Antes de comecar, uma pergunta
Voce ja parou pra pensar que existe hoje uma maquina capaz de conversar com voce quase como uma pessoa, e que essa ideia comecou a ser desenhada antes mesmo de existir computador de verdade
Voce abre um aplicativo e digita uma pergunta qualquer. Em segundos, recebe uma resposta escrita, coerente, as vezes ate criativa. Voce pede uma imagem e ela aparece do nada. Voce pede ajuda com um codigo e o codigo funciona. Nenhuma dessas acoes parece grande coisa sozinha, porque hoje ja viraram rotina. Mas juntas, elas sao a ponta final de uma historia de setenta anos.
Essa nao e a historia de um unico produto, nem de uma unica empresa. E a historia de uma ideia que nasceu como pergunta filosofica, morreu de decepcao publica pelo menos duas vezes, e ressuscitou tantas vezes que os proprios cientistas que trabalhavam nela pararam de acreditar que um dia funcionaria de verdade.
O que aconteceu ao longo desse caminho muda de direcao tantas vezes que fica dificil de acompanhar. Uma pergunta virou um campo de estudo. Um campo de estudo quase morreu de fracasso. E depois de decadas de silencio, uma unica ideia tecnica, publicada num artigo cientifico quase despretensioso, reacendeu tudo de uma vez.
Mas toda historia grande comeca pequena. E essa comeca com um homem se perguntando se uma maquina seria capaz de pensar.
Essa e a historia de como uma pergunta feita ha mais de setenta anos, respondida aos poucos, entre fracassos e reviravoltas, terminou criando as inteligencias artificiais que voce usa hoje.
A pergunta e os invernos
Em que um matematico britanico faz a pergunta certa, um grupo de cientistas da um nome pro sonho, e o sonho quase morre de tanta promessa nao cumprida
O renascimento silencioso
Em que uma tecnica antiga encontra poder de processamento suficiente pra funcionar de verdade, e o campo comeca, aos poucos, a sair da propria sombra
O artigo que mudou tudo
Em que oito pesquisadores publicam um artigo com um titulo quase provocador, e sem saber, constroem a base de toda inteligencia artificial que viria depois
A pergunta que ninguem tinha coragem de responder direito
A cena comeca com Alan Turing, o matematico britanico que anos antes tinha ajudado a decifrar codigos nazistas durante a Segunda Guerra Mundial. Em 1950, ele publicou um artigo com um titulo simples e uma pergunta gigantesca. Maquinas podem pensar
Turing nao respondeu essa pergunta diretamente. Em vez disso, reformulou de um jeito mais pratico. Uma maquina pode fazer aquilo que nos, seres pensantes, fazemos. Ele propos entao um teste, que ficaria conhecido pra sempre como Teste de Turing. Se uma maquina conseguisse manter uma conversa por texto de um jeito que um humano nao soubesse dizer se estava falando com outro humano ou com uma maquina, entao aquela maquina poderia ser considerada, de alguma forma, pensante.
Essa reformulacao simples, trocar uma pergunta filosofica impossivel de responder por um teste pratico, abriu a porta pra tudo que viria depois. Nao era mais sobre definir o que e pensar. Era sobre construir algo capaz de imitar bem o suficiente.
O verao em que um campo cientifico ganhou nome
Seis anos depois do artigo de Turing, um grupo de pesquisadores se reuniu na universidade de Dartmouth, nos Estados Unidos, pra um workshop de verao. Entre eles estavam John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon, nomes que se tornariam lendarios no campo.
Foi McCarthy quem deu nome ao bebe que estava nascendo ali. Nao cibernetica, nao cerebros eletronicos, nao automatos poeticos. Direto ao ponto. Inteligencia artificial.
A proposta que levou o grupo a se reunir era ambiciosa. Aspectos do aprendizado e da inteligencia poderiam, em principio, ser descritos com precisao suficiente pra que uma maquina os simulasse. Na pratica, o caminho real se provaria muito menos linear do que essa promessa inicial sugeria.
Aquele workshop nao foi apenas um curso de verao. Foi o ponto de partida oficial de uma disciplina inteira, que passaria pelas proximas sete decadas alternando entre euforia e quase abandono total.
O inverno que quase matou o sonho
Nos anos seguintes a conferencia de Dartmouth, surgiram os primeiros sistemas que tentavam imitar inteligencia. A ELIZA, em 1966, um chatbot rudimentar capaz de simular uma conversa de terapia. O robo Shakey, na mesma decada, considerado o primeiro robo movel com algum tipo de raciocinio embutido.
Mas esses sistemas dependiam de regras escritas a mao, uma por uma, por programadores humanos. Sem poder computacional suficiente, e sem dados suficientes, o campo inteiro comecou a esbarrar num teto baixo demais pra cumprir as promessas grandiosas que tinha feito.
O resultado foi o que ficaria conhecido como o inverno da inteligencia artificial. Governos e investidores, cansados de financiar promessas que nunca se cumpriam de verdade, cortaram recursos drasticamente. Por anos, trabalhar com inteligencia artificial virou quase um estigma dentro da propria ciencia da computacao.
Nas decadas de 1970 e 1980, o campo sobreviveu principalmente atraves dos chamados sistemas especialistas, programas que codificavam o conhecimento de um profissional humano em centenas de regras do tipo se isso, entao aquilo. Funcionavam bem pra tarefas estreitas e repetitivas, mas eram rigidos demais, incapazes de aprender ou se adaptar sozinhos.
A tecnica que ficou esperando o hardware certo chegar
Em 1986, um grupo de pesquisadores publicou um trabalho fundamental sobre uma tecnica chamada retropropagacao, um metodo matematico capaz de treinar redes neurais artificiais, ajustando aos poucos os proprios erros da rede atraves de repetidas correcoes.
O conceito de rede neural artificial, inspirado vagamente no funcionamento de neuronios biologicos, ja existia desde os anos 1940 e 1950. Mas faltava uma coisa crucial. Poder de processamento suficiente pra treinar redes grandes o bastante pra fazer alguma coisa util de verdade.
A tecnica certa tinha chegado antes do hardware certo. Seria preciso esperar mais de duas decadas ate que computadores comuns ficassem rapidos o suficiente pra que essa ideia matematica se tornasse pratica em escala real.
Em 1997, um marco simbolico chamou atencao do mundo inteiro. O supercomputador Deep Blue, da IBM, venceu o campeao mundial de xadrez Garry Kasparov numa partida oficial. Nao era exatamente a inteligencia artificial que conhecemos hoje, mas provou publicamente que maquinas podiam superar humanos em tarefas especificas de raciocinio complexo.
O ano em que as maquinas aprenderam a enxergar de verdade
Em 2012, uma competicao anual de reconhecimento de imagens chamada ImageNet foi vencida de forma esmagadora por um sistema batizado de AlexNet, uma rede neural convolucional treinada usando placas de video, as mesmas usadas originalmente pra rodar jogos.
Essa foi a virada decisiva. Placas graficas, ou GPUs, se mostraram extremamente eficientes pra rodar os calculos matematicos massivos que redes neurais exigiam. De repente, a tecnica que tinha ficado esperando o hardware certo desde 1986 finalmente tinha encontrado esse hardware, so que num lugar inesperado. Dentro de placas feitas originalmente pra videogames.
Empresas como a Nvidia, ate entao conhecidas principalmente por placas graficas de jogos, se tornariam, anos depois, algumas das companhias mais valiosas do planeta, exatamente por causa dessa descoberta. O hardware que fazia jogos rodarem melhor era, sem que ninguem soubesse, tambem a chave pra destravar a inteligencia artificial moderna.
O titulo provocador que ninguem esperava que fosse tao literal
Em junho de 2017, oito pesquisadores de uma equipe do Google publicaram um artigo cientifico com um titulo quase arrogante pros padroes academicos. Atencao e tudo que voce precisa.
Ate ali, sistemas que processavam linguagem dependiam de redes que liam palavra por palavra, em sequencia, um processo lento e limitado quando as frases ficavam longas demais. A equipe liderada por Ashish Vaswani propos algo radical. E se, em vez de processar palavra por palavra, uma rede pudesse olhar pra frase inteira de uma vez, entendendo quais palavras importavam mais pra entender cada outra palavra
O nome escolhido pra essa nova arquitetura foi Transformer, escolhido simplesmente porque um dos autores gostava de como a palavra soava. A equipe interna se autodenominou, de brincadeira, Time Transformer, com direito ate a ilustracao de personagens do desenho animado do mesmo nome num documento de design inicial.
O mecanismo central, chamado atencao, permitia que o modelo processasse uma frase inteira de uma vez, em paralelo, em vez de sequencialmente. Isso tornava o treinamento muito mais rapido, muito mais escalavel, e surpreendentemente melhor em entender contexto e significado.
Uma ideia, uma avalanche inteira de modelos
Assim que o artigo foi publicado, a inovacao se espalhou rapido. Em 2018, o proprio Google lancou o BERT, um dos primeiros grandes modelos de linguagem a demonstrar a escala que a arquitetura Transformer tinha tornado possivel, ensinando maquinas a entender contexto de um jeito muito mais profundo do que antes.
No mesmo periodo, uma empresa relativamente nova chamada OpenAI comecou a construir sua propria familia de modelos sobre a mesma base tecnica, batizada de GPT, sigla pra Transformador Pre-treinado Generativo. O GPT-1, lancado em 2018, foi a primeira demonstracao pratica de que era possivel pre-treinar um modelo grande e depois ajusta-lo pra tarefas especificas.
Em 2019, veio o GPT-2, que ja gerava textos fluentes e coerentes o suficiente pra assustar os proprios pesquisadores que o criaram. A OpenAI chegou a hesitar em publicar a versao completa do modelo, temendo usos maliciosos em larga escala.
Em 2020, veio o GPT-3, um salto de escala tao grande que passou a impressionar nao so pesquisadores, mas qualquer pessoa que tivesse acesso a ele. Escrever, resumir, traduzir e responder com uma fluencia que parecia categoricamente nova. A base estava pronta. Faltava so uma coisa. Colocar isso nas maos do publico comum, de um jeito simples o suficiente pra qualquer pessoa usar.
O dia em que a inteligencia artificial deixou de ser assunto de especialista
Em trinta de novembro de 2022, a OpenAI lancou o ChatGPT, embrulhando um modelo de linguagem poderoso dentro de uma caixa de bate papo simples, quase banal. Qualquer pessoa com uma conta podia digitar uma pergunta e receber uma resposta coerente na hora.
O impacto foi imediato e sem precedentes. Em questao de dias, o ChatGPT alcancou um publico de massa numa velocidade que praticamente nenhum outro produto de tecnologia tinha conseguido antes. De repente, inteligencia artificial deixou de ser um topico de pesquisa academica distante e virou, da noite pro dia, uma ferramenta usada por milhoes de pessoas comuns, todos os dias, pro trabalho, pros estudos, pra curiosidade.
Setenta e dois anos depois da pergunta de Alan Turing, maquinas podem pensar, o mundo inteiro finalmente tinha uma resposta pratica, digitando ali mesmo, na propria tela do celular.
Quando todo mundo entrou na mesma corrida
O sucesso do ChatGPT disparou uma corrida entre praticamente todas as grandes empresas de tecnologia do planeta. O Google respondeu com o Bard, depois evoluido pro Gemini, um modelo multimodal capaz de entender texto, imagem, audio e video ao mesmo tempo.
Um grupo de ex-pesquisadores da propria OpenAI fundou uma nova empresa, chamada Anthropic, com o objetivo declarado de construir inteligencia artificial poderosa de um jeito mais cuidadoso e seguro. O modelo dessa empresa, batizado de Claude, se tornaria um dos nomes mais relevantes dessa nova geracao de assistentes de inteligencia artificial.
Em poucos anos, o campo que tinha passado decadas inteiras hibernando em invernos de descredito virou, de repente, o assunto mais quente de toda a industria de tecnologia, movimentando centenas de bilhoes de dolares em investimentos de infraestrutura, data centers e pesquisa.
Modelos como GPT-4, Gemini e Claude passaram a ser usados pra escrever codigo, analisar documentos, gerar imagens, resolver problemas matematicos complexos e ate conduzir tarefas inteiras de forma autonoma, um salto de capacidade que teria parecido ficcao cientifica pouco mais de uma decada antes.
A proxima pergunta ainda nao foi feita
Setenta e seis anos depois da pergunta original de Alan Turing, a inteligencia artificial deixou de ser uma promessa distante pra virar parte da rotina de bilhoes de pessoas. Mas a historia claramente ainda nao terminou. Pesquisadores debatem hoje ate onde essa tecnologia pode chegar, quais riscos precisam ser geridos com cuidado, e como garantir que sistemas cada vez mais capazes continuem sendo uteis e seguros pra quem os usa.
Os mesmos invernos que quase mataram o campo duas vezes no passado sao um lembrete constante de que nenhum avanco tecnologico segue uma linha reta. Promessas exageradas, seguidas de decepcao e ajuste de expectativas, parecem fazer parte do proprio ciclo natural dessa area desde o comeco.
Talvez essa seja a verdadeira licao por tras dessa historia inteira. Uma ideia pode passar decadas parecendo morta, esperando so a peca certa se encaixar, seja poder de processamento, seja uma nova arquitetura, seja o momento certo pra chegar nas maos do publico. E quando essa peca finalmente se encaixa, tudo muda numa velocidade que ninguem, nem os proprios criadores, conseguiram prever direito.
De uma pergunta filosofica a uma conversa que voce pode ter agora mesmo
Se voce chegou ate aqui, ja percebeu que essa nao e uma historia sobre uma unica invencao. E uma historia sobre paciencia cientifica, sobre uma ideia que sobreviveu a dois invernos inteiros de descredito, porque um pequeno grupo de pesquisadores nunca parou de acreditar que a peca certa, um dia, se encaixaria.
A primeira pergunta dessa historia foi feita em 1950, por um unico homem, num artigo academico. Hoje, a resposta pratica pra essa pergunta esta disponivel no bolso de bilhoes de pessoas, prontas pra conversar a qualquer hora do dia.
Mas talvez o detalhe mais importante nao esteja em nenhum artigo cientifico. Esta no fato de que, agora mesmo, enquanto voce termina de ler essa frase, milhoes de pessoas ao redor do mundo estao conversando com uma inteligencia artificial, sem nem perceber que fazem parte da mesma historia que comecou com uma pergunta simples, feita ha mais de setenta anos. Maquinas podem pensar