Demis Hassabis e o próximo capítulo da IA

Terminei o The Infinity Machine, de Sebastian Mallaby, a 5 de agosto. Antes de o dia acabar, o livro ganhou um epílogo inesperado.

Demis Hassabis anunciou que iria entregar a operação diária da Google DeepMind a Koray Kavukcuoglu. Assume as funções de Chair da Google DeepMind e de Chief Scientist da Alphabet, mantendo-se envolvido na estratégia de AGI e à frente da Isomorphic Labs.

A sua mensagem à equipa incluía a frase que enquadra esta transição:

“It’s time for AI to prove its unequivocal value to the world.”

A frase não me saiu da cabeça, porque toca no essencial do debate atual sobre IA. Hoje, grande parte desse debate centra-se nos grandes modelos de linguagem. As empresas norte-americanas continuam a dominar a fronteira dos modelos proprietários, enquanto os laboratórios chineses produziram alternativas open-weight poderosas e encurtaram a distância no desempenho. A história de Hassabis recorda-nos que outro percurso importante começou na Europa: a DeepMind passou de treinar agentes de IA em jogos existentes para o AlphaGo, o AlphaFold e agora a medicina.

Um percurso improvável até ao Nobel

O que mais me surpreendeu foi o facto de alguém sem formação formal em química ter partilhado o Prémio Nobel da Química.

Hassabis era mestre de xadrez aos treze anos. Aos dezassete, trabalhou com Peter Molyneux em Theme Park. Estudou informática, desenvolveu jogos e concluiu mais tarde um doutoramento em neurociência cognitiva. O seu caminho até à química passou pela informática, pela neurociência e pela inteligência artificial.

Não se trata de uma fragilidade desta história. É esse, precisamente, o ponto central.

Os jogos deram à DeepMind ambientes controlados onde a inteligência podia ser medida e treinada. O AlphaGo mostrou que uma máquina podia encontrar soluções que não resultavam de imitar estratégias humanas. O AlphaFold levou a mesma ambição para a biologia: poderia um sistema de aprendizagem descobrir estrutura útil num domínio demasiado complexo para ser explorado diretamente por pessoas?

O resultado foi muito mais do que mais um benchmark. O AlphaFold2 transformou a previsão da estrutura de proteínas, e cerca de 200 milhões de estruturas previstas foram disponibilizadas aos investigadores. Em 2024, Hassabis e John Jumper partilharam metade do Prémio Nobel da Química pela previsão da estrutura de proteínas.

O AlphaFold não elimina o trabalho laboratorial, nem prova que todos os problemas científicos vão ceder à IA. Mostra o que pode significar “valor inequívoco”: não um chatbot mais fluente, mas uma ferramenta que altera a forma como os cientistas iniciam uma investigação.

Não é só elogios

O livro de Mallaby é valioso porque não transforma Hassabis num visionário sem falhas.

Hassabis subestimou os modelos de linguagem, acreditando que símbolos desligados da experiência física não poderiam produzir compreensão genuína. A DeepMind investiu fortemente em reinforcement learning enquanto os modelos de linguagem melhoravam rapidamente com mais dados e capacidade computacional.

O livro documenta também tentativas goradas de governação da IA. Conselhos de segurança, painéis de revisão e planos para maior independência colidiram repetidamente com os incentivos empresariais e a pressão competitiva. O brilhantismo científico não resolveu o desenho institucional, e a preocupação com o risco da IA não travou a corrida para construir sistemas mais capazes.

Esta tensão mantém-se atual. Hassabis quer que a IA abra uma nova era de descoberta científica, mas ajudou também a construir uma das organizações que alimentam a corrida na fronteira tecnológica.

A Europa criou, os Estados Unidos deram escala

A DeepMind foi fundada em Londres, em 2010, e adquirida pela Google em 2014. A versão simples desta história diz que a Europa criou a inovação e os Estados Unidos ficaram com ela. A realidade é mais complexa.

A Google forneceu o capital, a infraestrutura computacional e o tempo de investigação que ajudaram a tornar possíveis o AlphaGo e o AlphaFold. Hassabis e os seus cofundadores fizeram uma troca racional: mais capacidade a troco de menos independência. Sem essa escala, algumas das conquistas da DeepMind poderiam não ter acontecido.

Mas quando esta troca se repete em indústrias estratégicas, deixa de ser apenas uma decisão empresarial isolada.

Passei a maior parte da minha carreira na indústria europeia de semicondutores a trabalhar para empresas controladas por capital norte-americano, incluindo a Synopsys, a Emerson Automation e a Sigma Designs. Na Sigma Designs, assisti à aquisição do negócio Z-Wave pela Silicon Labs. A Nanopower, com quem colaboro atualmente, é uma exceção: uma empresa de semicondutores controlada por capital europeu.

Há dados recentes que mostram a dimensão deste padrão. O 2026 Semiconductor Innovation Report, da Hello Tomorrow, que analisa mais de 1 500 startups, estima que a Europa produz cerca de 25% das startups de semicondutores do mundo, mas atrai apenas cerca de 7% do financiamento global. Só 6% ultrapassam a Série A, contra 24% nos Estados Unidos e 37% na China. O problema da Europa não é criar empresas de semicondutores. É financiá-las durante a fase de crescimento.

Esta experiência altera a forma como leio a história da DeepMind. A Europa tem claramente engenheiros, investigadores e ideias. O que muitas vezes lhe falta é o capital e a capacidade institucional para manter o controlo quando essas ideias ganham escala. A perda não é apenas financeira. Afeta a soberania económica, a soberania tecnológica e, em setores estratégicos, a segurança.

No Alumni Day da Porto Business School, em julho passado, Arturo Bris deu uma palestra precisamente sobre este problema. O seu argumento não era que faltasse inovação à Europa, mas que a Europa não consegue mobilizar o seu capital: as poupanças e o dinheiro institucional europeus financiam empresas norte-americanas, que depois adquirem a inovação europeia. A DeepMind foi um dos exemplos apresentados.

A questão não é o capital estrangeiro ser mau. A própria DeepMind mostra como o acesso a capital e infraestrutura norte-americanos pode ser transformador. O problema é a dependência. Se as empresas europeias precisarem sistematicamente de passar para mãos estrangeiras para atingir escala global, a Europa perde a capacidade de decidir onde a tecnologia estratégica é desenvolvida, governada e aplicada.

O próximo capítulo

Hassabis passa agora a ter mais espaço para a estratégia de AGI, para a ciência e para a Isomorphic Labs. O próximo teste é a medicina, onde o sucesso exige muito mais do que reconhecimento de padrões. Exige experiências, evidência clínica, produção, regulação e tempo.

Isso torna o desafio mais credível, não menos. O AlphaFold provou que a IA podia dar o salto da informática para a descoberta científica. A Isomorphic Labs terá de mostrar se consegue dar o salto da descoberta para terapias seguras e eficazes.

Recomendo o The Infinity Machine porque explica tanto a pessoa como a instituição: a ambição, os erros, os avanços e os compromissos necessários para operar a esta escala.

Ficou-me também uma interrogação sobre a Europa. A DeepMind e o caminho dos jogos até ao AlphaFold começaram aqui. A Europa deve continuar aberta ao capital e à colaboração globais, mas abertura sem capacidade para dar escala às nossas próprias empresas estratégicas transforma-se em dependência.

A Europa não precisa apenas de mais inovação. Precisa do capital e das instituições necessárias para manter um controlo efetivo sobre a inovação que cria.

Referências

1. Demis Hassabis e Sundar Pichai, “The next chapter of our AI momentum”, Google, agosto de 2026.
2. Sebastian Mallaby, The Infinity Machine: Demis Hassabis, DeepMind and the Quest for Superintelligence, Penguin Press, 2026.
3. The Nobel Prize, “The Nobel Prize in Chemistry 2024”, outubro de 2024.
4. Banco Europeu de Investimento, “The scale-up gap”, 2024.
5. Stanford Institute for Human-Centered AI, AI Index Report 2026, 2026.
6. Hello Tomorrow, 2026 Semiconductor Innovation Report, 2026.