Inteligência artificial, ou IA, é um nome para um conjunto de tecnologias. Elas fazem computadores realizarem tarefas que, feitas por pessoas, parecem exigir inteligência. Reconhecer rostos, entender a fala, dirigir carros, escrever frases e criar imagens são exemplos citados pela MIT Technology Review. A revista foi fundada em 1899 no Instituto de Tecnologia de Massachusetts.

Este guia mostra o que a IA é, de onde a ideia veio, como ela funciona, para que serve, quais riscos ela traz e o que os pesquisadores ainda discutem.

O que é inteligência artificial?

Não existe uma definição única e simples. É o que diz a NASA, sigla em inglês da Administração Nacional de Aeronáutica e Espaço. Segundo a agência, as ferramentas de IA fazem tarefas e produzem resultados muito variados, e isso impede uma definição curta.

A NASA descreve a IA como sistemas de computador capazes de fazer tarefas complexas que normalmente dependem do raciocínio humano. Entre elas estão tomar decisões e criar coisas novas.

A agência segue uma definição que remete a uma lei de defesa de 2019, a National Defense Authorization Act. Ela reúne várias ideias. Uma é a de um sistema que aprende com a experiência e melhora quando recebe dados. Outra é a de um sistema que resolve tarefas que pedem percepção, planejamento, aprendizado ou comunicação parecidos com os humanos.

A MIT Technology Review resume assim: IA é um termo guarda-chuva. Ele junta tecnologias que fazem o computador executar o que, em pessoas, seria visto como sinal de inteligência. O problema, segundo a revista em 2024, era que nem quem construía esses sistemas dava uma resposta direta sobre o que eles são.

De onde veio a ideia?

Em 1950, o matemático Alan Turing publicou um artigo com uma pergunta: máquinas podem pensar? Ele propôs um teste, que chamou de jogo da imitação. No teste, um humano e um computador ficam atrás de uma tela. Uma segunda pessoa digita perguntas para cada um. Se ela não souber dizer de quem é cada resposta, o computador poderia ser considerado pensante, segundo Turing.

O nome inteligência artificial surgiu em 1955. A criação é atribuída ao cientista da computação John McCarthy. Ele usou o termo ao escrever um pedido de verba para um programa de pesquisa de verão no Dartmouth College, em New Hampshire. O encontro aconteceu em 1956.

O grupo partia de uma aposta. Todo aspecto do aprendizado, ou de qualquer traço da inteligência, poderia em princípio ser descrito com tanta precisão que uma máquina conseguiria simulá-lo.

Desde então, o campo ficou dividido entre dois caminhos. O primeiro tentava escrever em código as regras do raciocínio, para o computador segui-las. Ficou conhecido como IA simbólica, ou baseada em regras. Criar regras fixas para problemas reais, porém, se mostrou difícil demais.

O segundo caminho apostava em redes neurais, programas que tentam aprender as regras sozinhos, na forma de padrões estatísticos. A ideia parecia menos promissora no começo. Levou décadas para decolar, e precisou de muito poder de computação e de boa parte dos dados da internet.

A história teve altos e baixos. No começo dos anos 70, as duas linhas de pesquisa praticamente pararam. O governo do Reino Unido tinha publicado um relatório dizendo que o sonho da IA não tinha dado em nada. Projetos de pesquisa foram fechados.

Como a IA funciona?

Na NASA, parte das ferramentas de IA usa aprendizado de máquina. A agência explica que essa técnica usa dados para treinar computadores. Com o treino, a máquina aprende a classificar coisas, fazer previsões ou achar semelhanças e tendências em grandes conjuntos de dados.

Entre os métodos comuns citados pela agência estão as redes neurais. Elas processam dados de um jeito inspirado no cérebro humano. Para isso, usam uma estrutura em camadas, com unidades ligadas entre si que imitam neurônios.

O aprendizado profundo é um ramo do aprendizado de máquina que usa redes neurais com muitas camadas. A diferença principal, segundo a NASA, é que ele aprende sozinho, a partir dos dados, quais características importam.

Outro ramo é o processamento de linguagem natural. Ele treina computadores para entender, interpretar e manipular a língua humana.

Os grandes modelos de linguagem

O ChatGPT foi lançado pela OpenAI no fim de 2022. Segundo a MIT Technology Review, para milhões de pessoas ele passou a ser a resposta à pergunta sobre o que é IA.

Segundo a revista, em 2024 por trás do ChatGPT estava o GPT-4, um grande modelo de linguagem feito de uma enorme rede neural. Ela absorveu mais palavras do que a maioria das pessoas leria em mil vidas.

No treino, esses modelos recebem frases de milhões de livros e de uma parte grande da internet, com lacunas. A tarefa é preencher essas lacunas, de novo e de novo. O resultado é uma representação estatística de quais palavras têm mais chance de vir depois de outras.

Esse treino pode durar meses e custar dezenas de milhões de dólares, segundo a revista, num texto de 2024. Essa representação fica registrada em bilhões e bilhões de valores numéricos.

Para que serve?

A lista de usos é longa. Segundo a MIT Technology Review, em 2024 sistemas de IA já ajudavam a definir quanto se paga por um seguro e a forma como as pessoas buscam informação. A tecnologia também estava em buscadores, editores de texto e assistentes de celular.

Na NASA, uma das técnicas é o apoio à decisão. Processos complexos exigem ferramentas que lidem com situações imperfeitas ou desconhecidas. Nesse método, o sistema considera vários resultados possíveis e suas probabilidades para orientar a escolha.

Na ciência, a IA também entra no laboratório. O NIST é o órgão do governo dos Estados Unidos que apoia o desenvolvimento de normas técnicas. Os pesquisadores dele usam IA para fazer experimentos de forma autônoma e gerar conjuntos de dados.

O objetivo do NIST é ajudar a indústria a prever mais rápido propriedades biológicas, químicas e de materiais. Um dos caminhos, segundo o órgão, são laboratórios de pesquisa autônomos.

O que ainda não se sabe?

Os grandes modelos de linguagem parecem capazes de resolver problemas de matemática, escrever código e compor poemas. Quando uma pessoa faz isso, é visto como sinal de inteligência. A dúvida é se o mesmo vale para um computador. Segundo a MIT Technology Review, em 2024 o campo não chegava a um acordo sobre o que de fato acontecia dentro desses modelos.

Um lado via só estatística. A linguista Emily Bender, da Universidade de Washington, e o colega Alexander Koller publicaram um artigo em 2020. Nele, argumentaram que um modelo treinado apenas com texto aprende a forma da língua, mas não o significado.

Outro artigo de Bender com outros autores comparou esses sistemas a um papagaio. Eles juntariam palavras conforme a probabilidade de combinarem, sem nenhuma referência ao sentido.

Outro lado via sinais de raciocínio. Meses antes do lançamento público do GPT-4, da OpenAI, em março de 2023, a Microsoft recebeu uma versão prévia do modelo. Sebastian Bubeck, que em 2024 era vice-presidente da Microsoft Research, testou o modelo com problemas de matemática.

Segundo a revista, em 2024 Bubeck e os colegas acreditavam ter visto exemplos reais de raciocínio criativo. O estudo recebeu críticas. As provas vinham de uma versão do GPT-4 que não saiu da OpenAI e da Microsoft, e outros pesquisadores não conseguiram repetir os testes. Os próprios autores admitiram, no artigo, que o método não foi rigoroso.

Havia ainda quem preferisse esperar por provas. Em 2024, para Ellie Pavlick, que estuda redes neurais na Universidade Brown, o comportamento era a única coisa que se sabia medir de forma confiável. Todo o resto, disse ela, exigia uma escolha teórica.

A inteligência artificial geral

Parte do setor passou a falar em inteligência artificial geral, ou AGI, sigla em inglês de artificial general intelligence. Seria uma tecnologia hipotética, capaz de fazer uma grande variedade de tarefas tão bem quanto os humanos.

O termo foi inventado em 2007. Shane Legg, cofundador do Google DeepMind e criador da expressão, disse à MIT Technology Review que não tinha uma definição especialmente clara. Em 2024, segundo a revista, a AGI aparecia na missão dos maiores laboratórios de IA do mundo.

O cientista cognitivo Gary Marcus é crítico das redes neurais. Em 2024, ele disse à revista achar que a AGI pode surgir ainda no século 21. Para ele, porém, provavelmente seriam necessárias uma ou mais descobertas novas. É uma estimativa dele.

Quais são os riscos?

O artigo de Bender e coautores aponta danos que, na visão deles, as empresas ignoravam. Um é o custo enorme de computação para criar os modelos, com impacto ambiental. Outro é a linguagem racista, sexista e abusiva que os modelos podem reforçar.

Para lidar com os riscos, o NIST lançou em 26 de janeiro de 2023 uma estrutura de gestão de risco de IA. O nome em inglês é AI Risk Management Framework, ou AI RMF. O uso é voluntário. A ideia é ajudar organizações a levar em conta a confiabilidade ao projetar, desenvolver, usar e avaliar produtos de IA.

O NIST também lista as bases de uma IA confiável. Ela precisa ser válida e confiável, segura, protegida e resistente. Precisa prestar contas, ser transparente, explicável e interpretável. E precisa proteger a privacidade e ser justa, com redução de distorções que causam dano.

O que vem a seguir?

Segundo o NIST, métodos melhores de teste e comparação são essenciais para as empresas verificarem e validarem sistemas de IA. Em 2026, a versão 1.0 da estrutura de gestão de risco estava em revisão.

Para a MIT Technology Review, a IA nasceu como uma aspiração ambiciosa. Em 2024, segundo a revista, os pesquisadores ainda discordavam sobre o que é possível alcançar e sobre como saber se chegaram lá.

No fundo, segundo a revista, faltava em 2024 uma boa compreensão do que é inteligência e de como reconhecê-la. A revista via também um hábito humano no meio do debate. As máquinas ganharam comportamento parecido com o humano, mas as pessoas seguiam imaginando uma mente humana por trás delas.