O que é in­te­li­gên­cia ar­ti­fi­cial (IA)?

In­te­li­gên­cia ar­ti­fi­cial (IA) é, por definição, uma área da ciência da com­pu­ta­ção que tem como objetivo criar um equi­va­lente técnico à in­te­li­gên­cia humana. No entanto, o que significa in­te­li­gên­cia e como replicá-la tec­ni­ca­mente são questões que suscitam di­fe­ren­tes teorias e abor­da­gens me­to­do­ló­gi­cas. Por esse motivo, definir pre­ci­sa­mente o que é IA é difícil, já que o conceito de in­te­li­gên­cia é bastante complexo.

Di­fe­ren­tes sig­ni­fi­ca­dos de IA

A in­te­li­gên­cia ar­ti­fi­cial vem sendo de­sen­vol­vida prin­ci­pal­mente para resolver problemas técnicos es­pe­cí­fi­cos. Assim sendo, a IA não tem por objetivo sim­ples­mente se comunicar como um ser humano, mas executar tarefas altamente es­pe­ci­a­li­za­das de maneira eficiente. Para avaliar a ca­pa­ci­dade de uma in­te­li­gên­cia ar­ti­fi­cial, o Teste de Turing limitado é realizado: se um sistema técnico consegue apre­sen­tar ha­bi­li­da­des com­pa­rá­veis às humanas em uma área es­pe­cí­fica, re­a­li­zando di­ag­nós­ti­cos médicos ou jogando xadrez, este é con­si­de­rado ar­ti­fi­ci­al­mente in­te­li­gente. Nesse contexto, a definição de in­te­li­gên­cia ar­ti­fi­cial faz uma distinção entre IA forte e IA fraca.

In­te­li­gên­cia ar­ti­fi­cial forte: A IA ideal

A definição de in­te­li­gên­cia ar­ti­fi­cial forte faz re­fe­rên­cia a uma in­te­li­gên­cia capaz de simular ha­bi­li­da­des humanas. Di­fe­ren­tes dimensões de in­te­li­gên­cia são con­si­de­ra­das parte da in­te­li­gên­cia ar­ti­fi­cial forte: cognitivo, sensório-motor, emocional e social. A maioria das apli­ca­ções atuais de IA encontram-se na área da in­te­li­gên­cia cognitiva: lógica, pla­ne­ja­mento, resolução de problemas, autonomia e cons­tru­ção de pers­pec­tiva in­di­vi­dual.

In­te­li­gên­cia ar­ti­fi­cial fraca: a IA real

A definição de in­te­li­gên­cia ar­ti­fi­cial fraca, por outro lado, trata do de­sen­vol­vi­mento e da aplicação da in­te­li­gên­cia ar­ti­fi­cial em áreas es­pe­ci­fi­ca­mente de­li­mi­ta­das. Atu­al­mente, pesquisas de IA encontram-se neste ponto, ou seja, quase todos os campos de aplicação atuais utilizam IA fraca, todavia ex­tre­ma­mente es­pe­ci­a­li­zada. Entre os exemplos estão carros autônomos, di­ag­nós­ti­cos médicos au­to­ma­ti­za­dos e al­go­rit­mos in­te­li­gen­tes de pesquisa e automação.

O campo da IA fraca obteve sucessos re­vo­lu­ci­o­ná­rios nos últimos anos. O de­sen­vol­vi­mento de sistemas in­te­li­gen­tes em subáreas es­pe­cí­fi­cas provou ser subs­tan­ci­al­mente mais pra­ti­cá­vel e eti­ca­mente mais aceitável do que pesquisas de su­pe­rin­te­li­gên­cia, por exemplo.

Como funciona a in­te­li­gên­cia ar­ti­fi­cial?

Depois de entender o que é IA, é preciso decifrar como funciona a in­te­li­gên­cia ar­ti­fi­cial. Dizem que uma IA é somente tão boa quanto sua re­pre­sen­ta­ção de co­nhe­ci­mento técnico. Duas abor­da­gens me­to­do­ló­gi­cas exploram essa tese:

1. Na IA simbólica, co­nhe­ci­men­tos são extraídos de símbolos, ou seja, este tipo de in­te­li­gên­cia ar­ti­fi­cial manipula símbolos. Ela processa in­for­ma­ções “de cima para baixo” e opera com conceitos, cor­re­la­ções abstratas e con­clu­sões lógicas.

2. Na IA neural, o co­nhe­ci­mento é acessado através de neurônios ar­ti­fi­ci­ais in­ter­co­nec­ta­dos. Ela processa in­for­ma­ções “de baixo para cima” e simula neurônios in­di­vi­du­ais que se organizam em grupos maiores e, juntos, formam uma rede neural ar­ti­fi­cial.

IA simbólica

Con­si­de­rada a abordagem clássica da in­te­li­gên­cia ar­ti­fi­cial, a IA simbólica se baseia na ideia de que o pen­sa­mento humano pode ser re­cons­truído partindo do nível lógico-con­cei­tual mais elevado, in­de­pen­den­te­mente de valores empíricos concretos (abordagem de cima para baixo). Assim sendo, o co­nhe­ci­mento é expresso por símbolos abstratos, como pela linguagem escrita e falada. Na IA simbólica, máquinas aprendem a re­co­nhe­cer, entender e aplicar esses símbolos uti­li­zando al­go­rit­mos. O sistema in­te­li­gente obtém in­for­ma­ções dos chamados sistemas es­pe­ci­a­lis­tas.

Apli­ca­ções clássicas de IA simbólica estão no pro­ces­sa­mento de texto e no re­co­nhe­ci­mento de voz, mas também em outras áreas lógicas, como em jogos de xadrez. Por exemplo, em 1996 o com­pu­ta­dor Deep Blue, da IBM, venceu o então campeão mundial de xadrez, Garri Kasparov, uti­li­zando-se de IA simbólica. A in­te­li­gên­cia ar­ti­fi­cial simbólica baseia-se em regras fixas e é capaz de resolver problemas cada vez mais complexos, à medida que a tec­no­lo­gia com­pu­ta­ci­o­nal evolui.

IA neural

Em 1986, Geoffrey Hinton e mais dois colegas re­cu­pe­ra­ram antigas pesquisas de IA neural, voltando a de­sen­vol­ver, assim, este campo da in­te­li­gên­cia ar­ti­fi­cial. Ao ela­bo­ra­rem o algoritmo de re­tro­pro­pa­ga­ção, também chamado de algoritmo de back­pro­pa­ga­tion, eles fundaram a base do deep learning, conceito utilizado por quase todos os tipos de in­te­li­gên­cia ar­ti­fi­cial atuais. Graças a esse algoritmo de apren­di­za­gem, redes neurais profundas podem aprender e crescer cons­tan­te­mente e de forma in­de­pen­dente.

Assim como faz o cérebro humano, a in­te­li­gên­cia ar­ti­fi­cial neural segmenta o co­nhe­ci­mento em unidades fun­ci­o­nais mi­nús­cu­las: neurônios ar­ti­fi­ci­ais que se in­ter­co­nec­tam formando grupos cada vez maiores (abordagem de baixo para cima), que resultam em uma rede neural mul­ti­fa­ce­tada. Em contraste com a IA simbólica, redes neurais podem ser treinadas (na robótica, por exemplo, com dados sensório-motores). A IA neural usa o apren­di­zado de máquina para gerar seu co­nhe­ci­mento em constante cres­ci­mento. Essa é, inclusive, sua grande inovação: embora a fase de trei­na­mento seja re­la­ti­va­mente longa, uma vez treinado, o sistema é capaz de aprender de forma in­de­pen­dente.

Exemplos de in­te­li­gên­cia ar­ti­fi­cial em di­fe­ren­tes projetos

Seja no re­co­nhe­ci­mento facial, na as­sis­tên­cia por voz, no re­co­nhe­ci­mento de imagens ou em softwares de tradução, a IA está cada vez mais presente na vida cotidiana. Mesmo que você evite utilizar essas fer­ra­men­tas, di­fi­cil­mente escapará da in­fluên­cia delas nos ambientes digitais. Sugestões de produtos de lojas virtuais ou re­co­men­da­ções de vídeos do YouTube, Netflix e afins são pro­du­zi­dos por sistemas de in­te­li­gên­cia ar­ti­fi­cial que trabalham cons­tan­te­mente para aprimorar re­sul­ta­dos.

• ChatGPT: O ChatGPT é um chatbot de in­te­li­gên­cia ar­ti­fi­cial de­sen­vol­vido pela OpenAI. Esse modelo de linguagem de grande escala (LLM, large language model) entende entradas de texto em linguagem natural e pode responder perguntas, criar conteúdos, fazer citações e traduções, entre outras coisas.
• RankBrain: O RankBrain é um algoritmo de IA do Google, de­sen­vol­vido ori­gi­nal­mente para com­pre­en­der melhor o fun­ci­o­na­mento de buscas longas e ainda des­co­nhe­ci­das. Em 2015, o próprio Google declarou que o RankBrain era o terceiro mais im­por­tante dentre os mais de 200 fatores de clas­si­fi­ca­ção de suas pesquisas, ao lado dos links e do conteúdo. Isso quer dizer que o RankBrain exerce grande in­fluên­cia sobre as práticas de SEO.
• DeepMind: DeepMind é uma empresa conhecida por suas criações tec­no­ló­gi­cas ino­va­do­ras usando IA. Ela foi comprada pelo Google em 2014, e entre seus produtos estão o AlphaGO, programa de com­pu­ta­dor que “zerou” o jogo de tabuleiro Go com perfeição. Em abril de 2023, o Google anunciou a fusão da DeepMind com sua própria divisão interna de IA, o Google Brain. As pesquisas da DeepMind são, de certa forma, especiais, porque a empresa adiciona memória de curto prazo às in­te­li­gên­cias ar­ti­fi­ci­ais por ela criadas.
• DALL-E: Essa in­te­li­gên­cia ar­ti­fi­cial, também da OpenAI, cria imagens 2D ou 3D ex­clu­si­vas e im­pres­si­o­nan­tes em segundos, baseadas em comandos escritos inseridos pelos usuários. A versão beta do software é aberta, e está dis­po­ní­vel desde setembro de 2022. Sua equipe de de­sen­vol­ve­do­res afirma que o apli­ca­tivo é usado para criar mais de 2 milhões de imagens por dia.
• Alexa (Amazon) e Siri (Apple): Os as­sis­ten­tes virtuais Alexa e Siri são sistemas de in­te­li­gên­cia ar­ti­fi­cial que adotam a tec­no­lo­gia do controle de voz para ajudar usuários em tarefas co­ti­di­a­nas, como na busca por in­for­ma­ções. Por síntese de fala (speech synthesis), eles são capazes de emitir respostas em linguagem natural.

Pos­si­bi­li­da­des e riscos da in­te­li­gên­cia ar­ti­fi­cial

Existem previsões positivas e negativas sobre como essa tec­no­lo­gia mudará as nossas vidas. Conheça as prin­ci­pais pos­si­bi­li­da­des da IA, assim como seus maiores riscos.

Pos­si­bi­li­da­des e vantagens da IA

O avanço da in­te­li­gên­cia ar­ti­fi­cial pos­si­bi­lita as mais distintas opor­tu­ni­da­des, sendo as mais im­por­tan­tes, talvez, re­la­ci­o­na­das ao mundo do trabalho. Isso se deve ao alto grau de de­sem­pe­nho e às pers­pec­ti­vas econô­mi­cas que a IA abre.

Mais vagas de emprego e mais tempo livre

A in­te­li­gên­cia ar­ti­fi­cial demanda novos e im­por­tan­tes co­nhe­ci­men­tos e funções de trabalho, im­pul­si­o­nando a economia de modo geral. Es­pe­ci­a­lis­tas são unânimes em afirmar que a IA impactará ra­di­cal­mente o mercado de trabalho. Ainda, a efi­ci­ên­cia da IA pode, em princípio, aumentar o tempo livre dos tra­ba­lha­do­res.

Mais conforto

De­fen­so­res e pro­mo­to­res da IA enxergam melhorias no conforto que inovações tec­no­ló­gi­cas levam à vida cotidiana. Carros autônomos e softwares de tradução in­te­li­gente, por exemplo, estão entre as apli­ca­ções possíveis, que facilitam a vida cotidiana de todos que se abrem à tec­no­lo­gia.

Oti­mi­za­ção de de­sem­pe­nho

Máquinas atingem taxas de erro menores que humanos: o de­sem­pe­nho delas é im­pres­si­o­nante. Tarefas de­sem­pe­nha­das por in­te­li­gên­cia ar­ti­fi­cial podem, assim, ser de benefício público geral. O setor da saúde e o ju­di­ciá­rio, por exemplo, têm a pos­si­bi­li­dade de utilizar máquinas in­te­li­gen­tes de forma pro­mis­sora. Embora es­pe­ci­a­lis­tas não esperem que médicos e juízes sejam subs­ti­tuí­dos por tec­no­lo­gias ar­ti­fi­ci­ais, elas podem ajudar estes pro­fis­si­o­nais a re­co­nhe­cer padrões e a decidir sobre pro­ce­di­men­tos mais rápida e ob­je­ti­va­mente.

Ganhos econô­mi­cos

Há também grandes ex­pec­ta­ti­vas de ganhos fi­nan­cei­ros pelos setores que criam a in­te­li­gên­cia ar­ti­fi­cial. A área de IA está ex­pe­ri­men­tando um cres­ci­mento notável em todo o mundo, como afirma o Global Ar­ti­fi­cial In­tel­li­gence Markets Report. O estudo mostra que fi­nan­ci­a­mento do setor dobrou em 2021 ao redor do mundo, chegando a US$ 66,8 bilhões. No subcampo da IA ge­ne­ra­tiva, in­ves­ti­men­tos au­men­ta­ram oito vezes desde 2022, chegando a US$ 25,2 bilhões em 2023, de acordo com o relatório Ar­ti­fi­cial In­tel­li­gence Index Report 2024, da Uni­ver­si­dade de Stanford.

Projetos para o futuro

Por último, mas não menos im­por­tante, a in­te­li­gên­cia ar­ti­fi­cial estimula o desejo natural do ser humano de descobrir cada vez mais coisas. A IA já está sendo usada para explorar poços de petróleo e controlar robôs em Marte. Presume-se que essa tec­no­lo­gia avance ex­po­nen­ci­al­mente, ex­pan­dindo para cada vez mais áreas de aplicação.

Riscos e des­van­ta­gens da IA

Es­pe­ci­a­lis­tas e até mesmo grandes ícones do progresso tec­no­ló­gico alertam sobre os riscos da in­te­li­gên­cia ar­ti­fi­cial, apesar de be­ne­fi­ci­a­rem-se dela. Ini­ci­a­ti­vas mais amplas, como a or­ga­ni­za­ção de pesquisa e lobby Future of Life Institute, também fazem coro às vozes críticas, mo­bi­li­zando per­so­na­li­da­des im­por­tan­tes para lutar por um de­sen­vol­vi­mento res­pon­sá­vel dessa tec­no­lo­gia.

Subs­ti­tui­ção humana

Um possível risco temido por muitos, e cor­ro­bo­rado por histórias de ficção ci­en­tí­fica, é o de­sen­vol­vi­mento de uma “su­pe­rin­te­li­gên­cia”: tec­no­lo­gia que aprimora a si própria, tornando-se in­de­pen­dente dos seres humanos. En­tre­tanto, muitos pes­qui­sa­do­res con­si­de­ram pra­ti­ca­mente im­pos­sí­vel o de­sen­vol­vi­mento de uma in­te­li­gên­cia ar­ti­fi­cial de­li­be­ra­da­mente maliciosa. De toda forma, existe o risco real de in­te­li­gên­cias ar­ti­fi­ci­ais tão ou mais com­pe­ten­tes assumirem funções próprias da vida humana.

De­pen­dên­cia tec­no­ló­gica

A crescente e demasiada de­pen­dên­cia dos seres humanos à tec­no­lo­gia também está entre os cenários temidos. Na as­sis­tên­cia médica, por exemplo, onde o uso de robôs já está sendo testado, pessoas estão sendo cada vez mais mo­ni­to­ra­das por sistemas técnicos. Vi­gi­lân­cia por vídeo auxiliada por IA e al­go­rit­mos in­te­li­gen­tes também estão entre as pre­o­cu­pa­ções que ferem a pri­va­ci­dade.

Proteção de dados

Al­go­rit­mos in­te­li­gen­tes podem processar cres­cen­tes conjuntos de dados de forma cada vez mais eficiente. Para o e-commerce, em par­ti­cu­lar, essa pos­si­bi­li­dade é bastante vantajosa. Contudo, o pro­ces­sa­mento de dados por tec­no­lo­gias de in­te­li­gên­cia ar­ti­fi­cial torna o controle sobre dados pessoais ex­tre­ma­mente difícil. Isso quer dizer que usuários não conseguem saber mais quais de seus dados estão sendo uti­li­za­dos, e por quem.

Percepção seletiva dentro da bolha

O ativista da internet Eli Pariser destaca os chamados “filtros” ou “bolhas de in­for­ma­ções” como mais um risco da in­te­li­gên­cia ar­ti­fi­cial. Se al­go­rit­mos baseiam cada vez mais os conteúdos que oferecem a um usuário no próprio com­por­ta­mento anterior deste mesmo usuário (conteúdo per­so­na­li­zado), a visão de mundo apre­sen­tada se tornaria cada vez mais restrita. Tec­no­lo­gias de IA poderiam promover per­cep­ções seletivas, au­men­tando a já crescente distância ide­o­ló­gica entre in­di­ví­duos.

In­fluên­cia e formação de opinião

Tec­no­lo­gias de IA também podem ser capazes de orientar de­li­be­ra­da­mente a opinião pública ou usar bots para in­flu­en­ciar atitudes das pessoas. Essa pre­o­cu­pa­ção faz sentido, uma vez que existem in­te­li­gên­cias ar­ti­fi­ci­ais que conhecem seus usuários até o último detalhe.