World Models: Computando o Incomputável

World Models não são uma novidade de 2026, são o retorno estrondoso de uma ideia antiga, refinada por décadas e agora viável graças a GPUs, dados multimodais brutos e arquiteturas como JEPA. O conceito nasceu em 1943 com Kenneth Craik, ganhou forma matemática com Schmidhuber e Sutton nos anos 1990, foi enterrado pela virada behaviorista de Rodney Brooks e ressuscitado em 2018 por Ha & Schmidhuber com agentes que aprendiam em simulações auto-geradas. O salto prático veio com LeCun em 2022, mas só agora, em 2026, os modelos saíram do laboratório: Genie 3 gera mundos interativos em tempo real a 24 fps; Waymo já os usa para simular cenários de borda em condução autônoma; e o LeWorldModel, lançado em março, é o primeiro modelo de mundo treinado de ponta a ponta diretamente de pixels, sem etapas intermediárias de rotulagem ou extração de features.

O que diferencia um World Model de um LLM não é só o input (vídeo, lidar, áudio vs texto), mas a lógica operacional: enquanto LLMs apostam em estatística sequencial, modelos de mundo buscam causalidade física, simulando 'o que acontece se eu empurrar isso' antes de agir. Isso explica por que o robô NEO da 1X executa tarefas nunca vistas, ele não está recuperando padrões, mas rodando previsões internas de dinâmica corporal e ambiente.

Esses modelos estão mudando o custo-benefício de testar, treinar e implantar sistemas inteligentes. Em vez de coletar milhões de quilômetros reais de dados de veículos autônomos, a Waymo simula cenários raros, chuva intensa com pedestres distraídos em cruzamentos mal sinalizados, em escala e segurança. Na saúde, unificam imagens médicas, genômica e registros clínicos em um único espaço latente preditivo, permitindo antecipar desfechos clínicos com base em perturbações simuladas. E na indústria, gêmeos digitais alimentados por World Models já ajustam cadeias logísticas em tempo real com base em previsões de falhas físicas, não apenas em alertas históricos.