Thiago Tonus

Tag: aprendizado de máquina

  • O que é inteligência artificial?

    O que é inteligência artificial?

    Resposta rápida: inteligência artificial (IA) é a área da computação que cria sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana — como reconhecer imagens, entender e produzir textos, traduzir idiomas, fazer recomendações e apoiar decisões. Em vez de seguir apenas regras fixas escritas por programadores, a maioria das IAs atuais aprende padrões a partir de grandes volumes de dados.

    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

    O que é inteligência artificial? Explicando para crianças

    Imagine que você está ensinando seu cachorro a dar a pata. Você repete várias vezes, dá um petisco quando ele acerta, e um dia ele aprende. A inteligência artificial é parecida, só que quem aprende é o computador!

    Em vez de petiscos, o computador recebe muitos exemplos. Se mostramos a ele milhares de fotos de gatos e dizemos “isto é um gato”, ele começa a perceber o que os gatos têm em comum: orelhas pontudas, bigodes, olhos redondos. Depois, quando vê uma foto nova, consegue adivinhar: “acho que isso é um gato!”.

    A IA já está perto de você: quando o celular desbloqueia olhando para o seu rosto, quando o aplicativo de vídeos sugere um desenho que você gosta ou quando você pede uma música para o assistente de voz. Mas lembre-se: a IA não pensa nem sente como uma pessoa. Ela é uma ferramenta muito boa em achar padrões — e às vezes erra. Por isso é sempre bom conversar com um adulto sobre o que ela responde.

    O que é inteligência artificial? Explicando para adultos que estão começando

    De forma simples, inteligência artificial é um conjunto de técnicas que permite a computadores aprender com dados e tomar decisões ou gerar conteúdos sem que cada passo tenha sido programado manualmente. A OCDE, organização que orienta políticas públicas em dezenas de países, define um sistema de IA como um sistema baseado em máquina que, a partir das informações que recebe, infere como gerar resultados — previsões, conteúdos, recomendações ou decisões — capazes de influenciar ambientes físicos ou virtuais.

    Alguns exemplos do cotidiano:

    • Assistentes de conversa (como ChatGPT, Gemini e Claude), que escrevem, resumem e explicam textos;
    • Recomendações de filmes, músicas e produtos em plataformas de streaming e lojas on-line;
    • Mapas e GPS que preveem o trânsito e sugerem rotas;
    • Bancos que detectam compras suspeitas no cartão;
    • Saúde, com sistemas que ajudam médicos a analisar exames de imagem.

    É útil separar dois termos que aparecem muito. IA tradicional (ou preditiva) classifica e prevê: “este e-mail é spam?”, “este cliente vai cancelar?”. Já a IA generativa cria conteúdo novo — textos, imagens, áudios e vídeos — a partir de um pedido em linguagem natural (o chamado prompt).

    Dois cuidados importantes: a IA pode errar com confiança (inventar fatos, fenômeno chamado de “alucinação”) e pode reproduzir vieses presentes nos dados com que foi treinada. Por isso, vale usar a IA como apoio, conferir informações importantes e evitar compartilhar dados pessoais sensíveis. Quer saber o que acontece “por dentro”? Veja como funciona a inteligência artificial.

    Para quem quer se aprofundar sem fórmulas, dois livros são boas portas de entrada: Desmistificando a inteligência artificial, da pesquisadora brasileira Dora Kaufman (PUC-SP), e Artificial Intelligence: A Guide for Thinking Humans, da cientista da computação Melanie Mitchell, que explica com clareza o que a IA faz bem — e onde ainda falha.

    O que é inteligência artificial? Explicando para especialistas em tecnologia

    Do ponto de vista técnico e regulatório, a definição de referência hoje é a da OCDE, revisada em 2023: “um sistema baseado em máquina que, para objetivos explícitos ou implícitos, infere, a partir da entrada que recebe, como gerar saídas como previsões, conteúdos, recomendações ou decisões que podem influenciar ambientes físicos ou virtuais”, com diferentes níveis de autonomia e adaptabilidade após a implantação. Essa formulação influenciou diretamente o AI Act da União Europeia (Regulamento 2024/1689) e o texto do PL 2338/2023, o marco legal da IA aprovado pelo Senado em dezembro de 2024 e ainda em análise na Câmara dos Deputados.

    Note o deslocamento conceitual: a definição não depende de uma técnica específica, mas da capacidade de inferência. Isso abrange desde sistemas simbólicos e baseados em regras até o paradigma dominante de aprendizado de máquina — em especial o deep learning (redes neurais profundas otimizadas por gradiente, LeCun, Bengio e Hinton, 2015) e os modelos de fundação baseados na arquitetura Transformer, pré-treinados em larga escala e adaptados para múltiplas tarefas.

    Para quem trabalha com governança, três distinções práticas importam:

    • Modelo × sistema: o modelo (pesos treinados) é só um componente; o sistema inclui dados, interfaces, ferramentas, salvaguardas e o contexto de uso — que é onde o risco efetivamente se materializa;
    • Uso geral × finalidade específica: modelos de propósito geral exigem obrigações próprias de transparência e avaliação, como prevê o AI Act;
    • Gestão de risco ao longo do ciclo de vida: frameworks como o NIST AI RMF organizam o trabalho em governar, mapear, medir e gerenciar riscos.

    Para acompanhar a evolução de capacidades, investimentos e incidentes, a referência anual mais completa é o AI Index da Universidade Stanford.

    Na literatura acadêmica, o manual de referência da área — Inteligência artificial: uma abordagem moderna, de Stuart Russell e Peter Norvig, adotado em mais de 1.500 universidades — organiza as definições históricas de IA em quatro abordagens: pensar como humanos, agir como humanos, pensar racionalmente e agir racionalmente. Os autores adotam a quarta, definindo IA como o estudo de agentes racionais que percebem o ambiente e agem para maximizar o resultado esperado — enquadramento próximo ao da OCDE. Já o conceito de modelos de fundação foi sistematizado por pesquisadores de Stanford (Bommasani et al., 2021). Para a dimensão ética e política, vale ler Luciano Floridi (The Ethics of Artificial Intelligence, 2023) e Kate Crawford (Atlas of AI, 2021), que discute os custos materiais, trabalhistas e ambientais da tecnologia.

    Perguntas relacionadas

    Continue a série “IA em 3 níveis”:

    Fontes e leituras recomendadas

    Livros e artigos acadêmicos

    • 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
    • MITCHELL, Melanie. Artificial Intelligence: A Guide for Thinking Humans. Nova York: Farrar, Straus and Giroux, 2019.
    • KAUFMAN, Dora. Desmistificando a inteligência artificial. Belo Horizonte: Autêntica, 2022.
    • LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep learning. Nature, v. 521, p. 436–444, 2015. DOI: 10.1038/nature14539
    • BOMMASANI, Rishi et al. On the Opportunities and Risks of Foundation Models. Stanford CRFM, 2021. arXiv:2108.07258
    • FLORIDI, Luciano. The Ethics of Artificial Intelligence: Principles, Challenges, and Opportunities. Oxford: Oxford University Press, 2023.
    • CRAWFORD, Kate. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. New Haven: Yale University Press, 2021.

    Imagem de destaque: Wikimedia Commons (CC0 – domínio público).