O que é inteligência artificial e como ela funciona?

Inteligência artificial (IA) é o campo da ciência e da engenharia que busca dar às máquinas capacidades que costumamos associar à mente humana, como raciocínio, planejamento, aprendizado e percepção. A maior parte da IA moderna não é programada com regras passo a passo. Em vez disso, ela aprende padrões a partir de grandes volumes de exemplos e os utiliza para fazer previsões, recomendações, decisões ou criar conteúdos novos.

A seguir, explicamos o que o termo significa, como o aprendizado de máquina funciona por dentro, como chatbots como o ChatGPT geram texto, onde a IA já aparece no cotidiano e quais limites vale ter em mente.

O que é inteligência artificial? Uma definição simples

O nome remonta ao Projeto de Pesquisa de Verão de Dartmouth, de 1956, proposto em 1955 por John McCarthy e colegas. Por décadas, IA significou principalmente a "IA simbólica": especialistas escreviam regras explícitas que o computador seguia.

Segundo uma revisão acadêmica, essa visão baseada em regras predominou até o fim dos anos 1980. Depois disso, abordagens como redes neurais, sistemas fuzzy e computação evolutiva ganharam espaço. Em resumo, a área passou de regras escritas à mão para o aprendizado a partir de dados.

Formuladores de políticas usam uma definição parecida. A definição da OCDE, revisada em novembro de 2023, descreve um sistema de IA como um sistema baseado em máquina que, a partir das entradas que recebe, infere como gerar saídas como previsões, conteúdos, recomendações ou decisões, capazes de influenciar ambientes físicos ou virtuais. Os sistemas variam quanto ao grau de autonomia e adaptabilidade, e a Lei de IA da UE usa uma redação muito semelhante.

Duas distinções ajudam quem está começando. Primeiro, tudo o que existe hoje é IA restrita, criada para tarefas específicas; a inteligência artificial geral (AGI) continua hipotética, e até a sua definição é disputada. Segundo, os termos se contêm mutuamente: a IA abrange o aprendizado de máquina, que abrange o aprendizado profundo, o qual, por sua vez, sustenta os grandes modelos de linguagem e a IA generativa.

Como funciona o aprendizado de máquina?

O software tradicional segue regras escritas por um programador. O aprendizado de máquina inverte essa lógica: você fornece ao modelo exemplos, chamados dados de treinamento, e ele descobre os padrões por conta própria.

Existem três estilos principais. No aprendizado supervisionado, os exemplos vêm com rótulos, como e-mails marcados como "spam" ou "não spam". No aprendizado não supervisionado, não há rótulos e o modelo encontra agrupamentos por conta própria. No aprendizado por reforço, o modelo aprende por tentativa e erro, com recompensas e punições, como fizeram os sistemas que jogam, a exemplo do AlphaGo.

A maioria dos sistemas mais poderosos atuais usa redes neurais: camadas de unidades matemáticas simples ligadas por valores numéricos chamados parâmetros ou pesos. Durante o treinamento, o modelo faz um palpite, compara-o com a resposta correta e ajusta os pesos para reduzir o erro. Os nomes técnicos para isso são retropropagação e descida do gradiente.

Também ajuda separar duas fases. O treinamento é a etapa custosa em que o modelo aprende. A inferência é quando o modelo pronto é colocado para trabalhar, respondendo perguntas ou fazendo previsões.

Como funcionam os grandes modelos de linguagem, como o ChatGPT?

Os grandes modelos de linguagem (LLMs) começam dividindo o texto em tokens, que são palavras inteiras ou partes de palavras. Idiomas com muitos sufixos, como o turco, podem precisar de mais tokens para a mesma quantidade de texto, embora a proporção exata dependa do modelo.

No pré-treinamento, o modelo pratica uma única tarefa sobre um enorme volume de texto: prever o próximo token. Esse objetivo simples o obriga a absorver gramática, fatos e muitos outros padrões ao longo do caminho. A arquitetura subjacente é o Transformer, apresentado por pesquisadores do Google no artigo de 2017 "Attention Is All You Need".

Em seguida vem o pós-treinamento. O modelo é ajustado com exemplos de instruções e moldado por feedback, por meio de métodos como o aprendizado por reforço com feedback humano (RLHF), para que se comporte como um assistente útil. O ChatGPT, lançado pela OpenAI em 30 de novembro de 2022, levou esse tipo de assistente a um público amplo; Gemini, Claude, Copilot, Llama, DeepSeek, Mistral e Grok são outros nomes conhecidos.

A tecnologia segue em transformação. Entre as tendências recentes estão os modelos de raciocínio, que resolvem problemas passo a passo antes de responder; os modelos multimodais, que trabalham com imagens e áudio; os agentes, que usam ferramentas para concluir tarefas; e a geração aumentada por recuperação (RAG), em que o modelo consulta documentos ou a web antes de responder. As versões dos modelos mudam com frequência, então consulte as páginas dos próprios fabricantes para saber o que está atualizado.

Para que a IA é usada no dia a dia?

Você provavelmente usa IA várias vezes por dia sem perceber. Ela alimenta as recomendações de sites de streaming e compras, filtra spam, prevê o trânsito em aplicativos de navegação, desbloqueia celulares pelo rosto, dá vida aos assistentes de voz e traduz textos.

Bancos a utilizam para identificar fraudes, e aplicativos de fotos a usam para edição automática. A IA generativa acrescentou à lista a ajuda para escrever, resumos, assistência em programação, criação de imagens e apoio aos estudos.

Na medicina, ferramentas de IA ajudam profissionais de saúde a analisar exames de imagem. Na ciência, seu impacto foi reconhecido no mais alto nível: parte do Prêmio Nobel de Química de 2024 foi para Demis Hassabis e John Jumper pelo AlphaFold, que prevê estruturas de proteínas, e o Prêmio Nobel de Física de 2024 foi para John Hopfield e Geoffrey Hinton pelos trabalhos fundamentais em redes neurais.

Quais são os limites e riscos da IA?

O problema mais conhecido é a alucinação. Como os modelos de linguagem produzem textos plausíveis, e não fatos verificados, eles podem afirmar coisas falsas com confiança. A frequência com que isso acontece varia muito conforme o modelo e o teste, então confira qualquer informação importante.

Os modelos também têm uma data de corte de conhecimento: a menos que estejam conectados à busca, não sabem nada sobre eventos posteriores ao fim do treinamento. Eles também podem reproduzir vieses presentes nos dados de treinamento.

A privacidade merece atenção. Pense duas vezes antes de digitar em um chatbot informações pessoais, de saúde ou empresariais sensíveis, e verifique as configurações de cada provedor para saber se suas conversas podem ser usadas em treinamentos.

Outros debates incluem processos por direitos autorais, consumo de energia e água, deepfakes e desinformação, e o efeito sobre o emprego, em que as previsões divergem bastante. Por fim, não se deve presumir que os sistemas atuais compreendam ou sejam conscientes no sentido humano; essa questão continua filosoficamente controversa.

A inteligência artificial é regulamentada?

Cada vez mais, sim. A Lei de IA da UE entrou em vigor em 1º de agosto de 2024, e suas obrigações estão sendo implementadas gradualmente ao longo de vários anos. Alguns prazos podem mudar com propostas posteriores da UE, por isso vale consultar as fontes oficiais da UE para conferir o cronograma atual.

Outros países estão criando seus próprios marcos regulatórios. A Turquia, por exemplo, tem uma Estratégia Nacional de IA para 2021–2025, preparada pelo Escritório de Transformação Digital da Presidência e pelo Ministério da Indústria e Tecnologia. Como as políticas evoluem rapidamente, acompanhe os anúncios das autoridades competentes para ver a situação mais recente.