De Turing ao ChatGPT: a história da IA em 10 minutos

Vou te contar essa história de um jeito que a maioria dos resumos erra. Porque o padrão do mercado é apresentar a IA como um foguete que decolou em 2022, e a verdade é mais interessante: a história da inteligência artificial tem uns 75 anos, dois invernos rigorosos, décadas de promessa quebrada e uma lição que se repete tanto que virou quase lei.

Se você quer o resumo em um parágrafo, aqui vai: a inteligência artificial nasce como ideia com Alan Turing em 1950, ganha nome em 1956, passa décadas alternando euforia e frustração, muda de estratégia nos anos 90, quando os pesquisadores trocam regras escritas à mão por aprendizado a partir de dados, explode em capacidade a partir de 2012 com as redes neurais profundas, e chega ao público em novembro de 2022 com o ChatGPT, construído sobre uma arquitetura publicada em 2017. Cada uma dessas viradas explica algo do que você vê hoje na sua tela. Vamos a elas.

Onde essa história começa?

Em 1950, o matemático inglês Alan Turing publicou um artigo com uma pergunta que ainda organiza o debate: máquinas podem pensar? Como “pensar” é escorregadio demais, ele propôs um teste prático: se você conversa por escrito com alguém e não consegue dizer se é humano ou máquina, a distinção importa? O teste de Turing nasceu ali, décadas antes de existir qualquer máquina capaz de tentar.

O nome da área veio em 1956, numa conferência de verão em Dartmouth, nos Estados Unidos, onde um grupo de cientistas cunhou o termo “inteligência artificial” e fez a primeira de muitas previsões otimistas demais: achavam que uma geração resolveria o problema. A história se encarregou da resposta: levou bem mais.

Por que a IA “morreu” duas vezes?

As décadas seguintes viraram um ciclo que todo veterano de tecnologia reconhece: promessa gigante, investimento gigante, entrega pequena, corte de verba. As entregas pequenas tinham um motivo estrutural: a abordagem da época tentava construir inteligência escrevendo regras à mão. Se isso, então aquilo, aos milhares. Funcionava em problemas de laboratório e desmontava no mundo real, que tem exceção demais pra caber em regra.

Nos anos 80 veio um segundo fôlego com os chamados sistemas especialistas: programas que tentavam engarrafar o conhecimento de um médico ou de um engenheiro em milhares de regras escritas por entrevistadores. Grandes empresas gastaram fortunas montando os seus. O problema apareceu na manutenção: cada exceção nova exigia mais regras, as regras começavam a conflitar entre si, e o custo de manter o sistema vivo passou a superar o valor que ele entregava. Quando a conta ficou clara, o dinheiro sumiu de novo.

A frustração gerou os chamados invernos da IA, no fim dos anos 70 e no fim dos 80: períodos em que o financiamento secou e trabalhar com IA virava mancha no currículo. Guarda essa parte da história. Ela explica por que tanto pesquisador sênior reagiu ao ChatGPT com cautela: quem viveu dois invernos aprende a desconfiar de verão.

O que mudou pra chegar até aqui?

A virada foi filosófica antes de ser técnica: em vez de ensinar regras à máquina, deixar a máquina aprender padrões a partir de exemplos. O nome disso é aprendizado de máquina, e a lógica é a mesma que uma criança usa pra aprender o que é um cachorro: ninguém entrega uma lista de características, ela vê exemplos até o padrão se formar.

Com essa abordagem, os marcos começaram a cair. Em 1997, o Deep Blue da IBM venceu Garry Kasparov no xadrez. Em 2012, numa competição chamada ImageNet, uma rede neural profunda esmagou os métodos tradicionais de reconhecimento de imagem, e ali começou a década do deep learning: mais dados, mais poder computacional, resultados que dobravam de qualidade em ritmo que assustava os próprios autores. Em 2016, o AlphaGo venceu o campeão mundial de Go, um jogo que exigia intuição demais pra máquina, diziam.

E em 2017, pesquisadores do Google publicaram um artigo de nome atrevido, “Attention Is All You Need”, descrevendo uma arquitetura nova chamada Transformer. É o T do GPT. Essa arquitetura se mostrou absurdamente boa em aprender padrões de linguagem em escala, e é o motor de praticamente tudo que hoje chamamos de IA generativa.

Por que o ChatGPT virou o divisor de águas?

Tecnicamente, o ChatGPT de novembro de 2022 era uma embalagem: uma interface de conversa sobre um modelo que já existia. E foi a embalagem que mudou o mundo, porque pela primeira vez qualquer pessoa podia usar o estado da arte da computação escrevendo em linguagem comum. Cem milhões de usuários em dois meses. O Instagram tinha levado dois anos e meio pra chegar lá. Dois meses.

Agora, o parágrafo que ninguém leu no meio da manchete: nada de fundamental foi inventado naquele novembro. A revolução foi de acesso. A capacidade vinha crescendo em curva composta havia uma década, longe dos olhos do público, e o ChatGPT só abriu a porta, como explico em detalhe no artigo sobre como o ChatGPT funciona por dentro.

Aqui entro com uma confissão de quem estava do lado de dentro. Em 2022, tocando a Kumulus, eu acompanhava os modelos de linguagem de perto e calculei que aquela tecnologia levaria uns cinco anos pra ficar boa o suficiente pra virar produto. Levou dois. Perdi uma janela de produto por causa desse erro de cálculo, e a lição ficou tatuada: nesta área, o especialista que aposta contra a velocidade costuma perder. Já paguei pra aprender; te repasso de graça.

O que essa história ensina pra quem vive o agora?

Setenta e cinco anos de história da inteligência artificial deixam dois padrões claros. Primeiro: o hype sempre exagera o curto prazo. Cada geração prometeu máquinas pensantes pra década seguinte e não entregou. Segundo: o longo prazo sempre surpreendeu na outra direção, com capacidades que ninguém tinha posto na conta, como as que hoje aparecem nos agentes de IA. As duas coisas são verdade ao mesmo tempo, e quem segura as duas na cabeça decide melhor que os extremistas de qualquer lado.

Minha leitura: estamos no meio da história, e é exatamente por isso que entender o básico agora vale tanto. Quem entendeu a internet em 1998 tomou decisões melhores por vinte anos, no trabalho e fora dele.

Faça isso agora

Um exercício de dez minutos que recomendo até pra executivo experiente. Abra o ChatGPT e peça: “Me explique o que é o teste de Turing e depois me diga, com honestidade, se você passaria nele. Argumente os dois lados.” Leia a resposta prestando atenção no seguinte: você está discutindo a pergunta fundadora de 1950 com uma máquina que chega perto de responder ela. Depois pergunte a si: em quais conversas do meu trabalho eu já não saberia dizer se o texto veio de gente ou de máquina? A resposta define quanto do seu ofício merece sua atenção este ano.

A história explica como chegamos aqui; o que fazer com isso na sua rotina de trabalho é o assunto do IA sem Enrolação, onde organizei o método completo, sem hype e testado em empresa de verdade. Está em ia.thiagocaserta.com/comprar pra quando você decidir sair da arquibancada.