A inteligência artificial, impulsionada pelos grandes modelos de linguagem (LLMs), tem demonstrado avanços impressionantes em diversas áreas. No entanto, apesar da rápida evolução e da criação de benchmarks cada vez mais complexos para testar seus limites, uma área específica continua sendo um grande desafio: os videogames.

Embora alguns LLMs tenham conseguido, com sucesso limitado, completar certos jogos – um exemplo notável é a vitória do Gemini 2.5 Pro no Pokemon Blue em maio de 2025 – essas conquistas são exceções que confirmam a regra. Mesmo nesses casos, o desempenho da IA deixa muito a desejar. A conclusão dos jogos ocorre em um ritmo significativamente mais lento do que o de um jogador humano comum, e o processo é marcado por erros bizarros e repetitivos. Além disso, a interação com o jogo geralmente requer software personalizado para orientar as ações da IA.

Julian Togelius, diretor do Laboratório de Inovação de Jogos da Universidade de Nova York e cofundador da Modl.ai, uma empresa de testes de jogos com IA, explorou as implicações dessas limitações dos LLMs em videogames em um artigo recente. Ele compartilhou suas perspectivas com a IEEE Spectrum sobre o que essa falta de habilidade em jogos pode nos dizer sobre o estado geral da IA em 2026.

Uma das principais conclusões é que, embora os LLMs sejam excelentes em tarefas que envolvem o processamento e a geração de texto, eles ainda lutam para lidar com ambientes complexos e dinâmicos que exigem raciocínio espacial, planejamento estratégico e adaptação em tempo real – características inerentes aos videogames. Os jogos exigem uma compreensão do mundo que vai além da análise de dados textuais; eles requerem uma forma de inteligência que se assemelha mais à intuição humana e à capacidade de aprender com a experiência.

A dificuldade dos LLMs em videogames também destaca a importância da representação do conhecimento. Os LLMs aprendem a partir de grandes quantidades de dados, mas a maneira como esse conhecimento é estruturado e organizado pode limitar sua capacidade de aplicá-lo em situações novas e imprevistas. Em um videogame, a IA precisa ser capaz de representar o estado do jogo, as ações possíveis e as consequências dessas ações de uma forma que permita tomar decisões inteligentes e eficientes.

Outro desafio importante é a exploração. Em muitos jogos, a IA precisa explorar o ambiente para descobrir informações importantes ou encontrar soluções para problemas. Os LLMs, em geral, não são muito bons em exploração, pois tendem a se concentrar em padrões que já conhecem e a evitar áreas desconhecidas. Isso pode levar a um desempenho abaixo do ideal em jogos que exigem a descoberta de segredos ou a superação de obstáculos complexos.

Em resumo, a dificuldade dos LLMs em videogames revela importantes limitações na atual tecnologia de IA. Embora os LLMs tenham feito progressos significativos em muitas áreas, eles ainda têm um longo caminho a percorrer antes de serem capazes de dominar o mundo dos jogos. As pesquisas em áreas como raciocínio espacial, planejamento estratégico e representação do conhecimento são cruciais para superar esses desafios e desbloquear o potencial da IA em videogames e em outras áreas complexas.