Ainda não sei ao certo como processar o fato de que dá pra jogar DOOM sem nenhum motor de jogo por trás, só um modelo de difusão prevendo quadro por quadro em tempo real. É basicamente o que o GameNGen, projeto do Google e da Universidade de Tel Aviv, provou ser possível, e mesmo tendo lido o paper inteiro, a sensação de estranheza não passou, e acho que essa reação diz mais sobre o que a gente assume como básico em jogo do que sobre o projeto em si.
O treinamento acontece em duas fases, um agente de reforço aprende a jogar o game original e grava as próprias partidas, depois um modelo de difusão baseado em Stable Diffusion aprende a prever o próximo quadro só olhando pros quadros anteriores e pro input do jogador. O resultado roda a mais de 20 quadros por segundo numa única TPU, com direito a mirar, atirar, andar de lado e receber dano de ambiente, tudo gerado pixel por pixel a cada frame.
A parte mais perturbadora é que, em clipes curtos de um a três segundos, avaliadores humanos acertam a diferença entre o jogo real e a simulação só um pouco melhor do que chute aleatório. Isso não significa perfeição, borrões aparecem na tela de vez em quando e inimigo morto vira uma mancha borrada, mas a coerência geral do mundo se mantém surpreendentemente bem por um sistema que nunca rodou uma linha de código de motor gráfico.
GameNGen não é o único projeto provando esse ponto. O Genie 3, também do Google DeepMind, já mostrou mundos inteiros gerados e navegáveis em tempo real, o que sugere que simular um jogo sem engine deixou de ser curiosidade acadêmica isolada. Não sei dizer se essa tecnologia chega a virar produto de verdade nos próximos anos ou se fica restrita a demonstração de laboratório, mas depois de ver DOOM rodando sem motor nenhum, é difícil descartar a possibilidade.