Quase uma década após seu lançamento, Pokémon Go está influenciando a inteligência artificial de uma forma inesperada.
Segundo uma reportagem da MIT Technology Review(nova janela), a Niantic Spatial, uma empresa de IA derivada da desenvolvedora original do jogo, está usando mais de 30 bilhões de imagens(nova janela) de pontos de referência urbanos capturadas por jogadores de Pokémon Go para treinar sistemas de IA que ajudam robôs a entender onde estão no mundo real.
Quando Pokémon Go foi lançado em 2016, milhões de jogadores caminharam por suas cidades apontando celulares para prédios, parques e pontos de referência enquanto procuravam criaturas digitais. Ao fazer isso, criaram um dos maiores conjuntos de dados de imagens do mundo real já coletados. A Niantic Spatial treinou seu modelo com 30 bilhões de imagens capturadas em ambientes urbanos, muitas agrupadas em torno de locais que os jogadores visitavam com frequência no jogo. Às vezes, criaturas digitais apareciam em espaços privados ou próximos deles, como prédios residenciais ou pátios de condomínios, o que significa que esses momentos podem ter se tornado parte de conjuntos de dados de IA.
Esses dados agora estão sendo usados para construir o que pesquisadores chamam de “modelo de mundo” — um sistema de IA projetado para ajudar máquinas a interpretar e navegar em ambientes físicos.
Isso também destaca algo fácil de ignorar na tecnologia moderna: a atividade cotidiana em aplicativos pode silenciosamente se tornar dados valiosos de treinamento para sistemas de IA anos depois — algo que os jogadores de Pokémon Go não poderiam ter antecipado em 2016, muito menos consentido de forma significativa.
Por que o GPS tem dificuldade nas cidades
Os sinais de GPS frequentemente refletem em prédios altos, sofrem desvios significativos ou desaparecem por completo em ambientes urbanos densos, um problema às vezes chamado de efeito “cânion urbano”. Como a MIT Technology Review explica em sua reportagem sobre a tecnologia, até mesmo os indicadores de localização de smartphones podem se deslocar dezenas de metros nas cidades, muitas vezes posicionando um dispositivo no quarteirão errado ou no lado errado da rua.
A solução da Niantic Spatial depende de um sistema de posicionamento visual(nova janela), que determina a localização analisando o que uma câmera vê. Ao comparar instantâneos de prédios e pontos de referência próximos com seu enorme conjunto de dados, o sistema supostamente consegue identificar uma localização com precisão de poucos centímetros.
Da realidade aumentada aos robôs de entrega
Um dos primeiros testes no mundo real da tecnologia da Niantic Spatial está acontecendo por meio de uma parceria com a Coco Robotics, uma startup que opera robôs de entrega em calçadas em várias cidades.
Os robôs da empresa transportam compras de mercado e pedidos de restaurantes em lugares como Los Angeles, Chicago, Miami e Helsinque. Segundo a reportagem da MIT Technology Review, os robôs da Coco já concluíram mais de meio milhão de entregas, percorrendo milhões de milhas.
Navegar com confiabilidade em cidades densas continua sendo um grande desafio para máquinas autônomas. Ao combinar câmeras nos robôs com o sistema de posicionamento visual da Niantic Spatial, as máquinas conseguem determinar melhor exatamente onde estão, permitindo que parem com precisão em locais de coleta ou na porta do cliente.
A ascensão dos “modelos de mundo”
O projeto reflete uma tendência mais ampla no desenvolvimento de IA.
Modelos de linguagem de grande porte são treinados com imagens e texto da internet. Já os modelos de mundo buscam ajudar máquinas a entender como o próprio mundo físico é estruturado — onde os objetos estão localizados, como os espaços se conectam e como se mover por eles com segurança.
A Niantic Spatial diz que seu objetivo de longo prazo é construir um “mapa vivo” do mundo, atualizado constantemente, que robôs e outros sistemas de IA possam usar para navegar.
O que isso significa para a privacidade
Essa história também ilustra uma mudança mais ampla em como dados criados por pessoas comuns usando aplicativos do dia a dia estão sendo reutilizados.
Milhões de pessoas baixaram Pokémon Go para jogar. Mas, no processo, também geraram bilhões de imagens e sinais precisos de localização vinculados a lugares do mundo real. Esses dados agora estão ajudando a treinar sistemas de IA projetados para mapear e navegar pelo mundo físico. Isso está bem distante da intenção do jogador de começar a jogar em busca do Pikachu.
Isso está se tornando um padrão familiar na economia da IA. Atividades que parecem não ter relação com inteligência artificial — tirar fotos, navegar na web, usar aplicativos — muitas vezes acabam produzindo os conjuntos de dados usados para treinar novos sistemas poderosos. Modelos modernos de IA são frequentemente construídos usando grandes coleções de dados extraídos da internet e de outras fontes digitais, que, segundo pesquisadores, às vezes podem incluir informações pessoais ou dados confidenciais.
À medida que as empresas correm para construir modelos de mundo e outras formas de IA, a pergunta passa a ser de onde exatamente vêm os dados de treinamento — e se as pessoas que os geraram alguma vez perceberam como esses dados seriam usados ou ainda concordariam em usar esses aplicativos se soubessem das consequências. Formuladores de políticas e pesquisadores têm defendido cada vez mais padrões de consentimento mais claros(nova janela) para dados usados no treinamento de IA, argumentando que criadores e usuários deveriam ter mais controle sobre como seus dados são reutilizados.
Essas preocupações com a privacidade na IA já estão sendo discutidas nos tribunais. Editoras, autores e empresas de mídia entraram com ações alegando que seus trabalhos foram usados para treinar sistemas de IA sem permissão, incluindo um caso de grande repercussão em que The New York Times processou OpenAI e Microsoft(nova janela) pelo suposto uso de seu jornalismo em conjuntos de dados de treinamento de IA.
Para empresas que constroem IA capaz de navegar no mundo físico, conjuntos de dados criados por meio de jogos, aplicativos e plataformas digitais estão rapidamente se tornando alguns dos ativos mais valiosos da indústria de tecnologia. À medida que isso acontece, questões sobre transparência, consentimento e como dados gerados por usuários são reutilizados estão se tornando mais difíceis de ignorar.
Nem todos estão seguindo esse modelo faminto por dados. Na Proton, acreditamos em uma IA privada e transparente que dá a você os benefícios de um assistente de IA(nova janela) sem os custos para a privacidade. O Lumo nunca registra seus dados, não treina com suas conversas confidenciais nem compartilha suas informações com ninguém. Isso significa usar IA sem se perguntar se as interações de hoje podem silenciosamente se tornar os conjuntos de dados de amanhã.
