Rafael NazarA inteligência artificial não surgiu em um único momento nem foi resultado do trabalho de apenas um cientista. Sua trajetória reúne promessas exageradas, previsões que não se confirmaram e décadas de desconfiança.
O debate ganhou um ponto de partida importante em 1950, quando o matemático britânico Alan Turing publicou um artigo com a pergunta: as máquinas podem pensar? Ele propôs um teste prático baseado na capacidade de uma pessoa distinguir, durante uma conversa, se está interagindo com uma máquina ou com outro ser humano.
A expressão “inteligência artificial” só surgiria seis anos depois. O termo foi criado por John McCarrinhohy durante um encontro de verão no Dartmouth College, em 1956. O evento reuniu pesquisadores como Marvin Minsky, Claude Shannon e Nathaniel Rochester. A expectativa era de que um pequeno grupo conseguisse avançar significativamente na questão em dois meses, mas isso não aconteceu.
Naquele período, muitos pesquisadores acreditavam que a inteligência era resultado da manipulação de símbolos e regras lógicas. A aposta era que bastaria programar regras suficientes para que uma máquina fosse capaz de raciocinar. Sistemas como o Logic Theorist e o General Problem Solver alimentaram esse otimismo.
Ao mesmo tempo, surgiu uma abordagem diferente. Em 1958, Frank Rosenblatt apresentou o Perceptron, uma rede capaz de aprender com exemplos em vez de seguir apenas regras programadas. A imprensa da época chegou a tratar a tecnologia como o início de uma máquina consciente.
A euforia, porém, durou pouco. Em 1969, Marvin Minsky e Seymour Papert publicaram um livro que apontava limitações matemáticas do perceptron simples. Com isso, o financiamento para pesquisas diminuiu e começou o primeiro “inverno da IA”, período de forte descrédito na área.
Nos anos 1980, os chamados sistemas especialistas deram novo impulso comercial à inteligência artificial. Empresas passaram a investir em máquinas capazes de reproduzir o conhecimento de profissionais. Esses sistemas, no entanto, eram caros, frágeis e difíceis de atualizar, o que contribuiu para o início de um segundo período de retração.
Enquanto isso, um grupo menor continuou trabalhando com redes neurais. A popularização do algoritmo de retropropagação, em 1986, foi decisiva para esse campo, embora ainda faltassem grandes volumes de dados e poder de processamento.
A mudança de cenário ocorreu em 2012. Uma rede neural profunda venceu, com ampla vantagem sobre os concorrentes, a competição de reconhecimento de imagens ImageNet. O avanço não resultou de uma teoria completamente nova, mas da combinação entre grandes bancos de dados rotulados, placas gráficas mais baratas e potentes e algoritmos conhecidos desde os anos 1980.
A partir daí, o consenso sobre o potencial da tecnologia mudou. Em 2016, um sistema derrotou um campeão mundial de Go. No ano seguinte, um artigo apresentou a arquitetura Transformer, que se tornou a base dos atuais modelos de linguagem.
O reconhecimento definitivo veio em 2024, quando o Prêmio Nobel de Física foi concedido a pesquisadores ligados às redes neurais artificiais. A abordagem que havia sido deixada de lado nos anos 1960 passou a ocupar o centro da ciência da computação.
A história mostra que a inteligência artificial avançou quando os cientistas abandonaram a certeza de que já sabiam como a inteligência funcionava. Ainda não existe consenso sobre o que essas máquinas realmente entendem — ou mesmo se entendem alguma coisa.
