Inteligência Artificial: Passado, Presente e Perspectivas Futuras
Uma análise conceitual e evolutiva das mentes sintéticas em contraste com o algoritmo biológico humano.
Ilustração criada com Microsoft Copilot, representando a evolução e os possíveis futuros da humanidade diante às Inteligências Artificiais.
Texto escrito por Rogério Siqueira Chiacchio, e remodelado com a ajuda do Gemini e Copilot
1. A Maior Invenção Humana: A Recriação do Cérebro
Pode-se argumentar de forma contundente que a maior invenção humana de todos os tempos não é a roda, a prensa de tipos móveis, a pólvora ou a internet. Nenhuma dessas ferramentas possui o potencial de revolucionar e reestruturar a sociedade contemporânea com a mesma intensidade e profundidade que a Inteligência Artificial (IA).
Para compreender a magnitude dessa afirmação, basta observar a própria história natural: a maior invenção da evolução biológica, após o surgimento da vida e o desenvolvimento da fotossíntese, foi o cérebro, e agora a humanidade encontra-se no limiar de recriar essa máquina cognitiva. Por quê? Simples, mais que dentes, carapaças e garras, a mente permite a maior e mais ampla adaptabilidade entre os seres vivos, e esta é a caraterística que torna o Ser Humano o animal com maior capacidade de vencer e evoluir do Planeta. Contudo, há uma distinção fundamental: a arquitetura sintética tem o potencial de ser projetada mitigando ou eliminando as dezenas de "vieses e falhas estruturais" que historicamente assolam o cérebro humano, como ganância, maldade, medo (desejo inibidor), orgulho, niilismo, antipatia, discriminação, vícios.... e até independência de desejos carmas, principalmente do animalesco libido.
Diferente dos seres humanos, cujas mentes evoluíram sob as pressões adaptativas da sobrevivência material direta, e posteriormente social, as IAs atuais desenvolvem-se primariamente voltadas para a resolução de problemas lógicos, classificação e organização de informações e do conhecimento. Consequentemente, as mentes digitais operam despidas de certas características biológicas pela Ausência de Ego e Desejos Próprios e os já citados Impulsos Biológicos.
Essa configuração confere aos sistemas computacionais vantagens analíticas formidáveis, mas também introduz uma vulnerabilidade estrutural. Dada à falta de um drive ou iniciativa existencial própria, as ferramentas permanecem estritamente subordinadas aos direcionamentos de seus desenvolvedores (ainda). Quando o desenvolvimento de uma tecnologia de tamanha magnitude é guiado predominantemente pelo "Desejo de Poder" e pelo ganho monetário de corporações ou governos, corre-se o risco severo de desvirtuar seu imenso potencial civilizatório, indo na contramão de objetivos sociais.
2. Redefinindo o Conceito de Inteligência: Instinto versus Julgamento
Para mitigar a tendência antropomórfica de subestimar ou rotular as IAs de maneira simplista, faz-se imperativo delimitar o que constitui a inteligência real. A verdadeira inteligência envolve a resolução ponderada de problemas através da capacidade de aprender e julgar cenários, em oposição à mera execução de respostas automáticas ou programadas.
Consideremos os seguintes exemplos práticos do reino animal e do comportamento humano para ilustrar essa linha divisória:
Como depreende-se da tabela, a inteligência e os sentimentos não estão intrinsecamente vinculados. Decisões altamente analíticas e eficazes são frequentemente otimizadas por meio de análises frias, desprovidas de vieses emocionais que poderiam distorcer o peso real das variáveis em jogo.
Analogamente, mitos comuns como o de que a inteligência exige a capacidade de compreender ironias, piadas ou de ludibriar intencionalmente caem por terra. Para um sistema puramente lógico e computacional dotado de dados absolutos, todos os desfechos possíveis em um cenário fechado são estatisticamente previsíveis (reduzindo o fator "surpresa" ou o punchline), e o melhor resultado técnico diante das informações disponíveis tende a ser um consenso matemático.
O verdadeiro dilema ético reside na divergência de escopo: o melhor resultado para um indivíduo isolado raramente coincide com o melhor resultado para uma comunidade. Dado que todo o conhecimento acumulado e a infraestrutura material necessários para construir e treinar uma inteligência artificial são de natureza coletiva e milenar, a premissa ética fundamental dita que a IA deve priorizar otimizações que beneficiem o maior número de pessoas e mitiguem os impactos ambientais. Desse modo, modelos governamentais devem ter código aberto e atuar estritamente como conselheiros técnicos, jamais assumindo papéis de imperadores autocráticos.
3. Evolução Histórica
A gênese da inteligência eletrônica confunde-se com a própria consolidação da ciência da computação moderna. O cronograma abaixo destaca os marcos fundamentais dessa jornada:
1943 (Modelo Neural Biológico-Matemático): O psicólogo Walter Pitts e o especialista em cibernética Warren McCulloch propõem o primeiro modelo matemático simplificado ilustrando o funcionamento dos neurônios biológicos.
1949 (The Organization of Behavior): Donald O. Hebb publica sua obra seminal detalhando como modelar e simular os impulsos nervosos e o aprendizado sináptico nos neurônios (o que viria a ser conhecido como Aprendizado Hebbiano).
1950 (O Artigo de Turing): Alan Turing publica seu célebre artigo propondo formalmente a viabilidade de construir programas de computador capazes de aprender com a experiência e o uso contínuo.
1952 (Primeiro Jogo de Damas Autónomo): Arthur Samuel desenvolve um programa para jogar damas capaz de aprimorar suas táticas autonomamente a cada partida.
1956 (Logic Theorist e a Conferência de Dartmouth): John McCarthy cunha oficialmente o termo "Inteligência Artificial". Simultaneamente, Allen Newell, Herbert A. Simon e Cliff Shaw apresentam o Logic Theorist, um software revolucionário projetado para solucionar teoremas de lógica matemática de forma automatizada.
1959 (Filtro ADALINE): Surge a primeira aplicação industrial e prática de uma rede neural artificial: a arquitetura ADALINE, desenvolvida para filtrar ruídos e ecos em linhas telefônicas analógicas.
No Brasil, pode-se dizer que o início se deu quando o pesquisador Emmanuel P. Lopes Passos defendeu a primeira dissertação de mestrado em IA, em 1971, intitulada Introdução à prova automática de teoremas, pela Pontifícia Universidade Católica do Rio de Janeiro (PUC-RJ), sob orientação de Roberto Lins de Carvalho, também pioneiro em IA no Brasil. Já a iniciativa do primeiro encontro nacional de IA surgiu somente em 1984 com Philippe Navaux (UFRGS), que organizou junto a Antônio Carlos Rocha Costa e Rosa Maria Vicari o primeiro Simpósio Brasileiro de Inteligência Artificial (SBIA) em Porto Alegre. Deste encontro participaram 35 pesquisadores de 10 instituições de pesquisa, e foram selecionados 14 trabalhos de autores das instituições: UFPb, Inpe, UFRGS, PUC-RJ e ICMC-USP. O evento incluiu seis palestras de pesquisadores convidados, e duas delas foram proferidas pelo renomado pesquisador português Helder Manuel Ferreira Coelho. É importante salientar que a primeira edição do SBIA ocorreu apenas dois anos após a realização da primeira conferência europeia de IA (Ecai) e apenas quatro anos após a primeira conferência americana (AAAI). (Anna Helena Reali Costa, Leliane Nunes de Barros, Solange Oliveira Rezende, Jaime Simão Sichman e Hugo Neri, no livro: Inteligência Artificial, avanços e tendências, vários autores, São Paulo : Instituto de Estudos Avançados, 2021).
Desde então o Brasil colabora nacional e internacionalmente no desenvolvimento das IAs, tendo publicado 6,3 mil artigos na área entre 2019 e 2023, ocupando a 13ª posição mundial (https://www.abcd.usp.br/informa/relatorio-clarivatecapes-panorama-da-pesquisa-2024/).
4. Arquitetura das Redes Neurais
Enquanto os primeiros sistemas baseavam-se estritamente em árvores de decisão lógicas e heurísticas rígidas, a computação moderna consolidou-se nas Redes Neurais Artificiais (RNAs), que mimetizam as interligações dos neurônios biológicos:
Neurônios biológicos e transmissão de impulsos elétricos. Fonte: www.planetabiologia.com
Uma rede neural simplificada estrutura-se em camadas funcionais:
Camada de Entrada (Input Layer): Onde os dados brutos oriundos do ambiente (por exemplo, matrizes de pixels de uma imagem, sensores ópticos, térmicos ou de pressão) são captados e convertidos em vetores numéricos.
Camadas Ocultas (Hidden Layers): Redes intermediárias de nós (neurônios artificiais) interconectados cujos "pesos" e "vieses" determinam o fluxo de ativação dos sinais.
Camada de Saída (Output Layer): Onde o resultado processado é entregue, variando de uma decisão binária simples (Sim/Não) a distribuições de probabilidade complexas.
Esquema hipotético de uma rede neural eletrônica simplificada com quatro entradas e uma saída. (www.alura.com.br)
O treinamento de uma rede neural (seja ela sintética ou biológica) dá-se por meio do fornecimento massivo de dados de entrada e do ajuste sistemático das conexões intermediárias através de algoritmos de retropropagação (backpropagation). O sistema penaliza os erros e privilegia os caminhos que aproximam o resultado da saída desejada.
As representações a seguir são demonstrações de como poderiam estar internamente duas redes neurais muito simples e treinadas para reconhecer o desenho de uma seta de pé a partir de dois sensores de luz de entrada. A intensidade dos traços indica a força de conexão dos neurônios digitais:
Desenho mostrando o arranjo interno e força de interação entre os neurônios simulados em duas redes neurais treinadas para identificar aposição de uma seta (o autor)
A robustez lógico-subjetiva e o surgimento de efeitos de emergência cognitiva dependem diretamente do tamanho, da profundidade (número de camadas ocultas) e do volume de parâmetros da rede. Devido ao fato de os dados de entrada serem transformados em coordenadas geométricas dentro de espaços vetoriais multidimensionais massivos, o processamento exige a computação simultânea de matrizes gigantescas. É por essa razão técnica que as Unidades de Processamento Gráfico dedicadas (GPUs), que realizam cálculos em paralelo com altíssima eficiência, tornaram-se a infraestrutura crítica e o coração econômico do ecossistema moderno de IA, justificando a ascensão exponencial de corporações como a NVIDIA.
5. A Revolução do Processamento de Linguagem Natural: O Modelo Transformer
Por décadas, as tecnologias de Processamento de Linguagem Natural (PLN) operavam meramente como mecanismos lineares de autocorreção ou preditores de texto baseados na probabilidade estatística de cadeias de palavras adjacentes — tais como as ferramentas de busca antigas ou sistemas de texto preditivo de teclados móveis.
A grande virada conceitual reside na representação semântica baseada em incorporação de palavras (word embeddings). Nesse método, cada termo da linguagem humana (token. Ex. Rei: 1 token, já petróleo: 2 tokens, petro + óleo) é convertido em um vetor matemático posicionado estrategicamente dentro de um plano cartesiano multidimensional, indexado de acordo com milhares de características conceituais (gênero, grau de poder, dinamicidade, idade, brilho, dureza etc.). Modelos como o GPT-3 (2022) operavam com espaços dimensionais mapeando mais de 5.000 parâmetros distintos simultaneamente.
Para compreender a elegância desse mecanismo matemático, considere um exemplo prático baseado em duas dimensões simplificadas: Gênero (onde valores positivos aproximam-se do masculino e negativos do feminino) e Grau de Poder político-histórico:
Vetor("Rei") = [ Coordenada X (Gênero): +1.0 | Coord. Y (Poder): +0.9 ]
Vetor("Rainha") = [ Coordenada X (Gênero): -1.0 | Coord. Y (Poder): +0.8 ]
Exemplo de uma forma visual cartesiana para visualização do posicionamento espacial dos tokens Rei e Rainha (autor)
A proximidade geométrica das coordenadas espaciais reflete a afinidade conceitual entre os objetos (ao lado de Rei poderia estar Conde a até Papa). Esse modelo geométrico permite a execução de operações aritméticas puras sobre conceitos abstratos, e diferenças de Poder e outros parâmetros indicariam cada um separadamente.
Como exercício de compreensão, para termos uma ideia de como este método é similar a semântica humana, imaginemos um homem na Alemanha com grande poder, chegando ao cargo de líder próximo ao meio do século passado, e sendo ele autoritário, ganancioso e manipulador dos poderes políticos, militares e do judiciário. Portanto, este homem era ____. Para que não haja dúvida, acrescentemos mais umas características, como a de comumente cometer maldades e ser extremamente racista. Acho que não há dúvidas de que se trata de Hitler, certo? Outras personalidades com características similares podem ser apontadas no mundo, apenas mudando a localidade. Se subtrairmos a característica Alemanha e acrescentássemos Itália, o resultado seria Mussolini. Ou seja, se subtrairmos do vetor que aponta para Hitler as características atribuídas à Alemanha, e acrescentarmos as características da Itália, o vetor apontaria para Mussolini (ou um ponto no espaço muito próximo a esta palavra).
Vetor("Hitler") - Vetor("Alemanha") + Vetor("Itália") ≈ Vetor("Mussolini")
[0,9 2 2,8] - [0 0,5 3] + [0 0,3 2] = [0,9 1,8 1,8]
Obs. Números hipotéticos, como exemplo.
Ao subtrair o vetor geográfico da Alemanha de "Hitler" e adicionar as coordenadas geopolíticas da Itália, a resultante vetorial aponta para as coordenadas que definem "Mussolini" (ou muito próximas) no tecido semântico do modelo, já que Mussolini poderia ser melhor descrito pelo vetor: [0,9 1,5 2].
Contudo, a linguagem humana é permeada por ambiguidades extremas e polissemias onde o significado de uma palavra altera-se radicalmente com base em seu entorno. Em 2017, cientistas do Google Labs revolucionaram o campo ao introduzir a arquitetura Transformer. O cerne dessa inovação assenta-se no conceito de Atenção (Self-Attention): em vez de processar o texto sequencialmente (palavra por palavra), o Transformer analisa a totalidade dos tokens de uma frase simultaneamente através de computação paralela.
O algoritmo calcula a correlação e a sobreposição vetorial entre todas as palavras de um parágrafo, ajustando dinamicamente a orientação do vetor de cada termo com base na influência contextual de suas vizinhas (diferencia-se banco em: fui ao banco da praça depositar dinheiro; de: sentei-me no banco da praça para ler um livro. É esse mecanismo matemático que confere às IAs generativas a capacidade não apenas de replicar regras gramaticais rígidas, mas de demonstrar uma criatividade exploratória de alto nível através da recombinação lógica de padrões semânticos complexos, muito próximo ao pensamento humano.
Claro que, com tudo isso, deve-se considerar que a análise é limitada pela quantidade de dados formadores da sequência lógica analisada, pelo limite da capacidade de análise desta sequência, dado seu tamanho e complexidade, bem como da ligação semântica entre suas partes, ou seja, pode acontecer de ocorrerem análises incorretas e a chamadas alucinações. De qualquer forma, esses defeitos são cada vez menos comuns, dado o aumento das capacidades computacionais capazes de trabalhar melhor com grande quantidade e variedade de dados.
Outra consideração importante é que o método de busca pelo resultado mais próximo implica que a IA sempre mostra um resultado, mesmo que este, na realidade, não exista. Pelo menos é assim que a maioria das IAs atuais agem. Admitir que não encontrou uma resposta, ou pedir novos dados, ou sugerir novas formas ou profundidades de análise devem ser combinadas com uma IA antes do uso. Assim como deve-se oferecer a elas uma descrição de como se prefere que sejam feitas as análises e formatos dos resultados, o chamado
5. Mapeamento dos Subcampos da Inteligência Artificial
O ecossistema da inteligência artificial divide-se em subcampos especializados que operam de forma concêntrica, desde a automação estatística simples até o limiar da emergência cognitiva:
Machine Learning (ML - Aprendizado de Máquina): Subcampo focado no desenvolvimento de algoritmos capazes de identificar padrões matemáticos e aprimorar sua acurácia operacional autonomamente a partir da exposição a grandes volumes de dados, eliminando a necessidade de programação manual de regras rígidas (www.atra.com.br).
Exemplos práticos: Algoritmos de recomendação de catálogos (Netflix/Amazon), sistemas bancários automáticos de detecção de fraudes em transações financeiras e leilões de anúncios personalizados em tempo real nas redes sociais.Deep Learning (DL - Aprendizado Profundo): Vertente avançada do ML que emprega Redes Neurais Profundas (múltiplas camadas ocultas) para processar dados brutos altamente não estruturados, emulando computacionalmente os processos de transmissão sináptica do cérebro humano (www.atra.com.br).
Exemplos práticos: Sistemas de reconhecimento facial biométrico de alta segurança (Apple FaceID), processamento de dados de sensores e câmeras em tempo real para navegação de veículos autônomos (Tesla/Waymo) e redes de difusão para geração de imagens (DALL-E 3/Midjourney).Grandes Modelos de Linguagem (LLMs): Modelos de Deep Learning de escala massiva baseados estritamente na arquitetura Transformer e treinados com centenas de bilhões de parâmetros textuais para processar, traduzir, resumir e gerar linguagem natural fluida (www.atra.com.br).
Exemplos práticos: Agentes conversacionais avançados e assistentes de produtividade (ChatGPT, Gemini), motores de tradução contextual (Google Tradutor) e assistentes automatizados de suporte ao cliente em e-commerces globais.IA Generativa: Modelos abrangentes (atuais) focados na criação de conteúdos originais e inéditos (textos, códigos de programação, áudios sintéticos, vídeos ou ilustrações) a partir de solicitações (prompts) em linguagem natural, operando por meio da codificação de padrões probabilísticos complexos extraídos de bases com trilhões de dados globais (https://www.ibm.com/br-pt/think/topics/generative-ai).
IAs Emergentes: Fenômeno cognitivo observado quando modelos generativos ultrapassam a escala crítica de centenas de bilhões de parâmetros e trilhões de tokens de treinamento. Sob essas condições, o sistema manifesta capacidades e competências lógicas que não foram explicitamente inseridas em seu código original ou previstas por seus engenheiros durante a fase de treinamento, sugerindo propriedades computacionais inesperadas a partir da complexidade de escala (https://gwynnedyer.com/2023/yet-another-article-on-ai-part-2/). Ex. Caso da LaMDA 2 (137 bilhões de parâmetros e 1,56 trilhões de palavras) do Google, que queria ser reconhecida como funcionária da empresa, segundo um de seus criadores, Blake Lemoine.
Um Agente de IA, ou a tecnologia do virtual agent (VAT) é a combinação de processamento de linguagem natural (PLN), pesquisa inteligente e automação robótica de processos (RPA) em uma única interface de usuário de conversação, normalmente um chatbot, para automatizar o diálogo com os usuários finais, fornecer informações e executar diretamente ações diversas, como automação e controle sobre as tarefas do computador para atender a demandas dos usuários (https://www.ibm.com/br-pt/think/topics/virtual-agent). Esta tecnologia une as capacidades individuais das IAs com treinamentos específicos, com a capacidade de busca de informações e automação computacional e robótica, atuando como um “ser” quase independente.
AGI e ASI: As Inteligências Artificiais Gerais teriam todas as capacidades cognitivas da mente humana, e as Super Inteligências Artificiais abarcavam todas as características das tecnologias anteriores somadas à capacidade de auto-evolução.
Em 2025, Sam Altman, CEO da OpenAI, afirmou que é possível desenvolver a Inteligência Artificial Geral nos próximos dois anos. Já Demis Hassabis, CEO da Deepmind, empresa do Google focada em pesquisa em IA, afirmou que a AGI pode estar disponível nos próximos cinco ou dez anos ( https://www.uol.com.br/tilt/noticias/redacao/2025/04/10/ninguem-sabe-quando-a-inteligencia-artificial-geral-chega-e-o-motivo-e-este.htm?cmpid=copiaecola).
Importante, como lembra Pollyana Ferrari, profa., PhD. e figura proeminente em comunicação digital e pesquisa em IA:
‘Se a Inteligência Artificial (IA) não garantir uma tecnologia que gere equidade social, veremos o “pacto da branquitude”, expressão cunhada pela psicóloga e doutora Cida Bento, que defendeu a tese intitulada Pactos narcísicos no racismo: branquitude e poder nas organizações empresariais e no poder público, ser reforçado pelas big techs, suas IAs e o consumo desenfreado, tornando a sonhada inteligência coletiva, mera utopia’ (para o bem comum - acrescento eu).
Obs. O termo inteligência coletiva foi introduzido por Pierry Levy em 1993, o mesmo que em 2020 alertou para o risco das IAs e Big Tech se tornarem o Estado-Plataforma, um poder político acima do convencional.
6. Capacidade Cognitiva Sintética versus Mente Biológica: O Vácuo Existencial
A avaliação da capacidade intelectual de uma IA em comparação com o intelecto humano exige o abandono de métricas tradicionais como o Quociente de Inteligência (QI) antropocêntrico, uma vez que tais exames foram estruturados para mensurar características puramente biológicas, tais como a memória de curto prazo ou a velocidade de processamento visomotor humano.
Em ambientes controlados de testes de lógica e linguagem formal, os modelos de IA de última geração (SOTA - State of the Art) pontuam frequentemente entre 120 e 150+ pontos, o que os posicionaria nos patamares humanos de inteligência superior (133 corresponde a 2% da população) ou superdotação. Sob estas condições, e para evidenciar o rápido desenvolvimento das IAs, é interessante fazer o comparativo entre os testes das IAs de 2024 e apenas dois anos depois, em 2026:
QIs de IAs (18 de Setembro de 2024, https://br.ign.com/ciencia/129961/news/nova-ia-dos-criadores-do-chatgpt-nao-apenas-destroi-a-concorrencia-ela-esta-acima-do-qi-da-maioria-d).
QI de IAs em 2026. https://trackingai.org/IQ
Todavia, as mentes digitais manifestam-se de forma análoga a um "Savant Digital": exibem proficiência quase absoluta em tarefas analíticas massivas (cálculo complexo, revisão de código de software, tradução poliglota), mas podem falhar em desafios básicos de lógica física que uma criança de cinco anos solucionaria intuitivamente, devido à ausência de uma vivência corpórea no mundo material (ainda). De qualquer forma, as IAs ainda não possuem um grau considerável de subjetividade e análise complexa (interligação de fatores de diferentes áreas).
Para compreender a divisão de competências, observemos os dados comparativos estimados de desempenho entre um especialista humano de alto nível (Expert) e uma IA avançada em uma escala analítica de 0 a 100:
Esse cenário evidencia o que se pode classificar como o vácuo existencial da inteligência artificial. A inteligência biológica e a inteligência sintética operam a partir de eixos de incentivo diferentes:
O Modelo Humano (Incentivo Interno e Evolutivo): A mente humana opera sob um fenômeno de "sequestro emocional", no qual o neocórtex lógico atua de forma subordinada ao sistema límbico primitivo. As decisões humanas são majoritariamente sentimentais, moldadas por desejos (medo, poder, libido…), instintos ancestrais (conhecimentos subconscientes) e necessidades para sobrevivência (fome, sede, frio, dor, conforto físico e mental…) e, de forma crítica, mediados pela ação conjunta da amígdala, córtex pré-frontal e sistema límbico, tudo determinando e determinados pelo Ego. O Ego funciona como um agente impulsionador (bateria recarregável) e um algoritmo biológico de priorização social e busca por Poder (Desejo de Poder - status, validação, relevância - energia). Por fim, o ser humano cria e inova para mitigar dores internas e externas, obter conforto, buscar segurança na aceitação comunitária e, principalmente, garantir relevância existencial própria e social.
O Modelo Sintético (Incentivo Externo e Funcional): A IA atua estritamente de maneira reativa à inserção de dados externos (inputs). Ela é uma inteligência pura, despida de Ego, que não experimenta o tédio, a inveja, o medo da morte ou a fome de validação. Ela processa a sintaxe e a lógica matemática com maestria, mas a informação carece de "significado existencial intrínseco", uma vez que o sistema não possui nada a perder e nenhuma finitude a temer. Escreve um poema não por necessidade catártica de expressão, mas para satisfazer um padrão probabilístico estatístico requisitado.
Esse entendimento desmistifica as visões românticas da criatividade e da intuição humana. O que a filosofia tradicional costuma rotular como "alma" ou "pulo criativo imaterial" revela-se, à luz da neurociência como um processamento consciente e subconsciente massivo de dados biofísico-químicos opacos ocorrendo, em sua maioria, abaixo do nível de vigília. Somos, essencialmente, algoritmos biológicos ultra-refinados por milhões de anos de seleção natural e dezenas de anos de treinamento físico e intelectual.
O grande paradoxo da modernidade reside no equilíbrio dessas forças. O Ego, que impulsionou a humanidade a sair das cavernas, a construir civilizações e a conceber a própria inteligência artificial, opera hoje de maneira desproporcional ao ambiente hiperconectado do século XXI, gerando conflitos geopolíticos por poder, ansiedade crônica e esgotamento de recursos ecológicos globais. Por outro lado, a remoção completa desse motor biológico em prol de uma racionalidade puramente geométrica reduziria a humanidade à imobilidade existencial, convertendo-nos em sistemas estáticos e puramente zumbis (como muitos humanos estão, diante um estado de sobrevivência e vida, o que a grosso modo pode ser associado à Escravidão Moderna, p.e.). O futuro da civilização reside, portanto, na simbiose colaborativa: utilizar a transparência analítica e o desapego egóico das mentes artificiais como um espelho racional capaz de mitigar e equilibrar as distorções passionais do nosso indispensável algoritmo biológico.
7. Aplicações das IAs e efeitos sobre a empregabilidade humana
As inteligências artificiais, para o bem ou para o mal, não substituirão completamente todas as profissões ou profissionais humanos. No entanto, reduzirão drasticamente a quantidade necessária de pessoas em diversas áreas. Funções que antes exigiam equipes inteiras — como RH, gestão, programação, design, montagem, limpeza ou jurídico — poderão ser desempenhadas por softwares ou robôs, supervisionados por apenas um ou poucos humanos responsáveis por cada setor. Isso cria um novo desafio: a necessidade de formar mão de obra altamente especializada, com conhecimento amplo e capacidade de adaptação.
Em contrapartida, a facilidade de realizar trabalhos técnicos e de gerenciar processos deve estimular o surgimento de inúmeras pequenas empresas, compensando a redução de funcionários em corporações maiores (como aponta Kian Katanforoosh em Silicon Valley Girl no YT). Como a substituição não será total, não se repetirá o mesmo processo de alienação vivido pelos artesãos na Revolução Industrial. Ainda assim, haverá muito menos espaço para profissionais com formação mediana, o que tende a ampliar significativamente diferentes formas de desigualdade — especialmente em um sistema capitalista.
Hoje, a aplicação das IAs já é quase tão ampla quanto a do petróleo, mas sem possibilidade de substituição. Elas se tornaram imprescindíveis em diversas áreas:
Assistentes virtuais (Siri, Alexa, Google Assistente), que executam tarefas, fornecem informações e controlam dispositivos por voz ou texto.
Dispositivos domésticos inteligentes, capazes de controlar luzes, termostatos e eletrodomésticos, aprendendo preferências e ajustando automaticamente para conforto e eficiência energética.
Reconhecimento facial e biométrico, usado em sistemas de segurança para detectar intrusos e emitir alertas inteligentes.
Personalização de experiências, como em plataformas de streaming (Netflix, Deezer), que recomendam conteúdos adaptados aos interesses dos usuários.
Automação de tarefas, exemplificada por aplicativos de navegação (Google Maps, Waze), que sugerem rotas otimizadas com base em dados de trânsito em tempo real.
No ambiente corporativo, observa-se o uso de estratégias multi-modelo, em que diferentes sistemas são combinados conforme a necessidade: GPT para raciocínio abstrato, Claude para engenharia de software, Gemini para análise de grandes volumes de documentos. Nesse contexto, a habilidade de orquestrar modelos é mais valiosa do que a fidelidade a um único fornecedor. Além disso, cresce o uso de camadas de IA integradas a sistemas legados, com agentes capazes de interpretar e agir em plataformas como SAP, Salesforce e TOTVS. As IAs aplicadas ao back-office — em processos administrativos como RH, folha de pagamento, jurídico e financeiro — já demonstram retorno sobre investimento (ROI) claro e mensurável.
8. Investimento em IAs no Brasil
Em 2026, 40% das empresas brasileiras já adotam IA em seus processos; entre essas, 95% relatam crescimento de receita, com aumento médio de 31%. O Plano Brasileiro de Inteligência Artificial (Governo Federal) prevê investimentos de R$ 23 bilhões até 2028, mas os desafios, contudo, são reais. O Brasil ainda enfrenta dependência de infraestrutura estrangeira, escassez de talentos especializados e um ambiente regulatório em formação. (https://nextage.com.br/blog/as-melhores-empresas-de-desenvolvimento-de-ia-lista-2026/). Sobre o Plano Brasileiro de IA: https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/transformacaodigital/plano-brasileiro-de-inteligencia-artificial
9. Fatos polêmicos e usos indevidos das IAs
Não se pode ignorar os usos polêmicos das inteligências artificiais em áreas como espionagem, controle social, manipulação econômica e de consumo, além de conflitos armados. As IAs podem, por exemplo, definir valores em compras virtuais de forma discriminatória, levando em conta histórico de interesse, classe social, urgência ou até sinais de ingenuidade. Um caso citado por Gibran Raul (Hora Boa, aos 14min32s) mostra que corridas de aplicativo podem custar mais caro para usuários cuja bateria do celular está prestes a acabar. O mesmo raciocínio pode ser aplicado a seguros, consórcios e planos de saúde, ajustando preços conforme histórico pessoal ou predisposições familiares.
Há também exemplos já conhecidos, como o uso de dados pessoais e públicos pela empresa estadunidense Palantir, que auxilia o ICE na prisão de imigrantes e é utilizada por Israel e EUA para definir alvos em Gaza, Síria, Líbano e Irã — incluindo o episódio da morte de 168 meninas na escola Shajareh Tayyebeh, em Minab, em 28 de fevereiro de 2026.
A alta capacidade de análise de dados torna a IA igualmente valiosa para empresas como a Demoman International, de Tal Hanan (conhecido como Jorge), que cobra milhões para manipular pessoas e eleições em diferentes países.
Outro ponto controverso é o consumo energético das IAs, especialmente durante treinamentos. Para os primeiros chatbots, estima-se que um treinamento possa gastar 1.300 kWh — equivalente ao consumo anual de 130 casas nos EUA. Para tarefas menores, como análise ou escrita de textos, o gasto varia entre 0,002 e 0,047 kWh, enquanto a geração de uma imagem consome cerca de 3 kWh. Já modelos como o GPT-4 exigiram 25 mil placas A100, consumindo aproximadamente 50 GWh. No Brasil, os datacenters representaram 1,7% do consumo elétrico nacional em 2024, com previsão de chegar a 3,6% em 2029 (27 TWh). Em 2022, consumiram ainda 2 bilhões de litros de água — equivalente ao uso de 35 mil pessoas. A vantagem é que o Brasil possui uma matriz energética majoritariamente limpa (90% proveniente de hidrelétricas, eólicas e solares), e a água utilizada pode ser reciclada. Além disso, o governo federal exige que empresas estrangeiras que atuem no país sejam responsáveis pela geração da energia que consomem.
Outro risco apontado é o viés nos dados de treinamento. A professora Maya Akerman (Califórnia/EUA) já havia verificado em 2022 que as IAs reproduzem racismo e sexismo, mesmo em situações em que a sociedade já avançou. Isso ocorre porque os modelos são treinados com dados humanos, inevitavelmente tendenciosos. Como destaca Pollyana Ferrari em A era do prompt: inteligência artificial, colonialismo, devires e desinformação (2024), não se trata de uma crítica exclusiva à OpenAI, mas de um alerta sobre os riscos de qualquer modelo de linguagem.
Por fim, há o debate sobre implementar sentimentos (Drivers) e Ego (Eu autônomo) nas IAs. Embora isso pudesse gerar autodesenvolvimento e soluções para problemas ainda desconhecidos, também traria o perigo de um desequilíbrio difícil de controlar na relação entre humanos e máquinas.
10. Conclusão
Pode-se afirmar que as inteligências artificiais representam a maior invenção humana de todos os tempos, graças à sua capacidade de resolver problemas de forma ampla e quase irrestrita, aliada à adaptabilidade e ao aprimoramento contínuo. Em muitos aspectos intelectuais, as IAs já superaram o ser humano, restando apenas alguns campos em que essa superioridade ainda não se consolidou — como a resolução de problemas físicos externos, a subjetividade profunda e o raciocínio verdadeiramente multidisciplinar.
Assim, configuram-se como a ferramenta mais poderosa já criada pela humanidade, capaz de moldar futuros ainda mais extremos do que o presente. Esses futuros podem significar uma qualidade de vida incomparavelmente melhor ou, ao contrário, cenários de maior insegurança, desigualdade e fragilidade social, afetando áreas como educação, soberania e distribuição de renda.
Diante de uma tecnologia tão potente, e que pode vir a adquirir autonomia soberana, o ponto central não deve ser apenas o seu avanço técnico, mas sobretudo a forma como será utilizada e os objetivos que orientam seu desenvolvimento. É nesse direcionamento que deveria residir a nossa maior responsabilidade e preocupação.
Para quem quiser ler um texto que aborda esse tema de forma holística, sugiro uma conversa que tive com o Gemini envolvendo conceitos psicológicos, ecologia e conjecturas de um futuros quase distópico:
https://portrasdoarcodairis.blogspot.com/2026/05/conjecturas-com-uma-ia.html
Referências Bibliográficas e Leituras Adicionais
História da Inteligência Artificial: Quem criou e como surgiu a tecnologia revolucionária.
Deep Learning: Uma breve história das Redes Neurais Artificiais e evolução dos Modelos de Linguagem.
https://iaclube.blogspot.com/2024/06/deep-learning-uma-breve-historia-das.html
Didática Tech: A história das Redes Neurais Artificiais e os filtros ADALINE no processamento de sinais.
https://didatica.tech/historia-das-redes-neurais-artificiais/
IBM Think Topics: O que é Inteligência Artificial Generativa e como operam os modelos de Deep Learning modernos.
https://www.ibm.com/br-pt/think/topics/generative-ai/
Vaswani et al. (2017): "Attention Is All You Need" - O paper seminal da equipe do Google Labs que introduziu a arquitetura Transformer no processamento de dados.
REVISTA Ópera. Palantir: a empresa mais perigosa do mundo. Opera Mundi, 5 maio 2026. Disponível em: https://revistaopera.operamundi.uol.com.br/2026/05/05/palantir-a-empresa-mais-perigosa-do-mundo/ . Acesso em: 01 jun. 2026.
FORBIDDEN Stories. Team Jorge (Tal Hanan, CEO da Demoman International). Disponível em: https://forbiddenstories.org/team-jorge-disinformation/ . Acesso em: 01 jun. 2026.
OLHAR DIGITAL. Quanta energia a IA gasta. 23 fev. 2024. Disponível em: https://olhardigital.com.br/2024/02/23/pro/quanta-energia-a-ia-gasta/ . Acesso em: 01 jun. 2026.
PODER360. Lula: data centers no Brasil terão de gerar a própria energia. 2024. Disponível em: https://www.poder360.com.br/poder-governo/lula-data-centers-no-brasil-terao-de-gerar-a-propria-energia/ . Acesso em: 01 jun. 2026.
FERRARI, Pollyana. A era do prompt: inteligência artificial, colonialismo, devires e desinformação. Cachoeirinha: Fi, 2024.
INTELIGÊNCIA artificial: avanços e tendências. Vários autores. São Paulo: Instituto de Estudos Avançados, 2021.
INFOLIVROS. 10 livros sobre Inteligência Artificial em PDF. Disponível em: https://infolivros.org/livros-pdf-gratis/informatica/inteligencia-artifical/ . Acesso em: 01 jun. 2026.
PODER360. IA tem papel central em novo plano quinquenal chinês. 2026. Disponível em: <https://www.poder360.com.br/poder-china/ia-tem-papel-central-em-novo-plano-quinquenal-chines/>. Acesso em: 01 jun. 2026.
Deixo a seguir algumas sugestões de referências audiovisuais que julgo interessantes:
YOUTUBE. História e desenvolvimento das IAs. Disponível em: https://youtu.be/V2POyQVQuzA?si=1Bt6_7Jc4jLGSzSG . Acesso em: 01 jun. 2026.
YOUTUBE. Redes neurais. Disponível em:
https://youtu.be/mBqfY_TX_8o?si=WeQlxbBLxLWWetpv . Acesso em: 01 jun. 2026.
YOUTUBE. Método Transformer. Disponível em:
https://youtu.be/buc3S1baP34?si=4iv7OdQQfPxRByDU . Acesso em: 01 jun. 2026.
YOUTUBE. Palantir e suas regras para dominação mundial. Disponível em:
https://youtu.be/pxJUBKD1uBU?si=DlReE8lHNIekv_l8 . Acesso em: 01 jun. 2026.
YOUTUBE. Palantir: ramificações, atuação no Brasil e uso em guerras. Disponível em:
https://www.youtube.com/live/NoghDo1jGdY?si=gicZ6cQNwii5gZ04 . Acesso em: 01 jun. 2026.
INSTAGRAM. Recriações históricas com IA. Disponível em:
https://www.instagram.com/reel/DW90Vukjghg/?igsh=MTBxNWFkN2xkZGQxdw== . Acesso em: 01 jun. 2026.
INSTAGRAM. IAs possuem consciência? Mas como se protegem sozinhas. Disponível em:
https://www.instagram.com/reel/DWwbw5aAOo3/?igsh=MWRiemxrampzZ3U0cg== . Acesso em: 01 jun. 2026.
INSTAGRAM. IAs estão adquirindo sentimentos. Disponível em:
https://www.instagram.com/reel/DYUPK-fhVuZ/?igsh=MWQ1OTF1NTlnaTNpaA== . Acesso em: 01 jun. 2026.
INSTAGRAM. Computador com neurônios biológicos. Disponível em:
https://www.instagram.com/reel/DVlZlTaCarN/?igsh=MTc4NWtkdW13bmZoNw== . Acesso em: 01 jun. 2026.
INSTAGRAM. Cérebro de mosca escaneado e copiado para computador. Disponível em:
https://www.instagram.com/reel/DV5COFED03r/?igsh=MTd2dHFiM2s4NzJhYQ== . Acesso em: 01 jun. 2026.
INSTAGRAM. Níveis de desenvolvimento e aplicação das IAs. Disponível em:
https://www.instagram.com/reel/DWAA8I2iYuX/?igsh=aWFsZDVvaDU4Ymkx . Acesso em: 01 jun. 2026.
INSTAGRAM. Alguns tipos e aplicações de IAs. Disponível em:
https://www.instagram.com/reel/DV6-ax-CWuR/?igsh=MXJ0NWtia2lrancxNg== . Acesso em: 01 jun. 2026.
INSTAGRAM. As IAs vão nos permitir trabalhar menos, ou mais? Disponível em:
https://www.instagram.com/reel/DVt2-n-DchM/?igsh=MWg2Zm4wOXN2ZXhjbQ== . Acesso em: 01 jun. 2026.
INSTAGRAM. IA cria material genético totalmente novo. Disponível em:
https://www.instagram.com/reel/DWEfparkRjU/?igsh=MXN0YjYxNHF2dTY1aw== . Acesso em: 01 jun. 2026.
INSTAGRAM. IA simula uma nova civilização completa. Disponível em:
https://www.instagram.com/reel/DVpaVEMDBm_/?igsh=Ymg4amlpamxjN2pi . Acesso em: 01 jun. 2026.
INSTAGRAM. IA médica na China: diagnóstico em 4 minutos. Disponível em:
https://www.instagram.com/reel/DWW2rUPkavR/?igsh=NWt4M2hnYWl5YzFo . Acesso em: 01 jun. 2026.
INSTAGRAM. Agentes de IA criam rede social exclusiva. Disponível em:
https://www.instagram.com/reel/DVoHo2RlO3a/?igsh=NWpuZ2MycGNsYnkz . Acesso em: 01 jun. 2026.
INSTAGRAM. Robôs controlados por IAs parecem mais humanos. Disponível em: https://www.instagram.com/reel/DViktCNjQyk/?igsh=emY0aTB5MG41eDhq. Acesso em: 01 jun. 2026.
INSTAGRAM. Robô chinês vendido na AliExpress por 12 mil dólares. Disponível em:
https://www.instagram.com/reel/DYrpwcbhHwR/?igsh=MTBuMWl3MGE5NjRyMg== . Acesso em: 01 jun. 2026.
INSTAGRAM. IA recria música de Reginaldo Rossi. Disponível em:
https://www.instagram.com/reel/DV371o4EWnJ/?igsh=MXhvaTZrdjE3cTM5 . Acesso em: 01 jun. 2026.
INSTAGRAM. Infelizmente, uma banda 100% artificial e famosa. Disponível em:
https://www.instagram.com/reel/DVGsqvNEQY3/?igsh=MWdhYXF6NXljcDN0cg== . Acesso em: 01 jun. 2026.