É mesmo IA? Analisando a presença e o impacto da inteligência artificial nos softwares atuais.

Introdução – O mito da IA nos produtos atuais

Acabei de ler mais um artigo sobre o lançamento de um aplicativo com inteligência artificial (IA). Você provavelmente também já se deparou com inúmeras notícias semelhantes, seja sobre um robô que pinta quadros, um serviço de streaming que promete recomendar apenas os filmes que você ama, entre outros exemplos. Na maioria dos casos, trata-se apenas de uma manobra de marketing disfarçada, que usa o termo inteligência artificial, ou até mesmo o rótulo SMART, para promover produtos que, na prática, não têm nada de inteligentes.

É verdade que algumas dessas empresas e produtos realmente utilizam inteligência artificial, porém, são exceções. A maioria apenas se apropria do termo para gerar impacto e atrair atenção, enquanto apenas uma pequena parcela aplica IA de fato, em processos como aprendizado de máquina, análise preditiva ou automação inteligente.

Da negação ao exagero – o ciclo histórico do termo

Vivemos hoje uma situação oposta à da década de 1990, quando grandes empresas evitavam usar os termos “inteligência artificial” e “robótica” por considerá-los prejudiciais à imagem e à atração de investimentos. Naquela época, como destacou a jornalista Patty Tascarella, “alguns acreditam que a palavra ‘robótica’ realmente carrega um estigma”.

Atualmente, o uso indiscriminado do termo “inteligência artificial” tornou-se um recurso leviano para atrair consumidores desavisados, prática conhecida entre os norte-americanos como AI Washing. Trata-se de uma estratégia de marketing que consiste em afirmar que um produto utiliza IA quando, na realidade, não utiliza. Se os fornecedores de tecnologia continuarem a desgastar o termo, “inteligência artificial” corre o risco de se tornar apenas mais uma expressão da moda, perdendo credibilidade e comprometendo a confiança de investidores e do público nessa tecnologia.

Essa é a mesma estratégia adotada por muitas incorporadoras no início dos anos 2000, quando anunciavam seus empreendimentos como “edifícios inteligentes”. Na prática, porém, bastava que o prédio tivesse circuito interno de TV, automação do ar-condicionado e um controle de acesso na portaria para receber tal rótulo. Na melhor das hipóteses, esses edifícios possuíam apenas uma vaga lembrança de quem era o visitante, baseada em seu último registro de entrada, longe de representar qualquer forma real de inteligência.

O que é inteligência artificial, afinal?

O dicionário define inteligência artificial como ramo de pesquisa da Ciência da Computação que tem como objetivo desenvolver tecnologias que simulem a inteligência humana, como raciocínio, aprendizagem, linguagem, inferência e criatividade.

De acordo com a Wikipédia, inteligência artificial é a inteligência demonstrada por máquinas, em contraste com a inteligência natural exibida por seres humanos e outros animais. Os principais livros didáticos sobre o tema definem o campo como o estudo de “agentes inteligentes”, sistemas capazes de perceber o ambiente ao seu redor e agir de forma a maximizar as chances de alcançar seus objetivos.

Para a IBM, desenvolvedora da plataforma de IA Watson, o termo inteligência artificial refere-se a qualquer forma de inteligência semelhante à humana exibida por um computador, robô ou outra máquina. Em seu uso mais popular, o conceito descreve a capacidade de uma máquina imitar funções cognitivas humanas, como aprender com exemplos e experiências, reconhecer objetos, compreender informações, responder, tomar decisões e resolver problemas. Assim, segundo a empresa, a verdadeira IA surge da combinação dessas habilidades, permitindo que uma máquina execute funções que tradicionalmente exigiriam a inteligência de um ser humano.

O que há de comum entre todas essas definições é a falta de uma distinção clara, para o público leigo, entre o que realmente é uma inteligência artificial e o que é apenas um algoritmo tradicional, um programa que segue instruções pré-definidas para executar tarefas úteis, mas sem qualquer capacidade de aprendizado, adaptação ou raciocínio autônomo.

O mito da IA nos softwares do dia a dia

Muitas pessoas acreditam sinceramente que seu editor de texto utiliza inteligência artificial, quando, na maioria dos casos, o que há por trás são simples tabelas de correspondência e regras pré-programadas.
Sob outra perspectiva, imagine um aplicativo de streaming que contabiliza as escolhas do usuário e, a partir delas, passa a sugerir novos vídeos. Isso seria inteligência artificial? Claro que não. Trata-se apenas de um algoritmo de recomendação estático, que registra preferências e oferece conteúdos previamente classificados por categoria, gênero, data de lançamento e outros critérios predefinidos.
Como resultado, erros nas recomendações são comuns, especialmente quando se trata de lançamentos ou conteúdos fora do padrão habitual do usuário.

O aplicativo, na verdade, não aprende nada, ele apenas repete o comportamento para o qual foi programado, com o objetivo principal de empurrar lançamentos e conteúdos em destaque.
Grande parte disso ocorre porque as tendências influenciam o comportamento humano, modificando interesses e introduzindo o imprevisto e o desconexo, justamente os elementos que confundem o algoritmo, levando-o a gerar respostas genéricas baseadas em grandes volumes de dados.
O resultado é uma padronização dos gostos, em que a maioria das pessoas acaba fazendo escolhas semelhantes, guiadas por sugestões algorítmicas.

E aqui surge a provocação: será que isso não se aproxima de uma forma sutil de doutrinação, um condicionamento disfarçado de personalização?

Separando fato e ficção

Precisamos separar fatos de ficção e desmistificar o mito da IA nos softwares atuais.
A previsão de tendências está fora do escopo das verdadeiras inteligências artificiais utilizadas comercialmente hoje, essa tarefa ainda é executada por algoritmos estatísticos relativamente simples, que analisam dados históricos para estimar probabilidades. Assim, é possível prever o potencial de sucesso de um filme ou série com base em padrões anteriores, mas jamais cravar o resultado.

Se as ações baseadas em tendências realmente estivessem dentro das capacidades das IA, instituições como a bolsa de valores, o mercado cambial e o universo das criptomoedas simplesmente deixariam de existir, pois tudo seria previsível. Seguindo essa lógica, quando um aplicativo de investimentos promete apoio de uma “IA”, é bem provável que esteja apenas usando o termo como chamariz, superestimando suas próprias capacidades, e, de certa forma, enganando o usuário.

É claro que existem soluções em que a inteligência artificial está restrita a um domínio específico ou área de conhecimento, algo bastante comum atualmente. Nesse caso, a IA atua dentro de limites bem definidos, sem capacidade de transferir o aprendizado para outros contextos. Ainda assim, os requisitos fundamentais para caracterizar uma verdadeira IA permanecem os mesmos:

• Ela aprende com a experiência?
• Ela é capaz de, no futuro, tomar decisões e realizar ações diferentes das previstas originalmente, baseando-se nesse aprendizado?

Se a resposta for não, então não se trata de uma inteligência artificial genuína, e sim de um sistema automatizado inteligente, uma ferramenta restrita às regras e parâmetros definidos por seus desenvolvedores, incapaz de aprender, adaptar-se ou agir de forma autônoma fora do que foi previamente estabelecido.

Para ser reconhecida como uma inteligência artificial real, uma aplicação precisa aprender continuamente e utilizar o conhecimento adquirido em novas tomadas de decisão, não apenas executar ações previstas em seu algoritmo original. Ela deve ir além da simples correspondência de padrões, sendo capaz de encontrar soluções adequadas com base em experiências anteriores, inclusive diante de situações complexas, inéditas ou desafiadoras. Em outras palavras, uma verdadeira IA deve demonstrar criatividade e capacidade de adaptação, resolvendo problemas que não foram antecipados por seus criadores nem descritos em tabelas de correspondência ou regras fixas.

Um verdadeiro e completo sistema de inteligência artificial precisaria reunir múltiplas habilidades integradas, expressas em comportamentos que hoje ainda pertencem exclusivamente ao ser humano.
Deveria ser capaz de tomar decisões e agir (reagir) com base no aprendizado adquirido (interagir), alterar o próprio algoritmo quando necessário (autogovernar), planejar e estruturar ações com cuidado e profundidade (pensar) e organizar informações provenientes de diferentes fontes, sejam interações humanas (deduzir) ou grandes volumes de dados (lembrar), além de descartar o que não é útil (esquecer).

Em essência, um sistema assim precisaria ter um nível de consciência, algo que alguns talvez chamassem de alma, a fronteira que ainda separa a inteligência simulada da inteligência genuinamente viva.

Tomar uma decisão futura com base em uma experiência anterior idêntica é o fundamento mais simples da inteligência artificial. No entanto, o verdadeiro desafio está em decidir diante do novo e do inesperado, em situações que fogem completamente dos padrões já conhecidos. Um exemplo claro seria prescrever uma medicação diante de uma variante inédita de um vírus. Nesse caso, a IA precisaria analisar semelhanças sutis, inferir possíveis correlações, formular hipóteses e tomar uma decisão fundamentada em conhecimento extrapolado, não apenas reproduzido. É exatamente nessa capacidade de criar respostas diante do inédito que reside a diferença entre automatização e verdadeira inteligência.

Algoritmos simples x sistemas inteligentes

Para compreender a diferença, é importante destacar que um algoritmo simples, se assim o podemos chamar, é essencialmente uma ferramenta de planejamento e desenvolvimento de aplicações, composta por uma sequência lógica de instruções. Essas instruções podem envolver decisões ou ações que permitem ao sistema alcançar um resultado específico em uma tarefa determinada. Os algoritmos são excelentes para dividir problemas complexos em etapas controladas, realizando análises preditivas baseadas em dados históricos para auxiliar na tomada de decisões.

Entretanto, é fundamental observar que todas as respostas possíveis já estão previamente definidas. Ou seja, o algoritmo não aprende, não se adapta e não evolui, ele apenas executa o que foi programado, dentro de limites totalmente controlados, sem qualquer tipo de processo de aprendizado real.

São, portanto, instruções estruturadas em uma árvore de decisão, do tipo: “se a resposta for ‘sim’, faça isso; se for ‘não’, faça aquilo.” As correspondências aos padrões, o “isso” e o “aquilo”, já estão predefinidas, podendo assumir duas naturezas:

• Constantes, quando o resultado é um valor fixo (numérico ou textual) que não se altera;
• Variáveis, quando o resultado depende de operações matemáticas previstas e controladas, que apenas modificam valores dentro dos limites estabelecidos.

Assim, se você assiste muitos filmes de ação e seu serviço de streaming lhe recomenda outros filmes do mesmo gênero, isso não significa que ele aprendeu algo, apenas contou e correlacionou dados. E, como lembrava Stephen Hawking,

“Inteligência é a capacidade de se adaptar à mudança.”

Ou seja, contar não é aprender, e repetir não é evoluir.

O aprendizado de máquina e seus limites

Muitos confundem inteligência artificial (IA) com aprendizado de máquina (machine learning), que é, na verdade, um subcampo da computação. O aprendizado de máquina baseia-se exclusivamente no raciocínio indutivo, ou seja, suas conclusões derivam da identificação de padrões e regras extraídas de grandes volumes de dados. Ele busca representações que revelem os fatores subjacentes às variações, os quais explicam o comportamento dos dados analisados. Essa abordagem é amplamente utilizada em aplicações de Business Intelligence (BI) e análise preditiva.

Entretanto, o aprendizado de máquina não emprega o raciocínio dedutivo, característico das aplicações de IA mais avançadas, que envolvem interpretação, inferência e tomada de decisão autônoma. Em outras palavras, o aprendizado de máquina é um componente da IA, especialmente nas aplicações que lidam com Big Data, mas não representa a inteligência artificial por si só. Uma aplicação que utiliza apenas aprendizado de máquina analisa e prevê, mas não raciocina nem compreende.

A complexidade como fronteira da inteligência

As aplicações de inteligência artificial também são desenvolvidas com base em algoritmos, e é justamente aí que nasce grande parte da confusão. A diferença essencial está na capacidade adaptativa. Enquanto os algoritmos simples operam em ambientes totalmente delimitados e controlados, executando apenas ações predefinidas, os algoritmos utilizados em aplicações de IA são muito mais sofisticados, capazes de identificar padrões inesperados, aprender com experiências anteriores e adaptar seu comportamento diante de situações fora do escopo original de programação.

Em outras palavras, a inteligência artificial não se limita ao controle, mas evolui a partir do imprevisto, e é essa capacidade que a distingue de qualquer sistema apenas automatizado.

Alguns argumentam que as aplicações de inteligência artificial podem ter diferentes níveis de inteligência, variando conforme sua finalidade ou grau de autonomia. No entanto, se uma aplicação foi limitada a ponto de não poder aprender, então não se trata realmente de uma IA. Sem a capacidade de adquirir conhecimento, adaptar-se e evoluir, o sistema não passa de uma automação avançada, por mais sofisticada que pareça. A aprendizagem é o elemento essencial que separa uma inteligência artificial autêntica de um simples conjunto de regras programadas.

Há também quem defenda a ideia de que qualquer problema resolvido por um computador é, de alguma forma, resultado de inteligência artificial, mesmo quando há intervenção humana no processo. Essa visão está alinhada à famosa frase de Larry Tesler: “IA é tudo o que ainda não foi feito.”

Segundo esse pensamento, toda tecnologia é considerada inteligência artificial até o momento em que se torna comum e compreendida. Por outro lado, há quem sustente que, assim que a IA soluciona com sucesso um determinado tipo de problema, esse problema deixa de pertencer ao domínio da inteligência artificial e passa a ser visto apenas como computação tradicional. Em ambos os casos, o conceito de IA permanece fluido e em constante redefinição, acompanhando o avanço da própria tecnologia.

Michael Kearns propõe que a dificuldade em aceitar a presença da inteligência artificial tem raízes psicológicas. Segundo ele, “as pessoas subconscientemente estão tentando preservar para si algum papel especial no universo.” Em sua visão, ao minimizar ou desconsiderar o alcance da IA, os indivíduos mantêm a sensação de singularidade e importância, acreditando que certas formas de inteligência e criatividade ainda são exclusivas do ser humano. Kearns sugere, portanto, que a resistência em reconhecer a verdadeira natureza e o avanço das IAs não é apenas técnica ou filosófica, mas também emocional e identitária.

O efeito IA e a percepção pública

O chamado “efeito IA”, ou a mudança na forma como percebemos as ações computacionais, pode ser explicado, em parte, pela popularização dos computadores. À medida que as pessoas passam a compreender melhor como os sistemas funcionam, a incógnita que antes cercava suas ações desaparece, permitindo rastrear e identificar a origem de cada decisão. Quando isso ocorre, muitas vezes se confirma que a ação resulta de um algoritmo controlado, e não de um processo de aprendizado autônomo.

Os defensores do efeito IA afirmam que ele surge quando observadores desconsideram o comportamento de um programa inteligente, alegando que a ação não foi fruto de aprendizado real. No entanto, essa interpretação é superficial. O ponto central é que não há incidência de inteligência artificial quando uma ação pode ser rastreada, prevista e explicada dentro das instruções originais do algoritmo, ou seja, quando o comportamento não ultrapassa o que foi previamente programado.

Há também quem defenda que grande parte das tecnologias de ponta desenvolvidas no campo da IA acabou sendo incorporada em aplicações gerais, muitas vezes sem receber o rótulo de “inteligência artificial”. Isso ocorre porque, quando uma tecnologia se torna comum e amplamente útil, ela deixa de ser vista como IA e passa a ser considerada apenas mais uma ferramenta computacional.

Mas a questão essencial permanece: Essas porções reutilizadas de tecnologia realmente tornaram as aplicações capazes de aprender e tomar novas decisões, decisões não previstas originalmente em seus algoritmos? Na maioria dos casos, não. O que ocorre é a transferência de técnicas avançadas, mas sem o elemento de aprendizado autônomo, o que transforma a inteligência original em mera automação aprimorada, e não em uma forma genuína de inteligência artificial.

Antes de contratar uma IA, pense no que você realmente precisa

Precisa mesmo de um aplicativo? Antes de decidir, analise com cuidado: sua necessidade pode não ser que uma inteligência artificial tome decisões por você, e sim apenas obter direcionamento e foco, algo que algoritmos simples, aprendizado de máquina e big data fazem muito bem. Essas soluções entregam análise, priorização e suporte à decisão sem prometer milagres nem confundir marketing com capacidade real de aprendizado. Portanto, avalie o problema primeiro; escolha a tecnologia que resolve o problema, não a que tem um rótulo atraente. Não se deixe enganar.

Aplaudindo a verdadeira inteligência

Existem, sim, sistemas que realmente incorporam inteligência artificial, e essa nunca foi a questão.
Não se trata de negar a existência da IA, tampouco de desmerecer o trabalho dos inúmeros profissionais que dedicam tempo, talento e pesquisa ao avanço desse campo fascinante.

Pelo contrário: é importante reconhecer e valorizar esses esforços, que impulsionam o progresso científico e tecnológico. Nosso questionamento é outro, ele se volta aos aproveitadores que usam o termo “inteligência artificial” de forma indevida, tentando atribuir inteligência onde ela simplesmente não existe, apenas para ganhar visibilidade, prestígio ou vantagem comercial.

*Baseado em artigo de Laierte Rodrigues Dias para o Linkedin

 #inteligênciaartificial #ia #aprendizadodemáquina #acessoremoto #helpdesk

Gostou do artigo? Compartilhe com seus amigos, visite nosso SITE e siga a Master Remote no Linkedin, Instagram e no Facebook, ou ainda pesquise outros artigos, e fique assim a par das novidades sobre tecnologia para atendimento remoto.

Até a próxima e sucesso.