A História da Inteligência Artificial: Uma Linha do Tempo Simples

A inteligência artificial pode parecer uma invenção novíssima. Chatbots, geradores de imagens e assistentes de voz chegaram rapidamente ao nosso dia a dia. Mas as perguntas por trás dessas ferramentas são bem mais antigas: uma máquina pode aprender? Resolver um problema? Usar a linguagem?

Inteligência artificial (IA) é o esforço amplo para fazer computadores realizarem tarefas que normalmente exigem habilidades humanas, como reconhecer imagens, entender palavras ou escolher uma jogada em um jogo. Isso não significa que uma máquina tenha consciência ou pense exatamente como uma pessoa. A história da IA é uma sequência de ideias diferentes sobre como construir máquinas úteis — e de ciclos de entusiasmo, dificuldades e progresso.

A linha do tempo em resumo

Antes do nome: ideias sobre máquinas que pensam

Muito antes de os computadores executarem os programas de hoje, pesquisadores já tentavam descrever o pensamento de um jeito que uma máquina pudesse seguir. Em 1943, o neurofisiologista Warren McCulloch e o matemático Walter Pitts publicaram uma descrição matemática de células cerebrais simplificadas. O modelo não era um cérebro funcional, mas ajudou a desenvolver a ideia de que redes de unidades simples poderiam realizar tarefas lógicas.

Em 1950, o matemático britânico Alan Turing publicou “Computing Machinery and Intelligence” (“Máquinas de computação e inteligência”). Em vez de ficar preso à pergunta difícil de definir — “Máquinas podem pensar?” —, ele propôs uma pergunta prática: uma máquina conseguiria conversar tão bem que uma pessoa não saberia dizer com segurança se estava falando com ela ou com outra pessoa? A ideia ficou conhecida como teste de Turing, e o artigo ajudou a tornar a inteligência das máquinas um tema sério de discussão.

1956: a IA ganha nome como área de pesquisa

A expressão inteligência artificial apareceu em uma proposta de 1955 para um projeto de pesquisa de verão no Dartmouth College, nos Estados Unidos. O encontro aconteceu em 1956 e reuniu pesquisadores para explorar se aspectos do aprendizado e da inteligência poderiam ser descritos com precisão suficiente para que computadores os simulassem.

O encontro não criou a IA moderna de uma hora para outra. Ele deu um nome e um objetivo comum a pesquisas que já estavam começando. Os primeiros pesquisadores criaram programas capazes de demonstrar teoremas simples, resolver quebra-cabeças e jogar. As demonstrações eram empolgantes, mas muitas só funcionavam em situações pequenas e controladas.

O otimismo inicial e os “invernos da IA”

Nas décadas de 1950 e 1960, alguns pesquisadores fizeram previsões ambiciosas sobre a rapidez com que computadores alcançariam habilidades humanas. O progresso real foi mais difícil. Os computadores tinham pouca memória e capacidade de processamento, e os primeiros programas sofriam quando um problema ia além dos exemplos previstos por seus criadores.

Quando os resultados prometidos demoraram a aparecer, governos e outros financiadores reduziram o apoio. Esses períodos de desaceleração são chamados de invernos da IA. O nome pode dar a impressão de que a pesquisa parou, mas ela continuou. O que diminuiu foi o entusiasmo público e o investimento. A IA passou por mais de um ciclo assim, e as datas exatas variam conforme o país ou a área pesquisada.

Uma abordagem popular nas décadas de 1970 e 1980 foram os sistemas especialistas. Pessoas registravam regras fornecidas por especialistas — por exemplo, se certos sintomas aparecem juntos, considere um diagnóstico específico —, e o computador aplicava essas regras. Esses sistemas foram úteis em empresas e laboratórios, mas era caro reunir e manter todas as regras. Além disso, o sistema podia falhar diante de uma situação que o manual não previa.

1997: o Deep Blue vence no xadrez

Em 1997, o Deep Blue, da IBM, derrotou o então campeão mundial de xadrez Garry Kasparov em uma disputa de seis partidas. Foi um marco impressionante, mas não significou que o computador pudesse pensar sobre qualquer assunto. O Deep Blue foi criado para jogar xadrez e usava hardware especializado e técnicas de busca para analisar muitas jogadas possíveis rapidamente.

Essa diferença aparece em toda a história da IA: uma máquina pode superar pessoas em uma tarefa específica sem ter uma compreensão humana geral. O xadrez foi um teste visível da habilidade dos computadores, não uma prova de que eles tinham se tornado pessoas.

2012: computadores aprendem com exemplos em outra escala

Por anos, pesquisadores de visão computacional tentaram ensinar computadores a reconhecer objetos em fotografias. Um grande avanço aconteceu em 2012, quando AlexNet — uma rede neural profunda treinada com muitas imagens identificadas — venceu com ampla vantagem a competição de reconhecimento de imagens ImageNet.

Uma rede neural é um sistema de computador feito de unidades matemáticas conectadas. Durante o treinamento, o sistema ajusta essas conexões para melhorar suas respostas com base em exemplos. “Profunda” quer dizer que a rede tem muitas camadas, capazes de aprender padrões cada vez mais complexos. O sucesso da AlexNet não veio de uma única ideia genial: grandes conjuntos de dados, processadores gráficos mais rápidos e métodos de treinamento melhores já estavam disponíveis.

De 2016 a 2022: jogos, linguagem e ferramentas do dia a dia

Em 2016, o AlphaGo, da Google DeepMind, derrotou o campeão de Go Lee Sedol por quatro partidas a uma. O Go tem um número enorme de jogadas possíveis, então é difícil resolver o jogo simplesmente verificando todas as opções. O AlphaGo combinava padrões aprendidos com busca para escolher as jogadas. A vitória mostrou como sistemas treinados com exemplos podiam enfrentar problemas que pareciam complexos demais para computadores.

Em 2017, pesquisadores apresentaram o transformer, uma arquitetura que ajuda a IA a processar relações entre palavras em um trecho de texto. Mais tarde, transformers se tornaram a base importante de muitos sistemas de linguagem.

Em 30 de novembro de 2022, a OpenAI lançou o ChatGPT como uma prévia de pesquisa. O formato de conversa facilitou fazer perguntas e receber respostas em linguagem comum. O ChatGPT não marcou o começo da IA; ele levou décadas de pesquisa — especialmente avanços em aprendizado profundo, dados e capacidade de processamento — a uma ferramenta que o público podia experimentar diretamente.

Por que o progresso da IA demorou tanto?

Não havia uma única invenção faltando. Os avanços em IA acontecem quando várias peças se encaixam:

• Ideias: um método capaz de aprender, pesquisar ou representar bem um problema.
• Dados: exemplos suficientes para o sistema encontrar padrões úteis.
• Capacidade de processamento: velocidade e memória para treinar e executar o sistema.
• Uma tarefa clara: um jeito de saber se a resposta do sistema é útil.

Os primeiros pesquisadores muitas vezes tinham ideias promissoras, mas não dispunham de capacidade de processamento ou dados suficientes para fazê-las funcionar em grande escala. Mais tarde, a internet disponibilizou enormes coleções de textos e imagens, enquanto processadores especializados aceleraram cálculos complexos. O progresso ainda depende de pessoas definindo objetivos, preparando dados, construindo sistemas e verificando os resultados.

O que a história nos ensina

A IA não é uma única máquina que despertou de repente. É uma área ampla, construída ao longo de muitas décadas por pesquisadores que experimentaram abordagens diferentes: escrever regras, pesquisar respostas possíveis e aprender padrões com exemplos. Algumas abordagens se tornaram úteis; outras revelaram o quanto ainda faltava para os computadores fazerem.

As descobertas mais visíveis costumam combinar ideias antigas com ferramentas melhores e mais dados. E cada sucesso tem limites: um sistema excelente em uma tarefa pode não entender o mundo como uma pessoa. Conhecer essa história ajuda a colocar a IA atual em perspectiva: é uma tecnologia poderosa, com um longo passado, capacidades reais e muitas perguntas ainda em aberto.

Fontes para saber mais

• McCulloch e Pitts, “A Logical Calculus of the Ideas Immanent in Nervous Activity” (1943)
• Artigo de Alan Turing de 1950 no Turing Digital Archive
• Relato de Dartmouth sobre o encontro de IA de 1956
• Computer History Museum: primeiros chatbots, redes neurais e IA
• IBM: Deep Blue e a disputa de 1997
• Artigo da AlexNet, “ImageNet Classification with Deep Convolutional Neural Networks”
• Google DeepMind: AlphaGo
• Artigo sobre transformers, “Attention Is All You Need”
• OpenAI: Introducing ChatGPT