IA significa inteligência artificial, mas esse rótulo abrange ferramentas muito diferentes que funcionam de formas muito distintas. A IA que escreve texto, a que cria imagens e a que recomenda a sua próxima série no Netflix quase não têm nada em comum, exceto o facto de todas terem aprendido a partir de grandes quantidades de dados.
«IA» é uma daquelas palavras que se usa para descrever tudo, desde a autocorreção do telemóvel até aos robôs de ficção científica. Essa imprecisão torna genuinamente difícil perceber de que é que as pessoas estão a falar. A verdade é que «IA» não é uma coisa única — é uma família de ferramentas muito diferentes que funcionam de formas muito distintas. Este guia separa-as.
Os Três Tipos de IA que Vai Encontrar com Mais Frequência
Chatbots: o tipo que fala
Um chatbot é uma IA com quem tem uma conversa. Escreve ou diz uma pergunta, e ele responde por escrito. O ChatGPT, o Gemini da Google e a Siri da Apple são todos chatbots, embora funcionem de forma um pouco diferente por baixo.
Os chatbots foram treinados com uma quantidade enorme de texto — mais livros, artigos e páginas web do que qualquer ser humano poderia alguma vez ler. É assim que conseguem responder a perguntas, explicar conceitos, ajudar a redigir e-mails, traduzir entre línguas e manter uma conversa. Funcionam ao prever quais as palavras que devem vir a seguir, com base nos padrões que aprenderam durante o treino.
Isto torna-os impressionantes, mas imperfeitos. Para temas bem documentados nos seus dados de treino, são frequentemente precisos. Para factos muito específicos, obscuros ou recentes, podem estar errados com toda a confiança. Perceber isto é a chave para os usar bem.
Geradores de imagens: o tipo visual
Um gerador de imagens cria imagens a partir de descrições em texto. Escreve «uma pintura em aguarela de um farol ao pôr do sol» e a ferramenta cria uma imagem original — que nunca existiu antes. O Midjourney, o Adobe Firefly e o DALL-E são exemplos bem conhecidos.
Estas ferramentas foram treinadas ao analisarem milhões de imagens associadas a legendas ou descrições. Não estão a copiar nenhuma imagem que tenham visto. Estão a gerar algo novo com base nos padrões visuais que aprenderam durante o treino.
Os geradores de imagens são potentes para projetos criativos, mas têm uma particularidade conhecida: por vezes erram em detalhes específicos de formas estranhas — demasiados dedos numa mão, texto de fundo que parece palavras mas não é, pequenos detalhes que não se sustentam bem sob uma análise cuidadosa.
Motores de recomendação: o tipo invisível
Esta é a IA que a maioria das pessoas usa com mais frequência sem se aperceber. Quando a Netflix sugere uma série que pode gostar, quando o Spotify cria uma lista de reprodução, quando a Amazon mostra «os clientes também compraram» — é um motor de recomendação a trabalhar silenciosamente em segundo plano.
Estes sistemas analisam padrões no comportamento de grandes números de pessoas — o que veem, compram, clicam, ouvem ou ignoram — e usam esses padrões para prever o que vai gostar. Não estão a ter uma conversa consigo. Não percebem porque é que gosta de algo. Simplesmente notam que pessoas com padrões semelhantes aos seus também gostaram de certas coisas, e apresentam-lhas.
Os motores de recomendação são frequentemente notavelmente precisos, mas são limitados. Otimizam para o que provavelmente vai interagir, o que nem sempre é o mesmo que o que é melhor para si.
O Que os Três Têm em Comum
Apesar das suas diferenças, todas estas ferramentas partilham uma característica fundamental: aprenderam a partir de dados. Não foram programadas com regras explícitas para cada situação. Em vez disso, foram treinadas — expostas a enormes quantidades de exemplos — e aprenderam padrões.
É isto que torna a IA moderna diferente do software tradicional. O software tradicional segue regras exatas escritas por um programador: «Se A, então B.» A IA faz previsões com base em padrões. É por isso que consegue lidar com coisas que os programadores nunca anteciparam especificamente, e também por isso que pode falhar de formas surpreendentes que o software baseado em regras não falharia.
O Que a IA Ainda Não Consegue Fazer
Apesar das capacidades destas ferramentas, existem limites claros e consistentes. A IA não tem compreensão genuína, sentimentos nem objetivos. Não consegue agir no mundo físico por conta própria. Não consegue verificar de forma fiável os seus próprios factos — produz resultados que soam plausíveis sem verificar se são precisos. E não forma relações reais — quando um chatbot parece caloroso ou interessado, está a produzir texto que corresponde ao padrão do calor humano. Na verdade, não se importa.
A IA é também tão boa quanto os dados com que foi treinada. Se esses dados contiverem erros, preconceitos ou lacunas, a IA vai refleti-los também.
Nada disto torna as ferramentas de IA menos úteis para as coisas em que são genuinamente boas. Apenas torna mais fácil saber quando confiar nelas e quando verificar novamente.
O que fazer a seguir: Se quiser perceber porque é que a IA por vezes parece completamente confiante enquanto está completamente errada, Porque é Que a IA Inventa Coisas? explica o mecanismo claramente. E se estiver pronto para experimentar um chatbot pela primeira vez, O Que É o ChatGPT? é um bom ponto de partida.
