Rafael NazarAo buscar uma resposta para uma dúvida, é possível recorrer a uma pesquisa na internet, conversar com um chatbot de inteligência artificial ou consultar outra pessoa. Com recursos de IA cada vez mais presentes nos mecanismos de busca, pesquisar na web e conversar com um chatbot podem oferecer experiências semelhantes. A consulta a um ser humano, porém, envolve uma diferença fundamental: pessoas podem ter conhecimento sobre o assunto e avaliar o que estão dizendo.
As respostas produzidas por sistemas como ChatGPT, Claude e Gemini costumam parecer confiáveis, bem organizadas e coerentes. Ainda assim, isso não significa que essas plataformas saibam, de fato, do que estão falando. Elas processam enormes volumes de dados e geram respostas a partir de cálculos e probabilidades.
IA trabalha com tokens e probabilidades
Enquanto os humanos utilizam palavras e conceitos, os modelos de inteligência artificial trabalham com tokens, pequenas unidades associadas a códigos numéricos. “Um token é basicamente uma subpalavra”, explica Fabrício Carraro, Program Manager da Alura. Segundo ele, termos como “feliz”, “triste” e “divisível” podem ser representados por tokens.
Carraro também usa como exemplo a palavra “infeliz”. Nesse caso, o modelo pode separar o termo em “in” e “feliz”, sendo que cada parte corresponde a um número dentro do vocabulário do modelo. A combinação desses tokens forma a palavra utilizada na resposta.
Quando alguém faz uma pergunta ao ChatGPT, o sistema não articula pensamentos como uma pessoa. Ele calcula quais tokens têm maior probabilidade de aparecer em seguida, considerando os padrões identificados durante o treinamento.
O treinamento de um grande modelo de linguagem envolve uma quantidade enorme de dados. Depois dessa etapa, ocorre o aprendizado por reforço, processo usado para orientar o sistema a apresentar respostas consideradas mais úteis e adequadas aos usuários.
“Quando a IA te responde, ela está fazendo milhões de cálculos matemáticos. Cada neurônio da rede neural é, literalmente, uma equação matemática”, afirma Carraro.
Na etapa chamada de inferência, o modelo escolhe cada novo token com base nas probabilidades aprendidas durante o pré-treinamento, o pós-treinamento e o aprendizado por reforço. Em resumo, o chatbot gera aquilo que considera mais provável diante da pergunta recebida.
Recursos tentam melhorar as respostas
Embora não tenham conhecimento próprio, as plataformas de IA generativa passaram a contar com recursos que ajudam a reduzir suas limitações. Um deles é a possibilidade de consultar a internet, o que melhora as respostas sobre acontecimentos recentes, como resultados esportivos e premiações.
Outro recurso é chamado de “raciocínio”. O termo é usado entre aspas porque a máquina não pensa como um ser humano. O que ocorre é a geração de perguntas intermediárias e respostas internas antes da apresentação do resultado ao usuário.
De acordo com Carraro, esse processo permite que o modelo identifique possíveis erros, tente outra abordagem e entregue uma resposta mais confiável. Isso, no entanto, não garante que o resultado esteja correto, embora possa aumentar a precisão das respostas.
Ferramenta pode ajudar, mas exige supervisão
Para Kenneth Corrêa, especialista em inteligência artificial e professor da FGV, as plataformas podem ser vistas, em teoria, como “calculadoras mais avançadas”. Na prática, modelos de linguagem com trilhões de parâmetros conseguem produzir respostas, completar comandos, classificar documentos, identificar padrões e criar textos com desempenho que, em algumas situações, supera a média humana.
Corrêa ressalta que esses sistemas podem apresentar alucinações, mas também gerar resultados úteis. A inteligência artificial pode ajudar a encontrar conexões, produzir ideias e analisar informações de maneiras que não seriam facilmente percebidas.
Fabrício Carraro observa que descobertas feitas com o auxílio desses modelos nem sempre representam conhecimento totalmente novo. Em alguns casos, podem ser combinações de conhecimentos já existentes, organizadas de uma forma diferente ou encontradas por meio de uma capacidade de processamento que exigiria muito esforço humano.
Corrêa também destaca que as ferramentas não possuem moral ou ética. Elas podem apresentar uma resposta correta com segurança, mas demonstrar a mesma confiança ao fornecer uma informação errada.
Por isso, a supervisão humana continua essencial. “No fim do dia, a gente precisa do ser humano para validar as respostas e direcionar a IA”, afirma o professor da FGV. Cabe à pessoa decidir o que pode ou não ser utilizado nas respostas geradas pelo sistema.
