){kind=link}
Os avanços na IA surgidos em grande escala, nos últimos anos, incluem um segmento entre os mais promissores, por transformar a maneira como interagimos com a tecnologia. Trata-se da Embodied AI, que integra as soluções inteligentes, de maneira natural, no cotidiano.
Com diferenças em relação à IA convencional, representada pelos bots populares, o conceito abrange sistemas que propõem levar a tecnologia para além dos processos cognitivos. A ideia é tê-la interagindo e operando diretamente no ambiente físico, o que abre inúmeras possibilidades.
smart_display
Nossos vídeos em destaque
O que é Embodied AI?
Também conhecida como IA incorporada, essa tecnologia diz respeito à integração da inteligência artificial generativa em sistemas físicos, como robôs e outros dispositivos, dotando-os de capacidades de perceber, interagir e se adaptar ao ambiente. Assim, ela deixa de ser apenas uma ferramenta para processar dados.
Ao tentar replicar habilidades humanas, essa abordagem possibilita criar dispositivos autônomos e adaptáveis. Para tanto, são combinados diversos elementos, de aprendizado de máquina a visão computacional, passando por previsão, modelagem de ambientes, planejamento, controle e simulação baseada em física.
Embora o termo seja relativamente novo, a tecnologia se baseia em conceitos de sistemas de controle adaptativos que existem há séculos e deram início à Revolução Industrial. O foco, a princípio, era projetar mecanismos de controle analógicos para aprender com suas decisões.
Posteriormente, as atenções se voltaram para criar representações do mundo físico mais precisas com redes neurais. Os princípios da Embodied AI foram explorados pela primeira vez em um artigo do pesquisador Rodney Brooks sobre robótica baseada em comportamento para IA, de 1991.
Diferença entre IA digital e IA física
A diferença entre IA tradicional e Embodied AI está, principalmente, no ambiente em que elas atuam e na forma de interagir com o mundo real. Operando no universo digital, a primeira objetiva o processamento de dados, números, imagens etc.
Sem estar diretamente no mundo físico, a IA digital responde consultas, gera insights, cria conteúdos e automatiza funções em softwares. Bots como ChatGPT, Gemini e Claude, ferramentas de geração de imagens e sistemas de recomendação são exemplos disso.
Já a IA física é mais avançada, utilizando o processamento para a interação tangível. Ela está integrada a robôs, máquinas industriais, drones inteligentes e carros autônomos, aprendendo e se adaptando enquanto interage com o ambiente.
)
Assim como humanos e animais, a IA incorporada aprende por meio de tentativa e erro, podendo navegar em ambientes complexos, mover objetos e realizar tarefas manuais sem um operador. Apesar de muitos desses sistemas se moverem, o movimento não é um requisito padrão.
Como a IA está evoluindo para o mundo real
A saída do mundo digital para o físico, com a IA “ganhando corpo”, se baseia em três leis de escalabilidade, conforme a Nvidia. Uma delas é o pré-treinamento, com o uso de grandes conjuntos de dados para ensinar habilidades e conhecimentos fundamentais aos modelos.
Na segunda etapa, entra o pós-treinamento, com a inclusão de dados sintéticos e simulação. Por meio do aprendizado por reforço e imitação em ambientes simulados, são feitos ajustes finos para tarefas específicas.
Por fim, modelos de machine learning treinados para previsões e a tomada de decisões entram em ação na fase de inferência. Aqui, os sistemas de IA integrada ganham forma, passando a interpretar o ambiente e determinar as melhores ações.
)
Neste último caso, são usados visão computacional, analisando câmeras e sensores para reconhecimento de objetos, navegação e compreensão de cenas, e modelos de linguagem de visão, integrando dados multimodais. Os modelos amplos, que aprimoram interações, também entram no processo.
Como a Embodied AI funciona?
Seguindo um ciclo contínuo entre perceber, pensar, agir e aprender, os sistemas usam sensores, câmeras, microfones e outros mecanismos para coletar dados. Em seguida, é feita a análise das informações, com aprendizado de máquina e redes neurais para a interpretação do cenário.
No passo seguinte, vem a tomada de decisão, permitindo que a máquina realize a ação definida pelo pensamento, o que diferencia a IA incorporada da convencional. Pode ser um movimento, ajuste de força ou outra tarefa, dependendo do dispositivo.
Ao mesmo tempo, ela segue percebendo os resultados da decisão, identificando novos padrões rapidamente. Esse feedback é fundamental para o processo de aprendizagem, trazendo aprimoramentos.
Com essas experiências, a IA incorporada se torna mais capaz de simular a tomada de decisão humana, inclusive aprendendo com erros, oferecendo inúmeras possibilidades de atuação, nos mais variados segmentos.
Aplicações reais da Embodied AI
Basicamente, qualquer sistema que aprende a partir de interações com o ambiente está incluído no conceito. No entanto, versões avançadas incluem elementos de incorporação com capacidades extras.
Aqui estão exemplos de Embodied AI na prática:
Robôs humanoides
Uma das aplicações da inteligência artificial em robôs aparece nos modelos com forma humana. Tais máquinas atuam em variadas tarefas, como processos repetitivos em linhas de produção, inspeções de controle de qualidade e manuseio de substâncias perigosas.
No setor de saúde, contribuem para cirurgias e outros procedimentos médicos, além de auxiliar na fisioterapia e reabilitação. Já no ambiente doméstico, podem se tornar auxiliares de tarefas cotidianas e desenvolver novas habilidades ao interagir com o usuário.
Robôs móveis autônomos
Impulsionam a automação, navegando por fábricas, armazéns e prédios comerciais para coleta, transporte e posicionamento de produtos. Também atuam em processos de montagem, gestão de estoque e atendimento de pedidos, reduzindo custos e aumentando a precisão.
A Amazon tem robôs inteligentes trabalhando em seus centros de distribuição.
Veículos autônomos
Carros da Waymo e da Tesla que rodam sozinhos são outros exemplos de como a IA interage com o ambiente. Baseando-se nas imagens e dados analisados em tempo real, eles percebem o ambiente e decidem o que fazer, como frear, virar para um lado ou outro etc.
)
Sistemas de segurança autônomos
O mesmo princípio está nessas plataformas que usam IA para análise comportamental, diferenciando movimentos comuns de atividades suspeitas e enviando alertas quando necessário, aprendendo com suas decisões.
Drones inteligentes
As aeronaves não tripuladas que seguem voo, analisam terrenos, desviam de obstáculos e realizam outras ações sem a intervenção humana também se enquadram na categoria. Algumas delas são, inclusive, um dos principais elementos da guerra moderna.
Agentes de IA em ambientes virtuais
Embora fujam do quesito IA física, os agentes autônomos são considerados exemplos de Embodied AI, pois seguem o mesmo princípio. Eles entendem o ambiente, aprendem, se adaptam e tomam decisões, como os que atuam em sistemas de atendimento, organização de cadeia de suprimentos e prevenção a fraudes.
Desafios e limitações da IA Incorporada
Ainda em desenvolvimento, a Embodied AI lida com vários desafios que adiam a adoção mais ampla. Entre eles, há as dificuldades para transferir os dados das simulações virtuais para o ambiente real, com os sistemas robóticos atuais carecendo de uma maior compreensão do mundo físico.
Falta de dados em larga escala, alta dependência de desempenho computacional avançado e grandes gastos energéticos são outros fatores negativos. O mesmo vale para os custos elevados de semicondutores, devido à demanda da IA, que afastam essas soluções do consumidor comum.
Além disso, há desafios éticos e de segurança. Sistemas autônomos são sensíveis a erros como a IA tradicional, com as falhas cometidas por robôs, carros e drones baseados nessas tecnologias trazendo consequências reais.
Enquanto lida com essas e outras limitações, a IA incorporada deve se beneficiar de progressos em redes neurais, sensores e as demais ferramentas envolvidas no conceito que contribuirão para a sua expansão.
Curtiu o conteúdo? Continue no TecMundo e conheça os cobots, robôs colaborativos que causaram um grande impacto na indústria e são outro exemplo da integração da IA ao cotidiano.