O escritório de Danijar Hafner no distrito So Ma de São Francisco está quase vazio. Sua nova startup ainda está em modo sigiloso e nem mesmo tem seu nome na porta. No dia da minha visita, havia apenas mais uma pessoa lá e muito poucos móveis.

Mas o que falta em decoração, ele compensa com robôs. Humanoides de várias formas e tamanhos pendem como marionetes de prateleiras que correm pelo centro do espaço aberto amplo. Enquanto Hafner, de 31 anos, não quer falar muito sobre seu novo empreendimento ainda, ele o descreve como uma continuação de seu trabalho de longa data para permitir que a IA navegue em ambientes que ela não encontrou durante o treinamento.

Esses humanoides, que ele importa da China, são a próxima evolução desse trabalho—and sua encarnação física. Sua capacidade de reagir em cenários previamente não testados será crucial para colocar robôs em espaços humanos. Porque se você quiser enviar um robô para a casa de uma pessoa, por exemplo, ele precisa ser capaz de lidar com um plano de piso e móveis que ele nunca viu antes.

Para alcançar isso, Hafner depende de algo chamado aprendizado por reforço baseado em modelos. Ele desenvolve modelos do mundo—modelos de IA projetados para emular a realidade física—and treina agentes dentro deles. O agente essencialmente trata o modelo como uma simulação do mundo real e aprende como agir lá.

Em seguida, ele usa essas experiências para fazer previsões sobre resultados futuros. Isso permite que os agentes—or os robots nos quais estão embutidos—naveguem em situações desconhecidas na vida real. “Tenho a oportunidade de interagir com muitas pessoas realmente inteligentes na pesquisa do Google, e ele facilmente está na metade superior de 1%.” Timothy Lillicrap, Google Deep Mind.