O empresário e pesquisador Andrew Dai, ex-Google Brain e DeepMind, está liderando uma nova frente em IA: a capacidade de raciocínio visual. Em entrevista publicada, ele explica por que os modelos atuais identificam objetos bem, mas falham em tarefas que exigem percepção mais direta, como apontar, contar ou traçar relações espaciais.
Dai é cofundador e CEO da Elorian, laboratório dedicado a modelos que entendem imagens, diagramas, plantas, esquemas e o mundo físico. A meta é criar sistemas que razonem de forma nativa sobre o meio visual, não apenas traduzam fotos em palavras.
A empresa recebeu financiamento de 55 milhões de dólares, com investidores como Striker Ventures, Menlo Ventures e Altimeter, além de participação de 49 Palms e pesquisadores de ponta, incluindo Jeff Dean. O objetivo é avançar o raciocínio visual para aplicações em design, engenharia, robótica e análise de satélite.
A proposta da Elorian é destravar aplicações práticas ao combinar visão com conhecimento de contexto espacial e físico. Segundo a equipe, isso pode acelerar revisões de design, melhoria de peças mecânicas, monitoramento de infraestrutura e estudos científicos que exigem leitura visual complexa.
Dai já contribuiu para uma linha de pesquisa que inclui trabalhos sobre pré-treinamento simples, modelos de especialistas e segredos de escalonamento em IA. Hoje, ele defende que o próximo salto envolve dar aos agentes visuais a capacidade de inspecionar o que construíram e detectar falhas com clareza humana.
A empresa também destaca casos de uso em robótica, análise de imagens de satélite, e aplicações médicas, onde a interpretação visual precisa de furos de dados e relações entre elementos. A visão é vista como camada fundamental para evoluir agentes autônomos.
Em paralelo, a comunidade de IA segue explorando o papel da visão no desempenho de modelos multimodais. A média de investimento, a diversidade de parcerias e a publicação de pesquisas indicam uma tendência: o avanço significativo depende de imagens compreendidas com contexto.
O tema volta a ganhar força com a promessa de que a IA não apenas descreva o que vê, mas entenda o que é relevante no espaço físico. A Elorian já se posiciona como exemplo dessa mudança ao priorizar a compreensão visual como base de operações.
Para entender o impacto, vale acompanhar o trabalho de Dai e de seus parceiros, que buscam transformar a leitura de imagens em uma capacidade prática para inspeção, correção e melhoria de sistemas complexos. O ritmo do desenvolvimento permanece acelerado.
Entre na conversa da comunidade