sua formação inclui uma carreira como prodígio do xadrez na adolescência, um doutorado em neurociência cognitiva no University College London e anos desenvolvendo videogames — trajetória que moldou sua convicção de que ambientes de jogo são laboratórios ideais para treinar e medir inteligência artificial. O AlphaGo, objeto do documentário anterior de Kohs lançado em 2017, foi a prova de conceito: um sistema capaz de dominar o Go, jogo com mais configurações possíveis do que átomos no universo observável, derrotando o campeão mundial Lee Sedol em março de 2016.
A lição do AlphaGo não foi apenas técnica. Foi epistemológica: sistemas treinados por reforço em domínios de alta complexidade desenvolvem heurísticas que não foram explicitamente programadas. A DeepMind apostou que essa capacidade de generalização poderia ser redirecionada para problemas científicos reais. O problema do dobramento de proteínas — como uma cadeia de aminoácidos assume sua forma tridimensional funcional — estava em aberto há 50 anos desde que o bioquímico Christian Anfinsen demonstrou, em 1972, que a estrutura primária determina a estrutura terciária. Nenhum método computacional havia resolvido o problema com precisão suficiente para uso científico prático.
O AlphaFold 2, apresentado no CASP14 em novembro de 2020, resolveu. Com precisão comparável à cristalografia de raios-X, o sistema previu estruturas de proteínas em escala que levaria décadas por métodos tradicionais. Em 2022, a DeepMind disponibilizou gratuitamente mais de 200 milhões de estruturas proteicas — praticamente todo o proteoma conhecido.
A DeepMind como Modelo Institucional, Não Apenas Tecnológico
O que The Thinking Game documenta, ao acompanhar o laboratório por cinco anos, é uma forma específica de organizar pesquisa científica que difere tanto das universidades tradicionais quanto das big techs. A DeepMind, fundada em Londres em 2010 e adquirida pelo Google em 2014 por cerca de £400 milhões, opera com uma autonomia incomum para uma subsidiária corporativa — autonomia que Hassabis negociou explicitamente como condição da venda.
Essa estrutura importa porque define o tipo de risco que a organização pode assumir. O AlphaFold levou anos sem garantia de resultado comercial imediato. Comparado ao modelo de pesquisa aplicada dominante no Vale do Silício — ciclos curtos, produto mínimo viável, métricas de engajamento —, a aposta da DeepMind em problemas de décadas é uma anomalia deliberada. A pergunta que o documentário levanta sem responder diretamente é se essa anomalia é sustentável à medida que a Alphabet intensifica pressões por retorno.
O Nobel de Química de 2024, concedido a Hassabis, John Jumper e David Baker, valida a aposta retrospectivamente. Mas a validação científica e a viabilidade institucional são questões separadas. O que acontece com laboratórios assim quando o ciclo de hype da IA encontra a realidade dos balanços corporativos é uma pergunta que The Thinking Game abre, mas que só o tempo responderá.
O filme de Kohs funciona como documento histórico de um momento em que a IA deixou de ser promessa e se tornou ferramenta científica de primeira linha. O que permanece em aberto é se o caminho da DeepMind — paciência, problemas difíceis, autonomia institucional — pode ser replicado ou se foi uma conjunção irrepetível de capital, talento e timing.
Fonte · The Frontier | AI
