Durante uma recente visita a Pequim em julho de 2025, o cofundador e CEO da Nvidia, Jensen Huang, compartilhou sua visão sobre o futuro da ciência, da educação e da inteligência artificial com jornalistas. Em meio a questionamentos sobre qual caminho acadêmico priorizaria se tivesse 22 anos e estivesse se formando hoje, Huang ressaltou a importância das chamadas ciências físicas, um segmento que abrange campos como física, química, astronomia e geociências.
Jensen Huang, conhecido por liderar a Nvidia desde sua fundação em 1993 ao lado de Chris Malachowsky e Curtis Priem, revelou que, se pudesse recomeçar, optaria por se dedicar ainda mais ao estudo das ciências físicas do que da computação. Ele lembra que se formou em engenharia elétrica pela Oregon State University ainda bastante jovem, aos 20 anos, e logo depois fez mestrado em Stanford. Apesar de sua formação tecnológica, Huang entende que, nos dias atuais, avanços significativos e novas oportunidades estão surgindo exatamente na interseção entre IA e as leis fundamentais da natureza.
Por que as ciências físicas ganham destaque em 2025?
Segundo especialistas, as ciências físicas têm papel essencial no desenvolvimento de novas soluções tecnológicas, especialmente em um momento em que a inteligência artificial está passando por rápidas transformações. Essas disciplinas exploram fenômenos naturais que regem todas as formas de matéria e energia, servindo de base para inovações como a robótica avançada, simulações realistas e a automação de processos industriais.
Nesse contexto, é fundamental entender o conceito de Physical AI. Physical AI refere-se ao desenvolvimento de sistemas de inteligência artificial que conseguem perceber, raciocinar e interagir de maneira autônoma com o mundo físico. Diferentemente das IAs tradicionais, que operam em domínios digitais ou simbólicos, a Physical AI une o conhecimento computacional à compreensão de leis físicas, sendo capaz de agir, prever e adaptar comportamentos em ambientes reais. Isso permite que máquinas e robôs tomem decisões e realizem tarefas com alta precisão, considerando as condições do ambiente e as limitações do mundo físico.
Explicação do conceito de Physical AI: O termo “Physical AI” define uma abordagem da inteligência artificial em que algoritmos e sistemas são projetados para atuar no mundo físico, além do domínio virtual. Ou seja, são IAs que entendem e aplicam conceitos das ciências físicas, conseguindo manipular objetos, perceber seus arredores, prever comportamentos de elementos materiais e adaptar suas ações ao ambiente. Ao integrar sensores, atuadores e modelos de aprendizado, essas IAs tornam-se capazes de realizar tarefas que exigem compreensão, raciocínio e resposta física autônoma, como acontece em robôs industriais, veículos autônomos e dispositivos médicos inteligentes.
Empresas de destaque mundial, como Nvidia, Microsoft e Salesforce, acompanham de perto essas tendências. A busca por profissionais que possam unir conhecimento em física ou química com habilidades computacionais tem se intensificado, dando origem a novas áreas de atuação e pesquisa. No universo da IA, esse conhecimento é fundamental para construir sistemas mais eficientes, capazes de interpretar e interagir com ambientes físicos complexos.
Como a Inteligência Artificial evolui com as ciências físicas?
A trajetória recente da inteligência artificial reflete um processo de evolução que vai além do simples reconhecimento de padrões digitais. Inicialmente, conceitos como o Perception AI permitiam que algoritmos reconhecessem imagens ou sons. Posteriormente, com o avanço do Generative AI, tornou-se possível gerar conteúdos novos, como textos, imagens ou códigos, baseando-se em aprendizado profundo.
Agora, de acordo com Huang, estamos entrando em uma nova fase chamada Reasoning AI. Nessa etapa, a inteligência artificial adquire capacidade não só de entender, mas também de raciocinar e resolver problemas inéditos. Com essa evolução, surgem os chamados “agentes digitais” ou agentic AI, capazes de tomar decisões autônomas para solucionar desafios dinâmicos em tempo real.
- Leis da Física: Incorporar conceitos como atrito, inércia e causa e efeito na programação dos agentes digitais;
- Objetos e Espaço: Compreender a permanência de objetos mesmo fora do campo de visão para executar ações com precisão;
- Interação Física: Calcular forças necessárias para manipular itens sem causar danos, sendo essencial para robótica industrial.
O que é Physical AI e quais suas aplicações práticas?
O conceito de Physical AI se destaca como uma das tendências para os próximos anos. Essa abordagem envolve o desenvolvimento de agentes inteligentes capazes de aplicar raciocínio físico, prevendo resultados de ações e adaptando comportamentos em situações do mundo real. Por exemplo, prever para onde um objeto irá se mover, identificar obstáculos ou antecipar reações diante de mudanças ambientais.
Aplicações práticas de Physical AI estão diretamente ligadas ao avanço da robótica inteligente. Em fábricas, linhas de produção e na logística global, já existem máquinas autônomas que realizam atividades previamente reservadas apenas aos seres humanos. São exemplos a manipulação de peças frágilmente, a navegação em ambientes complexos ou mesmo a convivência com trabalhadores em ambientes colaborativos, sempre respeitando regras de segurança e eficiência energética.
- Otimização de processos industriais;
- Automação de armazéns com robôs inteligentes;
- Desenvolvimento de veículos autônomos capazes de compreender o ambiente;
- Simulação física para treinamento de sistemas de IA;
- Aplicações na saúde, como próteses inteligentes.
Como a robótica se conecta ao futuro da força de trabalho?
Uma das maiores preocupações do cenário atual é a escassez de mão de obra em diversos setores. Com fábricas sendo construídas em diversos países, inclusive nos Estados Unidos, cresce a necessidade de adotar soluções cada vez mais automatizadas. Nesse contexto, a junção entre robótica e inteligência artificial de ordem física ganha relevância, atuando como braço direito na resolução desse desafio global.
Ao integrar algoritmos capazes de interpretar leis naturais, sensores avançados e tecnologias de navegação autônoma, é possível projetar robôs multifuncionais preparados para diversas tarefas. Isso garante maior eficiência e reduz riscos de acidentes no ambiente de trabalho, além de ser determinante para enfrentar as demandas de produtividade.
A contínua ascensão das ciências físicas no contexto tecnológico indica o surgimento de novos rumos para pesquisadores e para profissionais interessados em inovação. O domínio desses conhecimentos contribui não apenas para o desenvolvimento de máquinas inteligentes, mas também para acelerar o progresso em áreas fundamentais da sociedade, como indústria, saúde e mobilidade. O futuro desenhado pelos avanços atuais promete ambientes cada vez mais integrados entre humanos, máquinas e leis da natureza.
