Avanços da inteligência artificial até os anos 2000

Com o desenvolvimento e a democratização do acesso a computadores, a inteligência artificial (IA) viveu um período de crescimento significativo entre os anos de 1957 e 1974.  

Durante este período, o próprio governo dos Estados Unidos mostrou grande interesse na área e passou a fomentar projetos relacionados à área, investindo centenas de milhões de dólares no avanço dessa nova tecnologia. 

Interrupção dos financiamentos e o “IA Winter”   

Apesar dos avanços verificados a partir dos anos 50, em 1974 a pressão do Congresso americano e as críticas abertas do cientista e matemático James Lighthill levaram o Governo smericano a interromper as linhas de financiamento à IA. Esse período ficou conhecido como “IA Winter”.  

Como ocorre com qualquer campo de conhecimento emergente, à medida que mais descobertas eram feitas, também surgiam novos desafios.   

A redução dos financiamentos e as dificuldades tecnológicas da época impediram o progresso das pesquisas, desacelerando o desenvolvimento de soluções a partir de meados da década de 1970. 

Naquela época, os principais desafios eram relacionados a um contexto mais amplo, pois os computadores pessoais ainda eram extremamente caros e raros, e possuíam poder de processamento extremamente limitado. Além disso, o mercado ainda enfrentava problemas relacionados à coletânea de conhecimento comportamentais e baixa qualificação técnica, o que pode ser bem explicado através dos estudos de Hans Moravec.

O paradoxo de Moravec é um conceito criado pelo pesquisador de robótica Hans Moravec, que ressaltava as (importantes) diferenças entre capacidades humanas e de máquinas – o estudioso verificou que curiosamente tarefas fáceis para humanos (como habilidades motoras ou sociais) eram de difícil reprodução por máquinas; ao passo que tarefas difíceis para humanos (cálculos complexos ou análises de dados) seriam relativamente fáceis para máquinas.

Nesse sentido, identificou-se, à época, que sistemas de IA poderiam até analisar um grande volume de dados, mas tinham dificuldades em lidar com imprevisibilidades e nuances, o que faria com que uma nova geração dependesse de ainda maior capacidade computacional para seu desenvolvimento.

O retorno dos debates na década de 1980 e as críticas de John Searle 

No início dos anos 1980, o campo da IA voltou a ganhar destaque, impulsionado pela publicação do artigo “Minds, Brains and Programs” (Mentes, Cérebros e Programas), de John Searle, que apresentava uma crítica fundamental ao Teste de Turing (experimento que avalia a capacidade de uma máquina de imitar o comportamento inteligente de um ser humano) argumentando que passar no teste não significava que a máquina pensava de fato, mas apenas que era capaz de imitar o pensamento.   

Searle propôs o famoso experimento mental da Chinese Room, defendendo que uma máquina não poderia pensar genuinamente, apenas simular o ato de pensar. A conclusão do estudo era de que parecer inteligente não significava ter a capacidade de pensar, o que fez com que o mercado passasse a, paulatinamente, desafiar a ideia de que computadores seriam considerados “cérebros” eletrônicos, mas um outro arranjo completamente diferente. Mesmo com críticas dessa natureza, a década de 1980 marcou um período de crescimento para os estudos sobre inteligência artificial. 

Surgimento dos “expert systems” e a contribuição de Eduard Feigenbaum 

Um dos nomes de destaque dos anos 80 foi o cientista de Stanford, Eduard Feigenbaum, responsável por desenvolver a ideia dos “expert systems”, sistemas que buscavam simular o julgamento e o comportamento humano, especialmente em tarefas que envolvessem conhecimento especializado.   

De acordo com o cientista, os “expert systems” não substituiriam o ser humano, mas complementariam seu trabalho, dando origem ao conceito de IA generativa. Essa premissa serviu como inspiração para as inteligências artificiais modernas, como o ChatGPT, Claude e outras tecnologias atualmente conhecidas.   

Na visão de Feigenbaum, o avanço dos computadores nessa época representava uma mudança de paradigma: o mundo digital estava evoluindo do processamento de dados para o processamento de conhecimento. 

Protagonismo do Japão e o projeto Fifth Generation 

Em paralelo ao crescimento dos estudos nos Estados Unidos, o Japão assumiu um papel de liderança a partir de 1982, incentivando investimentos em IA não apenas na Ásia, mas também em outras regiões do mundo.   

Entre os anos de 1982 e 1990, o governo japonês investiu mais de USD 400 milhões no Fifth Generation Computer Project, com os objetivos de: 

• Aumentar a capacidade de processamento de computadores; 

• Implementar sistemas de lógica avançada;  

• Aprimorar inteligências artificiais existentes.   

Apesar do grande investimento, as dificuldades tecnológicas e científicas da época limitaram os resultados obtidos. Com isso, as iniciativas foram gradualmente reduzidas, assim como o financiamento para novos projetos.   

Loebner Prize e o duelo histórico com o Deep Blue 

Foi entre 1990 e 2000 que a inteligência artificial começou a adquirir contornos mais próximos do que conhecemos atualmente.  

Em 1991, foi criado o Loebner Prize, uma premiação anual organizada pelo Cambridge Center for Behavioral Studies, em Massachusetts (EUA), que tinha como objetivo reconhecer programas capazes de passar no Teste de Turing e, consequentemente, acelerar o desenvolvimento de IAs.   

Outro marco importante ocorreu em 1997, quando o computador Deep Blue, da IBM, derrotou o então campeão mundial de xadrez, Gary Kasparov. O duelo entre homem e máquina foi histórico, pois representou a primeira vez em que um ser humano era superado por um computador em um jogo que exigia raciocínio complexo.   

A vitória de Deep Blue teve um impacto profundo, pois deu à comunidade científica a certeza de que o desenvolvimento da IA estava se tornando cada vez mais palpável. Além disso, o sucesso coincidiu com o momento em que a capacidade de processamento de computadores passou a crescer exponencialmente.   

A importância do armazenamento no avanço da IA 

Para que uma inteligência artificial seja realmente eficaz na resolução de problemas, a capacidade de armazenamento é fundamental. No passado, muitas iniciativas não saíram do papel devido à limitação no armazenamento de dados nos computadores.   

Porém, a partir dos anos 2000, com o avanço tecnológico e a ampliação do armazenamento digital, essa barreira deixou de existir, permitindo que o desenvolvimento de inteligências artificiais ganhasse ainda mais tração. 

No próximo conteúdo, abordaremos o desenvolvimento da IA nas décadas seguintes e como esses avanços culminaram na inteligência artificial da atualidade.