Há ideias que parecem nascer de repente apenas porque a maioria das pessoas só repara nelas quando elas começam a incomodar. A Inteligência Artificial é uma dessas ideias. Para o público, para o jornalistado, para o comentariado e para a multidão sempre disponível para descobrir “novidades” com cinquenta ou setenta anos de atraso, a IA parece ter irrompido no mundo há meia dúzia de anos, como se tivesse caído das nuvens digitais, talvez entre uma aplicação de telemóvel e uma manchete alarmista sobre o fim do trabalho humano.
Mas não foi assim. A Inteligência Artificial não nasceu ontem. Não nasceu com o ChatGPT, nem com a IA generativa, nem com as imagens fabricadas por máquinas, nem com os textos que hoje deixam alguns escribas aflitos por descobrirem que a sua profissão afinal também podia ser parcialmente automatizada. A IA nasceu muito antes de a tecnologia ter força material para a realizar. Durante décadas, a ideia esteve à frente da máquina. O pensamento existia; faltava-lhe o músculo. A ambição era grande; o hardware era pequeno.
É por isso que, para compreender a Inteligência Artificial, é necessário começar por desfazer uma ilusão: a IA não é apenas um acontecimento tecnológico recente. É uma história longa de matemática, lógica, neurociência, engenharia, filosofia da mente e, sobretudo, limitação material. Durante muitos anos, o grande impedimento para o seu avanço não foi apenas conceptual. Foi físico. Foi electrónico. Foi computacional. Foi, em linguagem simples, falta de máquina.
1. Antes da IA: a inteligência como problema matemático
A ideia de que o pensamento humano poderia, ao menos em parte, ser representado por operações formais é anterior aos computadores modernos. A lógica matemática, a teoria da computação e os primeiros modelos formais do sistema nervoso abriram caminho para uma pergunta que parecia, à época, quase herética: será possível fazer uma máquina raciocinar?
Alan Turing foi uma figura central nesta deslocação do problema. Em 1936, ao propor a noção de máquina universal, Turing não criou apenas uma abstracção matemática; criou o fundamento teórico do computador moderno. Mais tarde, em 1950, no célebre artigo “Computing Machinery and Intelligence”, deslocou a pergunta “podem as máquinas pensar?” para um terreno mais operacional: poderá uma máquina comportar-se de tal modo que o seu desempenho linguístico se confunda com o de um ser humano?
Era o famoso “teste de Turing”. Não resolvia o problema filosófico da consciência, nem pretendia demonstrar que uma máquina possuía alma, intenção, interioridade ou vida subjectiva. Mas estabelecia uma coisa decisiva: a inteligência podia ser observada funcionalmente, isto é, pelos seus efeitos. Uma máquina que respondesse, argumentasse, traduzisse, jogasse, calculasse, aprendesse ou imitasse padrões humanos de resposta deixava de ser apenas uma máquina de cálculo. Passava a ser uma provocação filosófica.
Antes disso, em 1943, Warren McCulloch e Walter Pitts tinham apresentado um modelo lógico-matemático do neurónio artificial. A ideia era ainda rudimentar, mas decisiva: certos aspectos do funcionamento neuronal podiam ser formalizados. O cérebro, ou pelo menos algumas das suas operações elementares, podia ser pensado em termos de circuitos, estados, entradas e saídas.
Ainda mais recuadamente, Leonardo Torres y Quevedo demonstrara, em 1914, uma máquina capaz de jogar xadrez em situações simplificadas. Não era inteligência no sentido pleno. Mas era já uma forma de automatização de decisão. E essa possibilidade bastava para abrir caminho a tudo o que viria depois.
A Inteligência Artificial, portanto, não nasce de uma fantasia recente. Nasce de uma longa tradição de tentativa de matematização do pensamento. A novidade não estava em imaginar que uma máquina pudesse “raciocinar”. A novidade estava em começar a construir máquinas capazes de executar procedimentos que antes pertenciam apenas ao domínio humano.
2. Dartmouth, 1956: a fundação oficial
A Inteligência Artificial enquanto disciplina científica nasce oficialmente em 1956, no Dartmouth Summer Research Project on Artificial Intelligence, organizado por John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon. Foi aí que a expressão “Artificial Intelligence” entrou formalmente no vocabulário científico.
O ponto essencial é este: em Dartmouth, a IA nasceu com uma confiança quase prometeica. Os seus fundadores acreditavam que muitos aspectos da aprendizagem, da linguagem, da criatividade e da inteligência poderiam ser descritos com precisão suficiente para serem simulados por máquinas. A formulação era ousada. Talvez excessivamente ousada. Mas era intelectualmente fecunda.
A ambição inicial era simples na forma e imensa no conteúdo: se todos os aspectos da inteligência pudessem ser descritos em termos formais, então uma máquina poderia ser programada para os reproduzir. A inteligência deixaria de ser apenas um mistério da mente e passaria a ser também um problema de representação, cálculo e execução.
É neste contexto que surgem os primeiros programas de resolução de problemas, os primeiros sistemas de jogo, os primeiros ensaios de tradução automática, os primeiros esforços em processamento de linguagem natural e a linguagem LISP, criada por John McCarthy, que se tornaria uma das linguagens clássicas da investigação em IA.
Durante as primeiras décadas, a Inteligência Artificial foi dominada por uma visão simbólica: raciocinar era manipular símbolos de acordo com regras. A máquina inteligente seria, antes de mais, uma máquina lógica. Receberia premissas, aplicaria regras, produziria conclusões. O mundo seria representado em bases de conhecimento; a inteligência consistiria em operar sobre essas representações.
O problema é que o mundo resistiu. Como geralmente acontece.
3. O primeiro entusiasmo e a primeira desilusão
A IA inicial prometia mais do que podia cumprir. A tradução automática parecia estar próxima. O xadrez parecia ser uma questão de tempo. A compreensão da linguagem parecia uma dificuldade técnica, não uma montanha filosófica. Os investigadores, muitos deles brilhantes, subestimaram a complexidade da inteligência humana e sobrestimaram a capacidade dos computadores disponíveis.
A dificuldade não estava apenas nos algoritmos. Estava também na matéria. Os computadores eram lentos, caros, volumosos e limitadíssimos em memória. A ideia de simular processos complexos de raciocínio esbarrava em máquinas que, vistas a partir do presente, parecem quase brinquedos de laboratório.
É aqui que entra um ponto muitas vezes esquecido: o grande impedimento histórico da Inteligência Artificial foi o hardware. Havia ideias, havia teorias, havia ambição científica, havia até algum excesso de optimismo. O que não havia era capacidade computacional suficiente.
Em 1971, um computador considerado de “elevada capacidade” podia trabalhar com valores de memória que hoje nos parecem ridículos. Falar em dezenas de kilobytes de memória era falar de grandeza respeitável. Para muitos sistemas, 30 K bytes de memória e 32 K bytes disponíveis para programação eram números sérios. Hoje, uma fotografia banal tirada por um telemóvel ocupa muitíssimo mais. Um documento mal formatado por um burocrata digital moderno pode pesar mais do que aquilo que então se julgava espaço computacional relevante.
Esta desproporção é essencial. A IA queria representar linguagem, raciocínio, jogos, inferência, aprendizagem, tradução e decisão. Mas estava condenada a fazê-lo dentro de gaiolas de memória minúsculas. A inteligência artificial era, nesse tempo, uma ambição de catedral construída com tijolos de casota.
Não admira, portanto, que o entusiasmo tenha dado lugar ao chamado primeiro “inverno da IA”, nos anos 70. As promessas eram grandes, os resultados eram limitados, os financiadores perderam paciência e a realidade impôs-se. A máquina ainda não estava à altura da ideia.
4. A Lei de Moore: quando a máquina começou a alcançar a ideia
A história da IA não pode ser separada da história dos semicondutores. Sem microprocessadores, sem memória, sem miniaturização, sem aumento exponencial da capacidade de cálculo, a Inteligência Artificial teria permanecido uma bela hipótese académica, respeitável em seminários e impotente no mundo real.
Em 1965, Gordon Moore observou que o número de componentes integráveis num circuito tendia a duplicar regularmente. A chamada Lei de Moore viria a ser simplificada como a ideia de que a capacidade dos microprocessadores duplicaria aproximadamente a cada dois anos, com redução relativa de custos e dimensões. Em termos práticos, ano após ano, década após década, as máquinas tornaram-se mais pequenas, mais rápidas, mais baratas e mais poderosas.
É certo que a formulação popular — “no ano seguinte têm o dobro da capacidade e metade do tamanho” — é uma simplificação. Mas é uma simplificação útil, porque transmite a essência da revolução: a computação passou a crescer a um ritmo cumulativo e quase civilizacional. O que parecia difícil hoje devido à falta de habilidade e pode ser acessível amanhã tornou-se comum. Em 1971, o microprocessador Intel 4004 tinha cerca de 2.300 transistores. Hoje já existem bilhões em processadores. A diferença não é apenas quantitativa; é civilizacional. Entre o computador limitado dos anos 70 e as infra-estruturas actuais de IA há uma mudança de escala tão profunda que quase falamos de espécies tecnológicas diferentes.
A Inteligência Artificial, portanto, não “acordou” por milagre. Foi acordada pela acumulação de capacidade computacional. A ideia esperou pela máquina. E quando a máquina começou finalmente a chegar, a IA saiu da hibernação.
5. Sistemas especialistas: o segundo entusiasmo
Nos anos 80, a IA voltou a ganhar prestígio com os chamados sistemas especialistas. A ideia era construir programas capazes de reproduzir o conhecimento de peritos humanos em domínios específicos: medicina, engenharia, diagnóstico técnico, apoio à decisão empresarial.
Estes sistemas baseavam-se em regras. Se isto, então aquilo. Se determinados sintomas, então determinada hipótese. Se determinado problema técnico, então determinada solução provável. Era uma inteligência menos ambiciosa do que a inteligência geral sonhada em Dartmouth, mas mais aplicável. Não prometia uma mente universal; prometia competência especializada.
Durante algum tempo, funcionou. Os sistemas especialistas tornaram-se uma indústria relevante. O Japão lançou, em 1982, o projecto das máquinas de quinta geração, apostando em computação lógica, processamento de linguagem e novas arquitecturas. A IA voltou a ser vista como uma fronteira estratégica.
Mas o problema regressou. Os sistemas especialistas eram rígidos, difíceis de manter, dependentes de bases de regras laboriosamente construídas, frágeis perante contextos novos e pouco capazes de aprender autonomamente. O entusiasmo voltou a exceder os resultados. Nos anos 90, chegou o segundo “inverno da IA”.
A lição era clara: programar inteligência regra a regra era possível em domínios estreitos, mas insuficiente para enfrentar a complexidade do mundo. Faltava uma máquina que não se limitasse a obedecer a regras introduzidas por humanos, mas que pudesse extrair padrões a partir de dados.
6. A viragem estatística: da regra ao padrão
A grande revolução moderna da IA não consistiu apenas em computadores mais rápidos. Consistiu também numa mudança de paradigma. A inteligência artificial deixou progressivamente de se basear sobretudo em regras explícitas e passou a apoiar-se cada vez mais em aprendizagem automática.
Em vez de dizer à máquina todas as regras, passou-se a alimentá-la com grandes volumes de dados para que ela identificasse padrões. Em vez de programar cada inferência, passou-se a treinar modelos. Em vez de uma inteligência dedutiva artesanal, surgiu uma inteligência estatística, probabilística, aproximativa, mas extraordinariamente eficaz em certos domínios.
Esta viragem foi possível por três factores conjugados: maior poder computacional, maior disponibilidade de dados e avanços matemáticos nos algoritmos. Nenhum destes elementos isoladamente bastaria. A IA moderna nasceu da convergência entre máquina, dados e modelos.
A aprendizagem profunda — deep learning — levou esta lógica mais longe. Redes neuronais artificiais com muitas camadas começaram a obter resultados impressionantes em reconhecimento de imagem, voz, tradução, classificação, previsão e, mais tarde, geração de linguagem.
O velho sonho regressava por outro caminho. A máquina já não precisava de compreender como um humano para produzir resultados que pareciam inteligentes. E aqui começa uma das grandes confusões contemporâneas: confundir desempenho com consciência, cálculo estatístico com pensamento, linguagem produzida com intenção interior.
A IA moderna não obriga a acreditar que a máquina “pensa” como nós. Obriga, isso sim, a reconhecer que muitas tarefas que julgávamos depender de pensamento humano podem ser executadas por sistemas que não possuem pensamento humano. Para muitos narcisismos profissionais, esta descoberta é desagradável. Para a civilização, é decisiva.
7. O Transformer e a explosão da IA generativa
Em 2017, o artigo “Attention Is All You Need” introduziu a arquitectura Transformer, baseada em mecanismos de atenção. Sabemos que esta última inovação é a força mais crítica na evolução dos grandes modelos de linguagem. Em muitas áreas, o Transformer abriu caminho para uma nova era da Inteligência Artificial que permite o processamento de dados muito mais rápido e também o processamento paralelo.
A partir daí, os modelos de linguagem começaram a crescer em escala, capacidade e versatilidade. Em 2020, o GPT-3, com 175 mil milhões de parâmetros, mostrou que o aumento de escala podia produzir capacidades surpreendentes: geração de texto, tradução, resposta a perguntas, resumo, programação, simulação de estilos, análise de dados e execução de tarefas a partir de instruções em linguagem natural.
A partir de 2020, entrou-se na era da IA generativa. A máquina deixou de ser vista apenas como instrumento de cálculo, classificação ou diagnóstico. Passou a produzir texto, imagem, som, código e síntese conceptual. Deixou de ser apenas uma ferramenta escondida nos bastidores da tecnologia e passou a aparecer directamente diante do cidadão comum.
É aqui que a opinião pública acordou. Como sempre, tarde e mal.
Durante décadas, a IA trabalhou em laboratórios, universidades, empresas, centros militares, bancos, hospitais, motores de busca, sistemas de recomendação e plataformas digitais. Mas só quando a máquina começou a escrever, conversar, desenhar e programar é que muitos descobriram que havia ali qualquer coisa de politicamente, culturalmente e profissionalmente explosivo.
8. A falsa surpresa contemporânea
A reacção contemporânea à IA oscila entre o entusiasmo ingénuo e o pânico teatral. Uns anunciam a salvação universal. Outros anunciam o fim da humanidade. Uns falam como vendedores de feira tecnológica. Como profetas do apocalipse e uma conta no LinkedIn. Talvez também fosse mais sensato voltar à sobriedade. A IA é de fato uma ferramenta poderosa e avançada, mas não é mágica. Trata-se de modelos matemáticos, dados, capacidades computacionais e engenharia. Ela não só entrega resultados bonitos; também tem seus erros, alucinações e preconceitos, simplificações e dependências. Pode ampliar a inteligência humana, mas também pode automatizar a mediocridade, acelerar a propaganda, multiplicar a fraude e uniformizar o pensamento.
O problema político e cultural da IA não é apenas saber se ela substituirá empregos. É saber quem a controla, com que dados é treinada, com que critérios responde, que valores incorpora, que censuras executa, que dependências cria e que poderes concentra.
A pergunta decisiva não é apenas: “A máquina pensa?” A pergunta decisiva é: “Quem pensa através da máquina?” Ou, mais exactamente: “Quem programou, treinou, filtrou, condicionou e autorizou aquilo que a máquina nos devolve como resposta?”
Numa época em que tantos pretendem regular a palavra, domesticar a opinião, classificar dissidências e transformar divergência em patologia, a IA tanto pode ser instrumento de liberdade intelectual como instrumento de administração invisível do pensamento. Não é um detalhe. É talvez o centro do problema.
9. A IA e a velha soberba das elites
Há ainda uma ironia saborosa. Durante anos, muitas elites culturais e mediáticas olharam para a automação como problema dos outros. Máquinas substituíam operários, caixas, empregados administrativos, técnicos repetitivos. Isso era apresentado como progresso inevitável. Quando a máquina começou a ameaçar escrever textos, resumir relatórios, traduzir línguas, programar, desenhar, produzir guiões, preparar aulas, analisar documentos e até imitar o tom professoral dos que vivem de explicar o mundo aos outros, instalou-se subitamente uma inquietação moral.
A automação era moderna enquanto tocava no trabalho manual. Tornou-se perigosa quando entrou no território vaidoso das profissões discursivas.
Isto diz muito sobre a nossa época. A IA não ameaça apenas tarefas. Ameaça hierarquias simbólicas. Mostra que parte daquilo que muitos julgavam ser inteligência superior era, afinal, rotina verbal, padrão retórico, recombinação de lugares-comuns e gestão de linguagem. Naturalmente, a máquina ainda não substitui o verdadeiro pensamento crítico, a experiência vivida, a prudência, o juízo moral, a cultura profunda ou a responsabilidade pessoal. Mas substitui, com facilidade crescente, a produção automática de banalidades com aparência de inteligência.
E isso explica talvez algum nervosismo.
10. A máquina chegou atrasada à ideia
A história da Inteligência Artificial é, no fundo, a história de uma ideia que esperou décadas pela sua máquina. Desde Turing, McCulloch, Pitts, Torres y Quevedo e Dartmouth, a pergunta estava lançada: poderia a inteligência ser formalizada, simulada, executada, aproximada ou imitada por sistemas artificiais?
Durante muito tempo, a resposta foi travada pela insuficiência do hardware. A inteligência artificial queria correr, mas a máquina ainda gatinhava. A lógica existia, os programas existiam, a ambição existia, mas faltavam memória, velocidade, dados e escala. O que mudou não foi apenas a teoria. Mudou a matéria. O silício acumulou poder. Os processadores multiplicaram transístores. A memória deixou de ser uma cela apertada. Os dados tornaram-se oceânicos. E os modelos aprenderam a navegar.
A IA não surgiu subitamente. Subitamente foi apenas a nossa percepção. Como tantas vezes acontece, a realidade trabalhou em silêncio durante décadas e só se tornou “novidade” quando começou a perturbar a comodidade dos distraídos.
A questão agora não é saber se a Inteligência Artificial veio para ficar. Veio. A questão é saber se ficaremos nós suficientemente inteligentes para não a transformar apenas em mais uma máquina de propaganda, censura, preguiça mental e uniformização civilizacional.
Porque o verdadeiro perigo talvez não esteja em a máquina vir a pensar como os homens. O verdadeiro perigo está em tantos homens aceitarem pensar como máquinas: sem memória, sem consciência histórica, sem responsabilidade moral e sem liberdade interior.
E, nesse caso, a tragédia não será a Inteligência Artificial tornar-se demasiado humana. Será a inteligência humana tornar-se demasiado artificial.
Notas e referências
John McCarthy, Marvin L. Minsky, Nathaniel Rochester e Claude E. Shannon, “A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence”, 1955/1956.
Alan M. Turing, “Computing Machinery and Intelligence”, Mind, vol. 59, n.º 236, 1950.
Warren S. McCulloch e Walter Pitts, “A Logical Calculus of the Ideas Immanent in Nervous Activity”, Bulletin of Mathematical Biophysics, 1943.
Sobre Leonardo Torres y Quevedo e as primeiras máquinas de xadrez, veja-se a literatura histórica sobre autómatos electromecânicos e computação pré-digital.
Gordon E. Moore, “Cramming More Components onto Integrated Circuits”, Electronics, 1965; posteriormente popularizado como Lei de Moore.
Intel, documentação histórica sobre o microprocessador Intel 4004, lançado em 1971.
Sobre os “invernos da IA”, ver sínteses históricas da IBM e da literatura especializada em história da Inteligência Artificial.
Ashish Vaswani et al., “Attention Is All You Need”, 2017.
Tom B. Brown et al., “Language Models are Few-Shot Learners”, 2020.
IBM, “The History of Artificial Intelligence”; Wikipédia, “História da inteligência artificial”; Tecnoblog, “História da inteligência artificial: quem criou e como surgiu a tecnologia revolucionária”.