A inteligência artificial parece capaz de tudo: escreve textos, programa sistemas complexos e até cria videogames do zero. Mas existe um detalhe curioso que intriga pesquisadores. Em muitos casos, esses mesmos sistemas não conseguem jogar aquilo que eles próprios criaram. O contraste revela uma limitação pouco intuitiva — e aponta para uma diferença profunda entre o mundo digital e o mundo real que poucos percebem à primeira vista.
Criar é fácil — jogar é o verdadeiro desafio
Ferramentas modernas baseadas em IA conseguem gerar jogos completos a partir de um simples comando. Com poucos prompts, sistemas como Claude ou Cursor conseguem montar versões funcionais de clássicos como Asteroids.
O curioso é que, apesar dessa capacidade impressionante, esses mesmos modelos têm enorme dificuldade para jogar. Em muitos casos, eles sequer conseguem avançar nos primeiros níveis de jogos relativamente simples.
Esse paradoxo chamou a atenção de pesquisadores como Julian Togelius, que investigam por que sistemas tão sofisticados falham em tarefas aparentemente básicas.
A resposta não está na complexidade dos jogos em si — mas na forma como eles funcionam.
Programar segue regras claras — jogos não
Para entender essa limitação, é preciso olhar para a natureza da programação. Escrever código é, de certa forma, uma tarefa altamente estruturada. Cada comando tem um objetivo claro, o feedback é imediato e os erros são identificados com precisão.
Modelos de linguagem foram treinados com enormes quantidades de código e ajustados exatamente para esse tipo de problema. Em termos práticos, programar é quase como um “jogo perfeito”, com regras estáveis e bem definidas.
Já os videogames operam de forma completamente diferente. Cada título possui suas próprias regras, mecânicas e sistemas de recompensa. O que funciona em um jogo não serve para outro.
Essa diversidade cria um obstáculo gigantesco para a IA: não existe um padrão universal que possa ser aprendido e aplicado automaticamente.
Quando nem os melhores sistemas conseguem acompanhar
Mesmo os modelos mais avançados enfrentam dificuldades evidentes. Em um experimento recente, sistemas de IA conseguiram completar jogos como Pokémon Blue — mas com enorme esforço.
Eles demoraram muito mais do que jogadores humanos, cometeram erros repetitivos e, principalmente, dependeram de ajuda externa. Em muitos casos, utilizaram APIs e guias estratégicos para conseguir avançar.
Isso não acontece por acaso. Jogos extremamente documentados, como Minecraft, acabam sendo mais “acessíveis” para a IA justamente porque existem milhares de tutoriais disponíveis.
Ou seja: quando a IA joga bem, muitas vezes não é porque ela entendeu o jogo — mas porque teve acesso a instruções prontas.
O detalhe invisível que muda tudo
A explicação mais profunda está naquilo que rege o mundo real: as leis da física.
No mundo físico, tudo segue padrões consistentes. A gravidade funciona da mesma forma em qualquer lugar, os objetos se comportam de maneira previsível e os sistemas seguem regras universais.
Isso torna tarefas como dirigir um carro muito mais “aprendíveis” para a IA. Um sistema que aprende a dirigir em uma cidade pode aplicar esse conhecimento em qualquer outra, porque o comportamento do mundo não muda.
Já os videogames são o oposto disso. Cada jogo cria suas próprias leis. A física de Super Mario não tem nada a ver com a de Tetris, que por sua vez não se parece em nada com Halo.
Para a IA, isso significa começar do zero a cada novo jogo.
Um teste que nenhuma IA ainda passou
Diante desse cenário, pesquisadores propõem um novo critério para medir o avanço da inteligência artificial: a capacidade de aprender a jogar qualquer jogo como um humano faria.
A ideia não é que a IA vença imediatamente, mas que consiga evoluir com prática, sem depender de guias ou sistemas auxiliares.
Até hoje, nenhum modelo chegou perto disso. A dificuldade não está apenas na execução, mas na adaptação — na capacidade de entender regras novas e desenvolver estratégias a partir da experiência.
Esse desafio revela uma limitação fundamental: a IA ainda não domina o tipo de aprendizado flexível que os humanos realizam naturalmente.
O que isso diz sobre o futuro da inteligência artificial
Esse contraste entre o mundo real e o digital revela algo importante. A inteligência artificial pode ser extremamente eficiente em ambientes estruturados, mas ainda enfrenta barreiras quando precisa lidar com sistemas imprevisíveis e variados.
Paradoxalmente, isso significa que tarefas como dirigir — que parecem complexas para humanos — podem ser mais fáceis para máquinas do que jogos simples.
E talvez seja justamente nos videogames que esteja o verdadeiro teste do futuro da IA.
Se um sistema conseguir aprender qualquer jogo como um humano, sem ajuda externa, então estaremos diante de um salto real em inteligência.
Até lá, a ironia continua: a IA pode criar mundos inteiros… mas ainda não sabe como jogar dentro deles.
[Fonte: Xataka]
