---
title: "Mentes, cérebros e mundos artificiais · Simulações · Hipótese da simulação"
url: https://simulation-hypothesis.com/pt/simulations/minds-computation
description: "Neurônios, cérebros, vida artificial e os mundos simulados em que as máquinas aprendem. Parte de uma taxonomia das simulações que as pessoas realmente rodam."
license: https://creativecommons.org/licenses/by/4.0/
credit: "Ross Allan Dahl, Hipótese da simulação (simulation-hypothesis.com)"
---

[Simulações](https://simulation-hypothesis.com/pt/simulations)domínio 11 de 18

# Mentes, cérebros e mundos artificiais

Neurônios, cérebros, vida artificial e os mundos simulados em que as máquinas aprendem.

Simulações de cérebros e de mundos construídos para que agentes artificiais vivam e aprendam neles. De um modo limitado, a hipótese da simulação já é real aqui: construímos mundos simulados com agentes que aprendem dentro deles.

## Cérebros

### Modelos detalhados de neurônios

Um único neurônio como um cabo elétrico ramificado com canais iônicos, seguindo Hodgkin e Huxley.

Pergunta que responde: Como a forma deste neurônio muda o que ele calcula?

Deixa de fora: A química fina de um neurônio ainda é simplificada em um punhado de correntes.

Roda em: cerca de 10^12 FLOPS aproximado um laptop, em tempo real para um neurônio Desde: 1952 Huxley integrou à mão, em uma calculadora mecânica, as equações de Hodgkin–Huxley, cerca de três semanas por potencial de ação; os computadores assumiram depois [fonte](https://www.physoc.org/about-us/history-archives/historicalhighlights/hodgkin-and-huxleys-modelling-of-the-action-potential/) Na árvore de simulações: [Hodgkin–Huxley à mão](https://simulation-hypothesis.com/pt/trees/simulations?n=min-hh)

[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Células

### Circuitos cerebrais de grande escala

Milhões de neurônios disparadores ligados em um circuito parecido com um pedaço de córtex.

Pergunta que responde: Dá para reproduzir ritmos e respostas do cérebro só a partir da fiação?

Deixa de fora: A fiação costuma ser estatística, não as conexões realmente medidas do animal.

Roda em: cerca de 10^15 FLOPS aproximado um cluster universitário, horas para um trecho de córtex Desde: 2006 já em 2006, as primeiras simulações em larga escala de uma coluna cortical Na árvore de simulações: [Microcircuito neocortical](https://simulation-hypothesis.com/pt/trees/simulations?n=min-markram)

[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)piso: Células

### Modelos de rede do cérebro inteiro

Regiões do cérebro como nós ligados por fiação medida, ajustados a exames.

Pergunta que responde: Como o dano em uma região muda a atividade em todo o cérebro?

Deixa de fora: As regiões são tratadas como pontos únicos, perdendo todo o detalhe interno.

Roda em: cerca de 10^14 FLOPS aproximado um cluster universitário, minutos por cenário simulado Desde: 2008 já em 2008, os primeiros modelos de rede do cérebro inteiro ajustados à fiação por ressonância de difusão

Modelos: [Humano](https://simulation-hypothesis.com/pt/entities/human)

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Populações

### Pequenos organismos simulados

O sistema nervoso completo de um animal minúsculo, como os 302 neurônios de um nematódeo, ligado a um corpo simulado em uma placa virtual.

Pergunta que responde: O diagrama de ligações basta para produzir o comportamento?

Deixa de fora: O diagrama de ligações sozinho ainda não explica por completo o comportamento do animal.

Roda em: cerca de 10^12 FLOPS aproximado um laptop, em tempo real para o sistema nervoso inteiro Desde: 1997 já em 1997, as primeiras simulações construídas sobre o mapa do conectoma do nematódeo, de 1986 Na árvore de simulações: [OpenWorm](https://simulation-hypothesis.com/pt/trees/simulations?n=min-openworm)

[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)piso: Células

### Simulação de hardware neuromórfico

Chips construídos com circuitos que se comportam como neurônios e sinapses diretamente no hardware, em vez de calcular as equações passo a passo em software.

Pergunta que responde: Um hardware neuromórfico consegue computar as mesmas coisas que um cérebro, com muito menos energia?

Deixa de fora: Os neurônios reais têm uma química muito mais rica do que um circuito feito para imitar seus disparos.

Roda em: cerca de 10^13 FLOPS aproximado um chip neuromórfico de pesquisa, em tempo real Desde: 1989 Os primeiros circuitos de neurônio e retina em silício de Carver Mead

[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Células

### Doença cerebral e propagação de crises

Atividade elétrica anormal ou proteínas mal dobradas se espalhando por uma rede cerebral simulada, como na epilepsia ou na demência.

Pergunta que responde: Onde começa uma crise convulsiva, e até onde ela vai se espalhar?

Deixa de fora: O caminho da doença é diferente em cada cérebro real; o modelo mostra um padrão, não uma previsão para um paciente.

Roda em: cerca de 10^13 FLOPS aproximado um cluster de hospital ou universidade, minutos por modelo de paciente Desde: 1997 já em 1997, os primeiros modelos de rede da propagação de crises pelo cérebro

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Populações

### Modelos de cérebro inteiro restritos pelo conectoma

Uma simulação neural usa a fiação completa medida de um cérebro de inseto, com modelos simples de neurônios, para prever como estímulos produzem comportamento.

Pergunta que responde: Só a fiação prevê como o cérebro transforma sentidos em ação?

Deixa de fora: A força das sinapses e a dinâmica dos neurônios são presumidas a partir de regras simples.

Roda em: cerca de 10^12 FLOPS aproximado Rede neural de disparos (spiking) com cerca de 130.000 neurônios Desde: 2024 A Drosophila computational brain model reveals sensorimotor processing (2024) [fonte](https://doi.org/10.1038/s41586-024-07763-9)

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Células

### Modelos neurais de massa e de campo

Uma população de neurônios reduzida a uma ou duas variáveis de atividade média, dando os ritmos e as ondas de regiões inteiras.

Pergunta que responde: Que ritmos coletivos a excitação e a inibição podem produzir entre populações?

Deixa de fora: Os neurônios individuais desaparecem em uma média.

Roda em: cerca de 10^9 FLOPS aproximado um laptop, segundos Desde: 1972 já em 1972, Wilson and Cowan, Excitatory and inhibitory interactions in localized populations of model neurons [fonte](https://doi.org/10.1016/s0006-3495%2872%2986068-5)

[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)[Campos contínuos](https://simulation-hypothesis.com/pt/simulations/methods#m-continuum)piso: Células

### Modelos funcionais de cérebro baseados em neurônios de disparo (spiking)

Uma rede de neurônios de disparo (spiking), construída para executar tarefas cognitivas como lembrar, contar e copiar um dígito desenhado.

Pergunta que responde: Um modelo feito de neurônios consegue executar tarefas que um cérebro executa?

Deixa de fora: Seu conjunto de tarefas é pequeno e a fiação é projetada, não medida.

Roda em: cerca de 10^15 FLOPS aproximado um cluster universitário, horas Desde: 2012 já em 2012, Eliasmith and others, A large-scale model of the functioning brain (Spaun) [fonte](https://doi.org/10.1126/science.1225266)

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Células

### Redes de memória de atratores

Uma rede de unidades simples cujas conexões guardam padrões como estados estáveis, de modo que uma pista parcial se estabiliza na memória completa.

Pergunta que responde: Como uma rede consegue recordar uma memória inteira a partir de um fragmento?

Deixa de fora: A capacidade é pequena e os neurônios reais são muito mais complexos.

Roda em: cerca de 10^8 FLOPS aproximado um laptop, segundos Desde: 1982 já em 1982, Hopfield, Neural networks and physical systems with emergent collective computational abilities [fonte](https://en.wikipedia.org/wiki/Hopfield%5Fnetwork)

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Células

### Modelos de cérebro de inseto baseados no conectoma

Um cérebro inteiro de mosca simulado a partir de seu diagrama de fiação medido, com cada neurônio e sinapse tirados da reconstrução.

Pergunta que responde: Que comportamentos decorrem só da fiação, uma vez conhecida cada conexão?

Deixa de fora: A força das sinapses e a química dos neurônios são inferidas, não medidas.

Roda em: cerca de 10^14 FLOPS aproximado uma estação de trabalho, minutos por segundo simulado Desde: 2024 já em 2024, Dorkenwald e outros, o diagrama de fiação do cérebro adulto da mosca, e Shiu e outros, um modelo computacional construído sobre ele [fonte](https://doi.org/10.1038/s41586-024-07763-9)

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Células

## Vida artificial e complexidade

### Autômatos celulares

Grades de células que seguem regras simples, como o Jogo da Vida de John Conway, e que fazem surgir planadores, replicadores e até computadores que funcionam.

Pergunta que responde: Quanta complexidade pode crescer a partir de uma regra tão simples?

Deixa de fora: Regras simples raramente se encaixam bem em sistemas físicos ou biológicos reais.

Roda em: cerca de 10^12 FLOPS aproximado um laptop, grades enormes em segundos Desde: 1970 O Jogo da Vida de John Conway Na árvore de simulações: [O Jogo da Vida, jogado à mão](https://simulation-hypothesis.com/pt/trees/simulations?n=life-life)

[Executar o modelo interativo](https://simulation-hypothesis.com/pt/simulations/run#toy-life)

[Autômatos celulares](https://simulation-hypothesis.com/pt/simulations/methods#m-cellular-automata)piso: Regras

### Evolução digital

Programas de computador que se copiam, sofrem mutação e competem por tempo de processador em uma máquina simulada.

Pergunta que responde: A evolução consegue inventar características complexas que possamos acompanhar passo a passo?

Deixa de fora: Os programas evoluem em um mundo de computador artificial, não em bioquímica real.

Roda em: cerca de 10^12 FLOPS aproximado um desktop, milhões de gerações durante a noite Desde: 1953 Os experimentos de evolução numérica de Barricelli no computador do Institute for Advanced Study [fonte](https://www.ias.edu/ideas/2012/george-dyson-ecp)

[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)piso: Regras

### Criaturas virtuais evoluídas

Corpos e cérebros evoluídos juntos em uma simulação de física, aprendendo a nadar, andar ou pular.

Pergunta que responde: Que corpos e comportamentos a evolução inventa quando não somos nós que a conduzimos?

Deixa de fora: As marchas evoluídas muitas vezes são bem diferentes das biológicas, porque a física simulada difere sutilmente do mundo real.

Roda em: cerca de 10^13 FLOPS aproximado um desktop ou pequeno cluster, horas para evoluir uma população Desde: 1994 Karl Sims fez evoluir criaturas que nadam e andam em uma simulação de física

[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)piso: Corpos

### Criticalidade auto-organizada

Grãos acrescentados um a um a uma pilha de areia até surgirem avalanches de todos os tamanhos.

Pergunta que responde: Por que terremotos, incêndios e extinções seguem as mesmas estatísticas?

Deixa de fora: Terremotos e incêndios reais têm uma física específica que uma pilha de areia apenas caricatura.

Roda em: cerca de 10^11 FLOPS aproximado um laptop, segundos para uma grande pilha de areia Desde: 1987 O modelo de pilha de areia de Bak, Tang e Wiesenfeld

[Executar o modelo interativo](https://simulation-hypothesis.com/pt/simulations/run#toy-sandpile)

[Autômatos celulares](https://simulation-hypothesis.com/pt/simulations/methods#m-cellular-automata)piso: Corpos

### Algoritmos de inteligência de enxame

Agentes virtuais simples que deixam trilhas ou copiam os vizinhos, emprestados das formigas e das aves para resolver problemas abstratos como roteamento e programação.

Pergunta que responde: Copiar e seguir trilhas de forma simples consegue resolver um difícil problema de otimização?

Deixa de fora: Funciona bem nos problemas bem postos em que foi testado. Problemas reais e irregulares exigem mais ajuste.

Roda em: cerca de 10^11 FLOPS aproximado um laptop, de segundos a minutos por execução Desde: 1992 O algoritmo de otimização por colônia de formigas de Marco Dorigo

[Executar o modelo interativo](https://simulation-hypothesis.com/pt/simulations/run#toy-flock)

[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)piso: Regras

### Redes booleanas aleatórias

Interruptores ligados ao acaso, cada um ligando ou desligando conforme um punhado de outros, estudados para saber quando a rede inteira se estabiliza ou fica agitada para sempre.

Pergunta que responde: Quanta fiação é preciso para que uma rede de interruptores se torne caótica?

Deixa de fora: A fiação aleatória é um substituto grosseiro para a fiação cuidadosamente evoluída de uma célula ou cérebro reais.

Roda em: cerca de 10^11 FLOPS aproximado um laptop, segundos por rede Desde: 1969 As redes aleatórias de interruptores genéticos de Stuart Kauffman

[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Autômatos celulares](https://simulation-hypothesis.com/pt/simulations/methods#m-cellular-automata)piso: Regras

### Autômatos celulares contínuos

Autômatos celulares cujos estados, espaço e tempo são contínuos, produzindo criaturas suaves que se auto-organizam.

Pergunta que responde: Que padrões semelhantes à vida surgem num autômato celular contínuo?

Deixa de fora: As regras são artificiais e não modelam a química real.

Roda em: cerca de 10^11 FLOPS aproximado Atualizações de grade em GPU Desde: 2018 Lenia: biology of artificial life (2018) [fonte](https://arxiv.org/abs/1812.05433)

[Autômatos celulares](https://simulation-hypothesis.com/pt/simulations/methods#m-cellular-automata)piso: Regras

### Autômatos celulares neurais

Cada célula tem uma pequena rede neural que aprende a regra local, de modo que uma grade cresce e repara um padrão-alvo.

Pergunta que responde: Uma regra local aprendida consegue fazer um padrão global crescer e se autorreparar?

Deixa de fora: Os padrões-alvo são pequenos, e as regras são treinadas, não descobertas.

Roda em: cerca de 10^11 FLOPS aproximado Treinamento diferenciável em pequena escala Desde: 2020 Growing Neural Cellular Automata (2020) [fonte](https://distill.pub/2020/growing-ca/)

[Autômatos celulares](https://simulation-hypothesis.com/pt/simulations/methods#m-cellular-automata)[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Sopas de programas autorreplicantes

Um conjunto de programas aleatórios interage ao acaso até que programas que se copiam surjam da mistura.

Pergunta que responde: Replicadores podem surgir sem terem sido projetados?

Deixa de fora: A escolha da linguagem define o resultado, e ela está longe da química.

Roda em: cerca de 10^10 FLOPS aproximado Milhões de pequenas interações entre programas Desde: 2024 Computational Life: how well-formed, self-replicating programs emerge from simple interaction (2024) [fonte](https://arxiv.org/abs/2406.19108)

[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)[Processos estocásticos](https://simulation-hypothesis.com/pt/simulations/methods#m-stochastic)piso: Regras

### Química artificial

Um conjunto de moléculas abstratas que reagem por regras, de modo que estruturas que se mantêm sozinhas podem aparecer sem química real.

Pergunta que responde: Uma organização química que se sustenta sozinha pode surgir de regras simples de reação?

Deixa de fora: As moléculas são símbolos; energias de ligação e geometria reais estão ausentes.

Roda em: cerca de 10^9 FLOPS aproximado um laptop, horas Desde: 1991 já em 1991, AlChemy de Fontana, apresentado na Second Artificial Life Conference [fonte](https://en.wikipedia.org/wiki/Artificial%5Fchemistry)

[Regras e estados](https://simulation-hypothesis.com/pt/simulations/methods#m-rules)[Processos estocásticos](https://simulation-hypothesis.com/pt/simulations/methods#m-stochastic)[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)piso: Moléculas

### Robótica evolutiva

Controladores ou corpos de robôs simulados são evoluídos ao longo de muitas gerações selecionando o desempenho na tarefa.

Pergunta que responde: O cérebro e o corpo de um robô podem ser criados por seleção em vez de projetados?

Deixa de fora: Controladores evoluídos em simulação muitas vezes falham no hardware real.

Roda em: cerca de 10^14 FLOPS aproximado um cluster universitário, dias Desde: 1993 já em 1993, Cliff, Husbands and Harvey, Evolving visually guided robots [fonte](https://doi.org/10.7551/mitpress/3116.003.0051)

[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Equações diferenciais](https://simulation-hypothesis.com/pt/simulations/methods#m-equations)piso: Corpos

### Vida artificial contínua

Um autômato celular com estados, espaço e tempo contínuos que produz padrões que parecem vivos, se movem e se auto-organizam.

Pergunta que responde: Que formas semelhantes à vida surgem quando as regras são suaves em vez de discretas?

Deixa de fora: Os padrões lembram organismos, mas não seguem nenhuma biologia real.

Roda em: cerca de 10^11 FLOPS aproximado um PC gamer, em tempo real Desde: 2018 já em 2018, Chan, Lenia: Biology of Artificial Life (arXiv 1812.05433) [fonte](https://arxiv.org/abs/1812.05433)

[Autômatos celulares](https://simulation-hypothesis.com/pt/simulations/methods#m-cellular-automata)[Campos contínuos](https://simulation-hypothesis.com/pt/simulations/methods#m-continuum)piso: Regras

### Modelos imunológicos artificiais

Populações de agentes interagentes semelhantes a anticorpos que aprendem a reconhecer padrões por seleção e por efeitos de rede.

Pergunta que responde: Como um sistema de reconhecimento se adapta usando apenas interações locais?

Deixa de fora: Ele toma emprestadas ideias da imunologia para a computação, e não é um modelo calibrado de uma resposta imune real.

Roda em: cerca de 10^8 FLOPS aproximado um laptop, horas Desde: 1986 já em 1986, Farmer, Packard and Perelson, The immune system, adaptation, and machine learning [fonte](https://doi.org/10.1016/0167-2789%2886%2990240-x)

[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)[Modelos de rede](https://simulation-hypothesis.com/pt/simulations/methods#m-network)[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)piso: Células

### Batalhas de Core War

Programas escritos em uma linguagem assembly minúscula lutam pelo controle de uma memória simulada compartilhada, sobrescrevendo uns aos outros.

Pergunta que responde: Que programa que se autocopia sobrevive quando toda a memória é um campo de batalha?

Deixa de fora: A máquina é um conjunto de instruções inventado, então as lições não se transferem para malware real.

Roda em: cerca de 10^7 FLOPS aproximado um laptop, segundos por batalha Desde: 1984 já em 1984, Core War, de Jones e Dewdney, na Scientific American [fonte](https://en.wikipedia.org/wiki/Core%5FWar)

[Regras e estados](https://simulation-hypothesis.com/pt/simulations/methods#m-rules)[Eventos discretos](https://simulation-hypothesis.com/pt/simulations/methods#m-discrete-event)[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)piso: Regras

## Mundos para mentes artificiais

### Ambientes de aprendizado por reforço

Mundos simulados em que um agente artificial age, é recompensado e melhora ao longo de milhões de tentativas.

Pergunta que responde: Um agente consegue aprender essa habilidade só por tentativa e erro?

Deixa de fora: As habilidades aprendidas em um mundo simplificado nem sempre se transferem para a complexidade da realidade.

Roda em: cerca de 10^15 FLOPS aproximado um cluster de GPUs, dias de experiência simulada Desde: 1992 já em 1992, o TD-Gammon aprendeu estratégia de gamão por autojogo

[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Corpos

### Sociedades de IA com múltiplos agentes

Muitos agentes de IA compartilhando um mundo, com seus próprios objetivos, memórias e conversas.

Pergunta que responde: Que comportamento social surge quando muitos agentes artificiais vivem juntos?

Deixa de fora: Comportamentos que parecem sociais podem ser truques estreitos ajustados à configuração do treinamento.

Roda em: cerca de 10^15 FLOPS aproximado um cluster de GPUs, rodando muitos agentes em paralelo Desde: 2017 já em 2017, os primeiros experimentos com muitos agentes de aprendizado compartilhando um mesmo mundo

[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Corpos

### Dados de treinamento sintéticos

Cenas fotorrealistas renderizadas em variações infinitas para treinar sistemas de visão.

Pergunta que responde: Um sistema treinado só com imagens renderizadas consegue ver o mundo real?

Deixa de fora: As cenas renderizadas são mais limpas que a realidade, então os sistemas treinados podem ser enganados pelo ruído do mundo real.

Roda em: cerca de 10^14 FLOPS aproximado uma render farm ou cluster de GPUs, horas por conjunto de dados Desde: 2016 já em 2016, os primeiros conjuntos de dados renderizados treinam sistemas de reconhecimento de imagens

[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)piso: Corpos

### Modelos de mundo aprendidos

Uma rede neural que prevê o que acontece a seguir em um mundo, bem o bastante para gerar cenas jogáveis dele.

Pergunta que responde: Uma rede consegue aprender a simular um mundo só de observá-lo?

Deixa de fora: As previsões de longo prazo se afastam de qualquer coisa fisicamente coerente.

Roda em: cerca de 10^15 FLOPS aproximado um grande cluster de GPUs, dias de treinamento Desde: 2018 Ha e Schmidhuber treinaram uma rede para prever e sonhar cenas parecidas com as de jogos

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Campos

### Treinamento de estratégia por autojogo

Um agente artificial jogando partidas repetidas contra cópias de si mesmo em um jogo de estratégia abstrato, melhorando a cada rodada.

Pergunta que responde: Quão forte pode ficar uma estratégia sem outro professor além do seu próprio passado?

Deixa de fora: Estratégias ajustadas contra uma cópia do mesmo agente podem ter pontos cegos que um oponente diferente exploraria.

Roda em: cerca de 10^16 FLOPS aproximado um grande cluster de GPUs, dias de autojogo Desde: 1959 O programa de damas de Arthur Samuel aprendeu jogando contra si mesmo

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)[Teoria dos jogos](https://simulation-hypothesis.com/pt/simulations/methods#m-game-theory)piso: Regras

### Ambientes de red teaming para segurança de IA

Um cenário simulado construído para tentar um agente artificial a um comportamento indesejado, para que a falha seja encontrada antes da implantação.

Pergunta que responde: Em que condições este sistema apresenta um comportamento que não deveria?

Deixa de fora: Só testa as falhas que a equipe vermelha pensou em procurar.

Roda em: cerca de 10^14 FLOPS aproximado o servidor de GPU de uma equipe de pesquisa, horas por conjunto de testes Desde: 2016 já em 2016, os primeiros ambientes de teste adversarial para agentes de aprendizado por reforço

[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Simuladores domésticos corporificados

Casas virtuais em 3D onde um agente vê, se move e manipula objetos, usadas para treinar e testar IA corporificada.

Pergunta que responde: Um agente consegue aprender tarefas em uma casa virtual que se transfiram para as reais?

Deixa de fora: A física dos objetos e a variedade das cenas são limitadas.

Roda em: cerca de 10^12 FLOPS aproximado Renderização em tempo real, muitas instâncias em paralelo Desde: 2017 AI2-THOR: an interactive 3D environment for visual AI (2017) [fonte](https://arxiv.org/abs/1712.05474)

[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Regras e estados](https://simulation-hypothesis.com/pt/simulations/methods#m-rules)piso: Corpos

### Geração aberta de ambientes

Os mundos de treinamento são criados e modificados automaticamente à medida que os agentes aprendem, para que os desafios continuem crescendo em dificuldade e variedade.

Pergunta que responde: Um gerador de ambientes consegue continuar produzindo novos desafios úteis?

Deixa de fora: A busca é limitada pelo que a família de ambientes consegue expressar.

Roda em: cerca de 10^15 FLOPS aproximado População de ambientes e agentes Desde: 2019 Paired Open-Ended Trailblazer (POET) (2019) [fonte](https://arxiv.org/abs/1901.01753)

[Evolutivo](https://simulation-hypothesis.com/pt/simulations/methods#m-evolutionary)[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Ambientes web simulados para agentes

Cópias hospedadas por conta própria de sites reais em que um agente de modelo de linguagem cumpre tarefas, avaliado pela checagem do estado final.

Pergunta que responde: Um agente consegue concluir tarefas de várias etapas em sites realistas?

Deixa de fora: Os sites são cópias estáticas, e a variedade de tarefas é limitada.

Roda em: cerca de 10^13 FLOPS aproximado Reinícios de ambiente e muitas chamadas ao modelo Desde: 2023 WebArena (2023) [fonte](https://arxiv.org/abs/2307.13854)

[Regras e estados](https://simulation-hypothesis.com/pt/simulations/methods#m-rules)[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Simuladores de sistemas de recomendação

Uma população simulada de usuários e um catálogo de itens, configuráveis, usados para treinar e testar algoritmos de recomendação.

Pergunta que responde: Como um algoritmo de recomendação se comportaria ao longo de muitas interações com os usuários?

Deixa de fora: O comportamento do usuário é presumido, não medido.

Roda em: cerca de 10^10 FLOPS aproximado Execuções paralelas baratas Desde: 2019 RecSim: a configurable simulation platform for recommender systems (2019) [fonte](https://arxiv.org/abs/1909.04847)

[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)[Processos estocásticos](https://simulation-hypothesis.com/pt/simulations/methods#m-stochastic)piso: Regras

### Motores de jogo neurais

Um modelo de difusão treinado em gravações de partidas gera o quadro seguinte a partir das ações do jogador, no lugar do motor do próprio jogo.

Pergunta que responde: Uma rede neural consegue rodar um jogo interativo em velocidade jogável?

Deixa de fora: A memória é curta, e os detalhes se perdem em partidas longas.

Roda em: cerca de 10^15 FLOPS aproximado Treinamento pesado; inferência em tempo real em um único acelerador Desde: 2024 Diffusion models are real-time game engines (2024) [fonte](https://arxiv.org/abs/2408.14837)

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)piso: Regras

### Mundos generativos interativos

Um modelo aprende com vídeo sem rótulos a criar mundos controláveis nos quais o usuário age quadro a quadro.

Pergunta que responde: Dá para gerar um mundo jogável só a partir de imagens?

Deixa de fora: A consistência e a taxa de quadros são limitadas, e a física não é garantida.

Roda em: cerca de 10^17 FLOPS aproximado Treinamento de vídeo em grande escala Desde: 2024 Genie: generative interactive environments (2024) [fonte](https://arxiv.org/abs/2402.15391)

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Simuladores interativos aprendidos do mundo real

Um modelo de vídeo condicionado a ações prevê o que um robô ou agente veria depois de cada comando, no lugar de um simulador feito à mão.

Pergunta que responde: Um modelo aprendido consegue simular os resultados reais de ações?

Deixa de fora: Execuções longas alucinam, e a precisão física não é verificada.

Roda em: cerca de 10^17 FLOPS aproximado Treinamento com grandes conjuntos de dados de vídeo e ações Desde: 2023 Learning interactive real-world simulators (2023) [fonte](https://arxiv.org/abs/2310.06114)

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Modelos generativos de mundo para direção

Um modelo de vídeo condicionado à velocidade e à direção gera cenas futuras plausíveis do ponto de vista de um carro, para treinar e testar a autonomia.

Pergunta que responde: Que cenas de trânsito poderiam decorrer de uma dada ação de direção?

Deixa de fora: Cenas geradas podem violar a física ou o comportamento de casos raros.

Roda em: cerca de 10^17 FLOPS aproximado Treinamento de grandes modelos de vídeo Desde: 2023 GAIA-1: a generative world model for autonomous driving (2023) [fonte](https://arxiv.org/abs/2309.17080)

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)piso: Regras

### Futebol de robôs simulado

Duas equipes de jogadores de software, cada um vendo só parte do campo por sentidos ruidosos, jogam futebol num estádio simulado para testar cooperação e estratégia.

Pergunta que responde: Jogadores de software independentes conseguem se coordenar o bastante para vencer uma equipe rival?

Deixa de fora: O campo, a bola e os corpos dos robôs são idealizados, então o sucesso mostra táticas, não habilidade com hardware real.

Roda em: cerca de 10^9 FLOPS aproximado tempo real em uma estação de trabalho para uma partida. Desde: 1998 O Soccer Server, de Noda e colegas, uma ferramenta para pesquisa em sistemas multiagentes. [fonte](https://doi.org/10.1080/088395198117848)

[Baseado em agentes](https://simulation-hypothesis.com/pt/simulations/methods#m-agent-based)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Teoria dos jogos](https://simulation-hypothesis.com/pt/simulations/methods#m-game-theory)piso: Populações

### Sandboxes para agentes de engenharia de software

Um agente recebe um projeto de código real e um relato de problema, edita arquivos e roda testes em um sandbox, e é avaliado por a correção passar ou não.

Pergunta que responde: Um agente de IA consegue corrigir bugs reais em projetos de software reais sem ajuda?

Deixa de fora: Passar nos testes não é o mesmo que uma correção certa, e os projetos são uma fatia pequena de todo o software.

Roda em: cerca de 10^15 FLOPS aproximado milhares de execuções do modelo, cada uma com muitas chamadas e execuções de teste. Desde: 2023 O SWE-bench, de Jimenez e colegas, com problemas reais do GitHub para modelos de linguagem. [fonte](https://arxiv.org/abs/2310.06770)

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Regras e estados](https://simulation-hypothesis.com/pt/simulations/methods#m-rules)piso: Regras

### Ambientes de agentes em computador desktop

Um computador virtual completo, com programas reais, é entregue a um agente que vê a tela, clica e digita, e é avaliado por ter ou não cumprido a tarefa.

Pergunta que responde: Um agente de IA consegue executar tarefas em um computador como uma pessoa faz?

Deixa de fora: As tarefas são fixas e roteirizadas, enquanto o trabalho real é aberto, interrompido e compartilhado com outras pessoas.

Roda em: cerca de 10^15 FLOPS aproximado milhares de execuções, cada uma rodando uma máquina virtual e muitas chamadas ao modelo. Desde: 2024 O OSWorld de Xie e colegas, um benchmark de agentes em ambientes reais de computador. [fonte](https://doi.org/10.52202/079017-1650)

[Emuladores aprendidos](https://simulation-hypothesis.com/pt/simulations/methods#m-learned)[Tempo real](https://simulation-hypothesis.com/pt/simulations/methods#m-real-time)[Regras e estados](https://simulation-hypothesis.com/pt/simulations/methods#m-rules)piso: Regras

[◂ Cidades, infraestrutura e operações](https://simulation-hypothesis.com/pt/simulations/cities-operations)[Matemática e computação ▸](https://simulation-hypothesis.com/pt/simulations/mathematics-computation)