Thiago Tonus

Como surgiu a inteligência artificial e quem criou?

Técnico trocando válvula do computador ENIAC, um dos primeiros computadores da história

Escrito por

Thiago Tonus

em

,

Resposta rápida: a inteligência artificial não tem um único criador. O termo “inteligência artificial” foi cunhado por John McCarthy em 1955, na proposta da Conferência de Dartmouth (1956), escrita com Marvin Minsky, Nathaniel Rochester e Claude Shannon — evento considerado o marco de fundação da área. Antes disso, Alan Turing já havia perguntado, em 1950, se “as máquinas podem pensar?”. A IA atual, baseada em redes neurais e grandes modelos de linguagem, é fruto de mais de 70 anos de pesquisa de milhares de cientistas.

Este artigo faz parte da série “IA em 3 níveis”, que responde às perguntas mais buscadas sobre inteligência artificial no Google por brasileiros (segundo dados do Google Trends divulgados pelo TecMundo). Cada resposta vem em três versões: para crianças, para adultos iniciantes e para especialistas.

Neste artigo

Como surgiu a inteligência artificial? Explicando para crianças

Há muito tempo, antes de existirem celulares, um cientista inglês chamado Alan Turing teve uma ideia curiosa: “Será que um dia as máquinas vão conseguir pensar?”. Naquela época, os computadores eram do tamanho de uma sala inteira!

Alguns anos depois, em 1956, um grupo de cientistas se reuniu durante as férias de verão em uma universidade nos Estados Unidos, chamada Dartmouth. Eles queriam descobrir como ensinar computadores a resolver problemas e usar a linguagem. Foi ali que o nome “inteligência artificial” ficou famoso.

Desde então, muita gente no mundo inteiro foi melhorando essa ideia, como uma grande corrida de revezamento: cada cientista passou o bastão para o próximo. Por isso, a IA não foi inventada por uma pessoa só — ela foi construída por muitas!

Como surgiu a inteligência artificial? Explicando para adultos que estão começando

A história da IA tem fases de entusiasmo e de desânimo. Os marcos principais:

  • 1950 — Alan Turing publica o artigo “Computing Machinery and Intelligence” e propõe o famoso “jogo da imitação”, hoje conhecido como Teste de Turing;
  • 1956 — Conferência de Dartmouth: John McCarthy, Marvin Minsky, Claude Shannon e outros fundam oficialmente o campo e popularizam o nome “inteligência artificial”;
  • 1966 — ELIZA: um dos primeiros programas de conversa, criado por Joseph Weizenbaum no MIT;
  • Anos 1970 e 1980 — “invernos da IA”: as promessas não se cumprem no ritmo esperado e o financiamento diminui;
  • 1997 — Deep Blue, da IBM, vence o campeão mundial de xadrez Garry Kasparov;
  • 2012 — revolução do aprendizado profundo: redes neurais passam a reconhecer imagens com precisão inédita, graças a mais dados e a placas gráficas (GPUs);
  • 2016 — AlphaGo, do Google DeepMind, vence um dos melhores jogadores de Go do mundo;
  • 2017 — arquitetura Transformer, base dos modelos de linguagem atuais;
  • 2022 — lançamento do ChatGPT, que leva a IA generativa ao grande público;
  • 2024 — Prêmios Nobel de Física e de Química reconhecem pesquisas ligadas à IA, como as redes neurais e o AlphaFold, que prevê a estrutura de proteínas.

No Brasil, o governo federal lançou em 2024 o Plano Brasileiro de Inteligência Artificial (PBIA), com previsão de investimentos de R$ 23 bilhões até 2028. Quer entender a tecnologia por trás dessa história? Leia como funciona a inteligência artificial.

Para conhecer a história em detalhe, o livro The Quest for Artificial Intelligence, de Nils J. Nilsson — pioneiro da área em Stanford —, narra as ideias e conquistas da IA desde suas origens e é disponibilizado gratuitamente pelo autor. O primeiro capítulo de Inteligência artificial: uma abordagem moderna, de Russell e Norvig, traz um resumo excelente da mesma trajetória.

Como surgiu a inteligência artificial? Explicando para especialistas em tecnologia

A genealogia técnica da IA costuma ser lida como a alternância entre duas tradições: a simbólica (lógica, busca e representação explícita de conhecimento) e a conexionista (aprendizado estatístico em redes de unidades simples).

  • Fundamentos (1943–1958): o neurônio formal de McCulloch e Pitts (1943); a pergunta operacional de Turing (Mind, 1950); a proposta de Dartmouth (1955), que conjecturava que “todo aspecto do aprendizado (…) pode, em princípio, ser descrito com tanta precisão que uma máquina pode simulá-lo”; e o perceptron de Rosenblatt (1958);
  • Hegemonia simbólica e invernos (1960–1990): resolvedores gerais de problemas, Lisp e sistemas especialistas; as limitações do perceptron de camada única apontadas por Minsky e Papert (1969), o Relatório Lighthill (1973) e o colapso do mercado de sistemas especialistas no fim dos anos 1980 marcam os dois “invernos”;
  • Virada estatística (1986–2011): a popularização do backpropagation (Rumelhart, Hinton e Williams, 1986), SVMs, modelos probabilísticos e, com a web, a disponibilidade de grandes bases de dados;
  • Deep learning (2012–2017): AlexNet no ImageNet (2012) inaugura a era das GPUs; seguem-se modelos de sequência, aprendizado por reforço profundo (AlphaGo) e o Prêmio Turing de 2018 a Hinton, LeCun e Bengio;
  • Modelos de fundação (2017–hoje): o Transformer viabiliza o pré-treinamento em escala; GPT, BERT e sucessores levam aos assistentes de uso geral e, mais recentemente, a modelos multimodais, de raciocínio e agentes.

Uma leitura útil para quem projeta políticas e produtos: avanços recentes resultaram menos de rupturas conceituais isoladas e mais da combinação de dados, compute e arquiteturas escaláveis — o que desloca o debate para infraestrutura, soberania tecnológica e governança, temas centrais do PBIA e do PL 2338/2023.

Os marcos citados acima têm artigos originais que valem a leitura: o neurônio formal (McCulloch e Pitts, 1943), o perceptron (Rosenblatt, 1958), o ELIZA (Weizenbaum, 1966), o backpropagation (Rumelhart, Hinton e Williams, 1986), a AlexNet (Krizhevsky, Sutskever e Hinton, 2012), o AlphaGo (Silver et al., 2016) e o AlphaFold (Jumper et al., 2021) — este último reconhecido com o Prêmio Nobel de Química de 2024.

Perguntas relacionadas

Continue a série “IA em 3 níveis”:

Fontes e leituras recomendadas

Livros e artigos acadêmicos

  • NILSSON, Nils J. The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press, 2010. PDF gratuito do autor
  • RUSSELL, Stuart; NORVIG, Peter. Inteligência artificial: uma abordagem moderna. 4. ed. Rio de Janeiro: GEN LTC, 2022. (Original: Artificial Intelligence: A Modern Approach, Pearson, 2020.) Site do livro
  • TURING, Alan M. Computing Machinery and Intelligence. Mind, v. LIX, n. 236, p. 433–460, 1950. Oxford Academic
  • McCULLOCH, Warren S.; PITTS, Walter. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, v. 5, p. 115–133, 1943. DOI: 10.1007/BF02478259
  • ROSENBLATT, Frank. The perceptron: a probabilistic model for information storage and organization in the brain. Psychological Review, v. 65, n. 6, p. 386–408, 1958. DOI: 10.1037/h0042519
  • WEIZENBAUM, Joseph. ELIZA — a computer program for the study of natural language communication between man and machine. Communications of the ACM, v. 9, n. 1, p. 36–45, 1966. DOI: 10.1145/365153.365168
  • RUMELHART, David E.; HINTON, Geoffrey E.; WILLIAMS, Ronald J. Learning representations by back-propagating errors. Nature, v. 323, p. 533–536, 1986. DOI: 10.1038/323533a0
  • KRIZHEVSKY, Alex; SUTSKEVER, Ilya; HINTON, Geoffrey E. ImageNet classification with deep convolutional neural networks. NeurIPS, 2012 (versão em Communications of the ACM, v. 60, n. 6, 2017). DOI: 10.1145/3065386
  • SILVER, David et al. Mastering the game of Go with deep neural networks and tree search. Nature, v. 529, p. 484–489, 2016. DOI: 10.1038/nature16961
  • JUMPER, John et al. Highly accurate protein structure prediction with AlphaFold. Nature, v. 596, p. 583–589, 2021. DOI: 10.1038/s41586-021-03819-2
  • VASWANI, Ashish et al. Attention Is All You Need. NeurIPS, 2017. arXiv:1706.03762

Imagem de destaque: computador ENIAC, Exército dos EUA, via Wikimedia Commons (domínio público).

Comentários

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Mais posts