Guias
A evolução da inteligência artificial
Da pergunta de Alan Turing aos assistentes que usamos hoje: um percurso simples pelos mais de setenta anos de história da inteligência artificial, com os seus avanços, desilusões e recomeços.
Hoje falamos com assistentes virtuais, traduzimos textos em segundos e recebemos sugestões de escrita no telemóvel. Parece que a inteligência artificial (IA) chegou de repente, mas a verdade é que tem mais de setenta anos de história, feita de grandes promessas, desilusões e recomeços. Conhecer esse percurso ajuda a perceber o que a IA consegue realmente fazer, o que ainda não consegue e porque é que tanta coisa mudou nos últimos anos.
O que é, afinal, a inteligência artificial?
De forma simples, a inteligência artificial é a área da informática que procura pôr as máquinas a realizar tarefas que, quando feitas por pessoas, exigem inteligência: compreender linguagem, reconhecer imagens, tomar decisões ou aprender com a experiência.
Não se trata de uma única tecnologia, mas de uma família de técnicas que foi crescendo ao longo do tempo. Uma boa forma de a imaginar é como um conjunto de círculos, uns dentro dos outros.
Inteligência artificial é o círculo maior: qualquer sistema que imite capacidades humanas, incluindo programas baseados em regras escritas à mão.
Aprendizagem automática (machine learning) reúne os sistemas que aprendem padrões a partir de exemplos, em vez de seguirem apenas regras fixas.
Aprendizagem profunda (deep learning) usa redes neuronais com muitas camadas, inspiradas de forma muito livre no cérebro, e é a base do reconhecimento de voz e de imagem atual.
IA generativa é capaz de produzir conteúdo novo, como texto, imagens ou áudio, a partir de um pedido escrito em linguagem corrente.
Os primeiros passos: pode uma máquina pensar?
Em 1950, o matemático britânico Alan Turing publicou um artigo em que fazia uma pergunta provocadora: podem as máquinas pensar? Para fugir a discussões filosóficas, propôs um teste prático, hoje conhecido como «teste de Turing»: se uma pessoa, a conversar por escrito, não conseguir distinguir uma máquina de um ser humano, então a máquina comporta-se de forma inteligente.
Seis anos depois, em 1956, um grupo de investigadores reuniu-se no Dartmouth College, nos Estados Unidos, e usou pela primeira vez a expressão «inteligência artificial» para dar nome a esta nova área. O otimismo era enorme: acreditava-se que, numa geração, as máquinas teriam capacidades semelhantes às humanas.
Nas décadas seguintes surgiram programas capazes de resolver problemas de lógica, jogar damas ou manter conversas simples. Em 1966, o ELIZA simulava um terapeuta através de regras que reformulavam as frases do utilizador como perguntas. Era um truque engenhoso, mas não havia qualquer compreensão real por trás.
Os «invernos» da IA
As promessas iniciais revelaram-se demasiado ambiciosas. Os computadores da época tinham pouca memória e pouca capacidade de cálculo, e havia muito poucos dados digitais disponíveis. Quando os resultados não chegaram ao ritmo anunciado, o financiamento diminuiu e o entusiasmo arrefeceu. Estes períodos, nos anos 70 e de novo no final dos anos 80, ficaram conhecidos como os «invernos da IA».
Entre esses invernos houve uma primavera: os sistemas periciais. Eram programas que reuniam centenas de regras do tipo «se acontecer isto, então faz aquilo», escritas com a ajuda de especialistas, por exemplo para apoiar diagnósticos ou configurar equipamentos. Funcionavam bem em problemas muito delimitados, mas eram caros de manter e falhavam perante situações que ninguém tinha previsto.
A grande mudança não foi ensinar regras às máquinas, mas deixá-las aprender com exemplos.
Aprender com os dados
A partir dos anos 90, a abordagem mudou. Em vez de tentar escrever todas as regras à mão, os investigadores passaram a criar sistemas que encontram padrões em grandes quantidades de exemplos. É assim que funciona um filtro de spam: depois de ver milhares de mensagens classificadas, aprende sozinho a reconhecer as indesejadas.
Em 1997, o computador Deep Blue, da IBM, venceu o campeão mundial de xadrez Garry Kasparov. Foi um momento simbólico, embora o Deep Blue ganhasse sobretudo pela força bruta, avaliando milhões de jogadas por segundo.
Três ingredientes, que amadureceram ao mesmo tempo, abriram caminho à fase seguinte:
Dados: a internet, os telemóveis e a digitalização de serviços criaram quantidades de informação nunca antes vistas.
Capacidade de cálculo: os processadores gráficos, criados para os videojogos, revelaram-se ideais para treinar redes neuronais.
Melhores algoritmos: novas técnicas permitiram treinar redes com muitas camadas de forma eficaz.
A revolução da aprendizagem profunda
Em 2012, uma rede neuronal chamada AlexNet venceu por larga margem uma competição internacional de reconhecimento de imagens. Foi o sinal de que a aprendizagem profunda funcionava na prática. Em poucos anos, o reconhecimento de voz, a tradução automática e a identificação de objetos em fotografias melhoraram de forma impressionante.
Em 2016, o AlphaGo, da DeepMind, venceu um dos melhores jogadores do mundo de Go, um jogo de tabuleiro com tantas jogadas possíveis que a força bruta não chega. O sistema aprendeu estudando partidas e jogando milhões de vezes contra si próprio.
A era da IA generativa
Em 2017, investigadores da Google apresentaram a arquitetura transformer, uma nova forma de as redes neuronais processarem texto, prestando atenção à relação entre todas as palavras de uma frase. Esta ideia está na base dos chamados grandes modelos de linguagem, treinados com enormes quantidades de texto para prever, palavra a palavra, a continuação mais provável.
Em novembro de 2022, o lançamento do ChatGPT pôs esta tecnologia nas mãos do grande público. Pela primeira vez, qualquer pessoa podia pedir, em linguagem corrente, que uma máquina resumisse um documento, redigisse um e-mail ou explicasse um conceito. Seguiram-se muitos outros assistentes e modelos, capazes de trabalhar também com imagens, som e documentos.
Mais recentemente, a atenção virou-se para sistemas que não se limitam a responder: consultam informação, usam ferramentas e executam passos de uma tarefa, os chamados agentes de IA. Para que o façam com segurança, é preciso ligá-los aos sistemas certos, com regras claras sobre o que podem consultar e o que exige aprovação humana.
Uma visão de conjunto
| Período | Ideia principal | Exemplo |
|---|---|---|
| 1950–1970 | Raciocínio simbólico e regras lógicas | Programas de lógica e o ELIZA |
| 1970–1990 | Conhecimento de especialistas codificado em regras | Sistemas periciais |
| 1990–2010 | Aprendizagem automática a partir de dados | Filtros de spam, Deep Blue |
| 2010–2020 | Aprendizagem profunda com redes neuronais | Reconhecimento de imagem e voz, AlphaGo |
| 2020–hoje | IA generativa e agentes | Assistentes de conversação, resumo e redação de documentos |
O que a IA ainda não é
Apesar dos avanços, convém manter os pés no chão. Os modelos atuais são muito bons a encontrar padrões e a produzir texto convincente, mas:
Podem enganar-se com confiança. Às vezes inventam factos ou referências, um fenómeno conhecido como «alucinação». Por isso, as respostas importantes devem ser verificadas.
Não compreendem o mundo como nós. Não têm experiência, intenções nem bom senso no sentido humano.
Refletem os dados com que foram treinados, incluindo eventuais enviesamentos e lacunas.
É também por isso que a regulação ganhou importância. Em 2024, a União Europeia aprovou o Regulamento da Inteligência Artificial, o primeiro quadro legal abrangente do mundo para esta tecnologia, que define regras proporcionais ao risco de cada utilização.
E agora?
A história da IA mostra que o progresso raramente é linear. Houve euforias exageradas e desilusões injustas. O que mudou na última década é que a tecnologia passou a ser útil no dia a dia de pessoas e organizações, sobretudo quando combinada com a informação certa e com supervisão humana.
Na Datapoint, acreditamos que o maior valor da IA está em ligá-la, com segurança, aos sistemas e documentos que as organizações já usam, mantendo as pessoas a aprovar o que é importante e o processamento dentro da União Europeia, através dos nossos parceiros.
