Como é que a IA está a mudar o processamento de vídeo?

A sério, a forma como a IA está a transformar o processamento de vídeo faz-me sempre lembrar a primeira vez que vi o filme Matrix - quem teria pensado que um dia a IA seria capaz de "compreender" o vídeo? O mais recente lançamento do Gemini 2.5 Pro da Google é como abrir uma caixa de Pandora: não só compreende o conteúdo de um vídeo, como também pode transformá-lo diretamente em código executável, uma transformação intermodal incrível. O recém-lançado Gemini 2.5 Pro da Google é como uma caixa de Pandora: não só compreende o conteúdo de um vídeo, como também pode transformá-lo em código executável, uma transformação intermodal incrível. Tentei utilizar um vídeo de dança para gerar um programa de captura de movimentos correspondente e, em 10 minutos, uma equipa de profissionais demorou semanas a desenvolver a carga de trabalho, o que nos faz pensar se a anterior forma de trabalhar não era demasiado primitiva...

Dos pixéis aos protótipos: um novo fluxo de trabalho para a IA

Enquanto o processamento tradicional de vídeo é como andar às apalpadelas no escuro, as alterações introduzidas pela IA são como ter subitamente visão nocturna. Por exemplo, uma agência de publicidade que, no ano passado, precisou que 5 designers passassem 2 semanas a transformar um vídeo de demonstração de um produto fornecido por um cliente numa página Web interactiva, utiliza agora o Gemini 2.5 Pro para carregar apenas o vídeo e algumas sugestões - calculando os resultados e obtendo um protótipo de nível de conclusão 90% em 1 hora. O que é ainda mais assustador é que a IA reconhece até os post-its manuscritos desfocados do vídeo e converte-os em botões de função, um nível de pormenor que me faz por vezes pensar se esta coisa está a espreitar o futuro dos manuais técnicos.

Especialmente digno de menção é o facto de a IA potenciar o trabalho criativo. Um amigo, um programador de jogos independente, disse-me que, na semana passada, utilizou a função de vídeo para código da IA para transformar os graffiti de rua que filmou na interface de utilizador de um jogo de ritmo musical, e todo o processo de transformação estava repleto de uma beleza inesperada - a IA não só captou os elementos visuais dos graffiti, como também deduziu a sua própria lógica de interação de acordo com a cultura de rua e acrescentou um efeito de feedback de vibração em que ele nem sequer tinha pensado. Este nível de compreensão criativa só existia na imaginação dos escritores de ficção científica no ano passado.

Quando o vídeo se torna documentação de desenvolvimento

O que me mantém acordado à noite é que a IA está a reorganizar a forma como o conhecimento é fornecido. 87% dos programadores estão habituados a aprender novas tecnologias através de tutoriais em vídeo, de acordo com o Stack Overflow, mas seguir um vídeo e codificar é como perseguir um comboio - se não tivermos cuidado, não conseguiremos acompanhá-lo, e a funcionalidade de vídeo para código do Gemini mudou isso completamente! A funcionalidade "video-to-code" do Gemini muda completamente esta situação: analisa os passos do vídeo tutorial em tempo real, gera automaticamente os trechos de código correspondentes e até os adapta à estrutura do seu projeto. Ouvi dizer que os dados de teste internos de uma plataforma de ensino em linha mostraram que a taxa de conclusão dos projectos dos alunos subiu de 43% para 89% após a utilização desta funcionalidade.

O mais espantoso de tudo, porém, é a capacidade da IA para processar conhecimentos tácitos em vídeos. Na semana passada, tentei dar à IA um vídeo difuso de um programador antigo a explicar a otimização de algoritmos (filmado num telemóvel em 2012) e, surpreendentemente, a IA reconheceu o pseudo-código meio apagado no quadro branco, reconstruiu a implementação algorítmica completa e deu três opções de otimização. Receio que até o autor original do vídeo ficasse chocado com esta capacidade de extrair a essência da confusão.

O novo desafio de não saber distinguir o que é real do que é falso

É claro que este salto tecnológico traz também um doce problema. Quando a IA é capaz de gerar código funcional com base em vídeos arbitrários, a proteção dos direitos de autor torna-se um pesadelo - afinal, ninguém pode dizer se um site de comércio eletrónico "inspirado" por um vídeo de instruções é original ou derivado. De acordo com um relatório recente da Adobe, 57% dos designers estão preocupados com o facto de a manipulação de vídeo por IA tornar quase impossível a rastreabilidade do seu trabalho.

Há também um paradoxo interessante: quando a IA é capaz de reproduzir perfeitamente uma interação num vídeo, como podemos distinguir se se trata de uma compreensão verdadeiramente inteligente ou de uma correspondência avançada de padrões? Já vi casos em que a IA interpretou mal uma ação de fritar num vídeo de culinária como um controlo de interação do gráfico K - um erro ridículo que é um alívio: pelo menos prova que a IA ainda não ultrapassou a compreensão humana.