Worldmodeldata transforma dados de jogos em treinamento para IA de mundo real

Uma startup britânica chamada Worldmodeldata está apostando que sequências simples de movimentos de joystick, gatilhos e botões em videogames podem servir como fonte massiva de dados para treinar novos modelos de inteligência artificial capazes de operar no mundo físico.

Como funciona a coleta de dados

Worldmodeldata atua como intermediária entre estúdios de jogos e laboratórios de IA. A empresa licencia quase um milhão de horas de gravações de partidas – incluindo a representação visual de ambientes 3D e os comandos de controle executados pelos jogadores – e as organiza em conjuntos de treinamento padronizados. Segundo a CEO Rhea Loucas, “há milhões de jogos excelentes, cada um cada vez mais parecido com o mundo real”, e a ideia é aproveitar essa abundância para ensinar IA.

Algumas companhias, como General Intuition e Niantic, já coletam dados de suas próprias plataformas, mas a proposta da Worldmodeldata é simplificar o processo, evitando que laboratórios precisem fechar acordos individuais com dezenas de estúdios.

Por que os modelos de mundo precisam desses dados

Modelos de linguagem grande (LLMs) são treinados apenas com texto, o que limita sua capacidade de executar tarefas que exigem coordenação motora, como conduzir veículos autônomos ou manipular objetos com braços robóticos. Pesquisadores como Fei‑Fei Li e Yann LeCun defendem a criação de “modelos de mundo”, que combinam visão e ação para entender causa e consequência.

Para que esses modelos aprendam física real, precisam de grandes volumes de dados que relacionem o que se vê com as ações realizadas. Como observa o professor Xiatian Zhu, da Universidade de Surrey, “na internet temos muito pouco desse tipo de dado”. Os jogos, ao reproduzirem ambientes 3D e registrar as entradas dos jogadores, oferecem exatamente esse tipo de informação em escala.

Desafios e críticas ao uso de dados de jogos

Apesar do otimismo, há ceticismo entre especialistas. Ming‑Yu Liu, responsável pelo desenvolvimento de modelos de mundo na Nvidia, alerta que a física dos jogos costuma ser simplificada para criar a ilusão de realismo, o que pode impedir a aprendizagem de controle fino, como a manipulação delicada de objetos. Ele recomenda usar esses dados mais para gerar ambientes virtuais hiper‑realistas do que para tarefas de manipulação precisa.

O professor Zhu compartilha da preocupação, afirmando que os jogos são “simuladores” com “grau de granularidade muito grosseiro”. Nicole Fraenkel, da Khosla Ventures, reforça que os casos de canto – situações raras e críticas – são essenciais, mas que a repetição de demonstrações humanas em laboratórios não captura a variedade caótica do mundo real.

Impacto potencial para a indústria de IA e jogos

Se a hipótese da Worldmodeldata se confirmar, a disponibilidade de grandes conjuntos de dados de ação‑visão pode acelerar o desenvolvimento de IA capaz de operar em fábricas, veículos autônomos, drones e robôs quadrúpedes. Loucas acredita que, no futuro, os dados de jogos representarão a maior parte do material de treinamento para modelos de mundo, que depois seriam refinados com dados específicos de cada aplicação.

Além de impulsionar a pesquisa, a iniciativa pode abrir novas fontes de receita para desenvolvedores de jogos, que poderiam ser remunerados por cada hora de gameplay utilizada. A startup ainda planeja criar mecanismos para compensar jogadores individuais que contribuam com seus dados.

Até que um “momento GPT” para modelos de mundo seja alcançado, a comunidade ainda avalia diferentes caminhos. Como diz Fraenkel, “a verdade é que o júri ainda não decidiu qual estratégia será a mais eficaz”.

Fonte: WIRED
Publicação original: 2026-09-28T09:00:00Z