O Paradoxo da Inteligência Artificial: Por Que Seus Sucessos se Tornam Invisíveis?

Existe um paradoxo no coração da história da inteligência artificial: quanto mais a IA avança, menos as suas conquistas são reconhecidas como inteligência. Isso tem nome, é o chamado efeito IA, e consiste em redefinir o que conta como inteligência artificial de modo a deixar de fora tudo o que as máquinas já aprenderam a fazer.

A escritora Pamela McCorduck (2004) descreve isso como parte da história do campo: sempre que alguém descobria como fazer um computador realizar algo, como jogar bem damas, aparecia um coro de críticos dizendo que aquilo não era pensar. O roboticista Rodney Brooks costuma resumir o mesmo fenômeno de outra forma: quando entendemos uma parte da IA, ela deixa de ser mágica e passa a ser só um cálculo.

Acho que isso revela algo técnico por trás da impressão. Quando um problema difícil é decomposto em regras e algoritmos que um computador executa, ele sai do território da inteligência misteriosa e entra no da computação previsível. É por isso que circula uma frase atribuída a Larry Tesler, em versões ligeiramente diferentes, segundo a qual IA é tudo aquilo que ainda não foi feito. Hofstadter (1979) a registrou como o Teorema de Tesler. Nessa leitura, a IA vive sempre na fronteira entre o que já foi formalizado e o que ainda exige intuição e cognição humana.

A assimilação silenciosa

O efeito IA não é só uma curiosidade filosófica. Os sucessos da IA raramente são celebrados com o nome IA. Eles são absorvidos pelas áreas onde se mostram úteis e viram infraestrutura. O reconhecimento de caracteres em imagens, a otimização de cadeias de suprimento, as recomendações, a automação no campo: tudo isso saiu de laboratórios de IA e hoje a maioria das pessoas chama de software. Sobra para os pesquisadores de IA lidar só com os fracassos, os problemas que ainda não foram resolvidos, o que é um caso clássico de mudar o gol de lugar (moving the goalposts).

Isso também tem um lado econômico. Depois do segundo inverno da IA, entre o fim dos anos 1980 e o início dos 1990, o termo ficou com má fama e passou a atrapalhar financiamento e vendas. Muita gente passou a descrever o próprio trabalho com outros nomes, como sistemas especialistas, modelagem preditiva ou automação avançada. O resultado foi um campo fragmentado em especialidades que raramente se reconhecem como IA.

O caso Deep Blue

O exemplo mais famoso é a partida de 1997 entre Garry Kasparov e o Deep Blue, da IBM. Antes do duelo, vencer o melhor jogador humano de xadrez era visto como um grande marco da inteligência artificial. Depois que a máquina ganhou, a percepção mudou: o feito passou a ser descrito como força bruta, um exercício de poder computacional capaz de avaliar centenas de milhões de posições por segundo, e não como inteligência de verdade.

Vale uma ressalva de honestidade. John McCarthy, que cunhou o termo inteligência artificial, também ficou desapontado, e por uma razão mais interessante do que a de quem só quer desqualificar: para ele, o Deep Blue ganhava jogando de um modo que pouco dizia sobre como a inteligência humana funciona (McCarthy, 1997). Isso é diferente de mover o gol por orgulho. Mas o curioso é que o mesmo resultado, obtido por um humano, seria visto sem hesitação como sinal de grande inteligência.

Por que a gente redefine

Uma explicação possível é a que me parece mais humana: ao negar que a máquina seja inteligente, protegemos a ideia de que a nossa cognição é especial. Isso não é exclusivo da IA. Aconteceu na história da cognição animal, quando capacidades que se achava serem só nossas, como usar ferramentas ou se reconhecer no espelho, perderam o status de exclusivas assim que foram observadas em outras espécies.

E essa reação tem um custo. Se a gente subestima o papel que a IA já desempenha, deixa de enxergar sistemas importantes que dependem dela e os riscos que isso traz. Acho que o efeito IA vai continuar. A cada novo marco, virão novas objeções e novas redefinições, e a linha da inteligência verdadeira vai seguir recuando, sempre um passo à frente do que as máquinas conseguem fazer.

O novo boom

O boom de 2022, com o lançamento do ChatGPT, deixou esse fenômeno mais forte do que nunca. Basta olhar o LinkedIn: posts a rodo sobre cursos de inteligência artificial, especialistas em nada, posts simplistas sobre modelos clássicos, como se IA fosse algo que se aprende com um curso de tecnólogo. IA para isso, IA para aquilo. Milhares de artigos sem revisão por pares sendo publicados.

A IA já está presente, só que quem faz as coisas avançarem para o nosso conforto não recebe o crédito.

Referências

• Hofstadter, D. R. (1979). Gödel, Escher, Bach: An Eternal Golden Braid. Basic Books.
• McCarthy, J. (1997). AI as sport. Science, 276(5318), 1518–1519.
• McCorduck, P. (2004). Machines Who Think: A Personal Inquiry into the History and Prospects of Artificial Intelligence (2ª ed.). A K Peters.