Museu da IA
erguendo as paredes...
Ao final, você vai enxergar a inteligência artificial de um jeito diferente do que entrou:
Essa é a fundação do curso inteiro. Antes de aprender a usar a ferramenta, vale entender de onde ela veio. Porque isso muda tudo.
Deixa eu adivinhar quando você acha que a IA começou.
Provavelmente no fim de 2022. Você abriu o ChatGPT pela primeira vez, escreveu alguma coisa, e uma máquina respondeu como se entendesse. Pareceu que o futuro chegou sem aviso.
A história é bem mais antiga que isso. Mais de dois mil anos mais antiga.
A pergunta que move a IA apareceu na Grécia, com Aristóteles atrás de uma coisa que parece simples e é enorme. Será que raciocinar é seguir um procedimento? Será que dá pra escrever o pensamento como um conjunto de regras que qualquer um, ou qualquer coisa, poderia executar?
Essa pergunta nunca foi embora. Ela atravessou um monge catalão que montou rodas de ideias, um filósofo que sonhou em encerrar discussões “calculando”, uma condessa inglesa que escreveu o primeiro programa, um lógico que provou que toda máquina tem um limite, e um sujeito chamado Turing que perguntou sem rodeios se a máquina podia pensar. Cada um deixou uma peça. Este museu é a coleção dessas peças.
Tem gente que trata IA como mágica. Tem gente que trata como moda passageira. Os dois perdem.
Quem trata como mágica não consegue usar bem, porque mágica você não controla, só assiste. Quem trata como moda larga tudo no primeiro hype que esfria.
História é o antídoto pros dois. Quando você entende que a IA é o capítulo atual de uma conversa de dois mil anos, ela para de ser mágica, porque vira ideia, e ideia a gente manipula. E para de ser moda, porque moda nenhuma dura dois milênios.
A meta aqui não é decorar mais datas. É você sair usando a ferramenta com a calma de quem entende o que tem na mão.
Isto não é uma aula de história comum, daquelas que enfileiram datas. Aqui cada aula é uma exposição, e cada exposição tem uma peça com uma placa.
A placa não conta “o que aconteceu no ano tal”. Ela faz algo mais divertido. Pega uma coisa que você usa hoje, a memória de um modelo, o jeito como a IA erra, a ideia de treinar um sistema, e revela de onde aquilo veio de verdade.
E o lugar de onde veio quase nunca é o que você imagina. É aí que está a graça. A cada exposição você vai sentir aquela sensação interessante:
Eu não imaginava que isso vinha daí.
Essa sensação é o motor do museu. Se uma exposição não te surpreende, ela não merece uma sala. Esse é o critério de curadoria.
Todo grande museu tem uma peça central, aquela que de algum jeito contém todas as outras. A nossa é um livro, o Gödel, Escher, Bach, do Douglas Hofstadter.
Ele juntou um lógico, um artista e um compositor e mostrou que os três esbarraram no mesmo mistério, como significado e mente podem nascer de regras que, sozinhas, não significam nada. É a pergunta do museu inteiro, dita de um jeito bonito. Vou trazer esse livro de volta sempre que ele iluminar a peça da sala.
Cinco alas, mais esta entrada.
Primeiro O Sonho Antigo, quando mecanizar o pensamento ainda era sonho de filósofo. Depois A Máquina Toma Forma, quando o sonho virou engenharia. Em seguida O Batismo e os Invernos, quando a IA ganhou nome e quase morreu de frio, duas vezes. Então A Ponte para o Agora, onde ideias velhas explicam exatamente os modelos que você usa hoje. E por fim O Espelho, a ala que mais me interessa, onde a pergunta deixa de ser “a máquina pensa?” e vira “o que isso faz com a gente?”.
A IA não é nova. É uma pergunta de dois mil anos, o pensar pode ser mecanizado, e cada ferramenta que você usa hoje é uma resposta parcial a ela. Comece a olhar pra IA assim e você já usa melhor.
Antes de entrar na primeira sala, para um segundo e responde pra você mesmo: o que você sempre imaginou que tinha sido a origem da IA? Guarda essa resposta. No fim do museu, volta nela e repara o quanto mudou.
Na próxima aula eu te mostro como ler uma placa, o método que faz cada exposição valer a visita.
Ao final, você vai saber aproveitar cada exposição deste museu, em vez de só passar por elas:
Cinco minutos aqui e o resto do museu rende muito mais.
As salas falam de coisas bem diferentes. Um filósofo grego, uma máquina de teatro romana, um teorema, um jogo de palavras dos anos 50. Parecem assuntos soltos.
Não são. Toda exposição faz a mesma jogada. Ela começa numa coisa moderna que você conhece, volta no tempo até uma origem que ninguém esperava, e mostra que as duas são a mesma ideia.
Quando você sacar isso, o museu inteiro fica fácil de ler. Você para de tentar decorar e começa a procurar a virada.
Cada exposição segue a mesma anatomia. Conhecer ela de antemão deixa você ler mais rápido.
A peça abre a sala. É o artefato, contado em uma frase, concreto e estranho o bastante pra te segurar.
O gancho é a pergunta moderna que a peça responde em segredo. Algo como “de onde os modelos tiram memória?” ou “por que a IA erra desse jeito?”.
A história é onde mora a surpresa. Gente, datas, contexto humano, contado como história e não como verbete.
A revelação é o clique. O momento em que aquela peça velha vira, na sua frente, a tecnologia de hoje.
Às vezes entra o GEB, uma camada mais funda do nosso livro-patrono, pra mostrar o padrão por baixo de tudo.
E toda placa fecha com um leve com você, uma ou duas frases sobre o que aquilo muda na sua prática a partir de agora.
Dá pra atravessar este museu de dois jeitos.
Tem o jeito de quem coleciona curiosidade. A pessoa lê, acha bonito, fala “que legal”, e segue. Uma semana depois não sobrou nada além de um factoide pra soltar num jantar.
E tem o jeito de quem deixa a peça trabalhar. Essa pessoa, toda vez que bate a surpresa, faz uma pergunta a mais. Já que essa ideia é tão antiga e tão sólida, o que ela me diz sobre como eu uso essa ferramenta hoje?
O primeiro jeito te dá assunto. O segundo muda sua mão. É pra esse que o museu foi construído.
Leva uma pergunta no bolso pelo museu inteiro:
O que nesta sala eu achava que era novidade e, na verdade, tem séculos?
Toda vez que a resposta te surpreender, pode comemorar. Você está usando o museu do jeito certo.
Cada placa revela uma origem surpreendente. Não pare na surpresa. Pergunte o que ela muda na forma como você trabalha com IA, e a história vira ferramenta.
Agora você sabe caminhar por aqui. Hora da primeira sala de verdade.
A gente começa pelo começo, na ala O Sonho Antigo, com o homem que montou a primeira máquina de pensar sem nenhuma máquina, só com palavras. Aristóteles.
A primeira sala do museu não tem nenhuma máquina. Tem três frases.
Todo homem é mortal. Sócrates é homem. Logo, Sócrates é mortal.
Parece óbvio demais pra estar num museu. Guarda essa impressão. Essas três frases são a coisa mais perigosa do acervo inteiro, porque foi aqui que alguém percebeu, pela primeira vez, que o pensamento tem regras.
Quando você dá uma instrução pra uma IA e ela segue, mecanicamente, sem entender nada do que está fazendo, de onde vem essa ideia? Quem foi o primeiro a desconfiar que raciocinar poderia ser só seguir um procedimento, um passo depois do outro, como uma receita?
A resposta tem dois mil e trezentos anos.
Atenas, por volta de 350 antes de Cristo. Aristóteles está fazendo uma coisa que ninguém tinha feito direito antes. Ele está olhando para argumentos, não para o assunto deles.
Repara na diferença. A maioria das pessoas, quando ouve “todo homem é mortal, Sócrates é homem, logo Sócrates é mortal”, presta atenção no Sócrates, na morte, na vida. Aristóteles prestou atenção no esqueleto. Ele viu que dava pra tirar o Sócrates e botar qualquer coisa no lugar:
Todo A é B. C é A. Logo, C é B.
E o argumento continua de pé. Funciona com Sócrates, funciona com planeta, funciona com palavra que você inventou agora. A conclusão se segue das premissas pela forma, não pelo conteúdo. Aristóteles chamou isso de silogismo, catalogou as formas válidas e as inválidas, e juntou tudo numa obra que ficou conhecida como Organon, a palavra grega para instrumento.
Foi o primeiro a perceber uma coisa que parece banal e é gigante. Existem leis do raciocínio correto que você pode escrever no papel, separadas de qualquer assunto específico. Como Hofstadter resume no nosso livro-patrono, mesmo os gregos antigos já sabiam que o raciocínio segue padrões e é, pelo menos em parte, comandado por leis enunciáveis. Aristóteles foi quem enunciou as primeiras.
Aqui o museu te pega.
O que Aristóteles montou tem um nome moderno, sistema formal. Um punhado de símbolos e um punhado de regras que dizem como combinar esses símbolos, de um jeito que funciona pela forma e ignora o significado. Você não precisa saber quem é Sócrates pra aplicar a regra. Você só precisa reconhecer o formato e seguir o passo.
Agora pensa no que um computador faz. Ele pega símbolos, zeros e uns, e aplica regras que funcionam pela forma, sem fazer a menor ideia do que aquilo significa. Pensa no que um modelo de linguagem faz quando você manda um prompt. Ele segue padrões, encadeia passos, chega numa conclusão, e em nenhum momento “entende” no sentido humano da palavra.
Esse é o gesto que nasceu nestas três frases gregas. A aposta de que pensar pode ser reduzido a manipular símbolos segundo regras. Toda a computação é isso. Toda a inteligência artificial é uma descendente direta do dia em que Aristóteles olhou para um argumento e enxergou o esqueleto em vez da carne. A peça não está num museu de filosofia por acaso. Ela é a planta baixa da máquina que você está usando agora, pra ler este texto.
O livro G.E.B gira em torno de uma pergunta incômoda. Como é que significado e mente podem brotar de regras que, sozinhas, não significam nada?
Aristóteles abre essa caixa. No silogismo, os símbolos não carregam sentido nenhum por conta própria. O sentido aparece quando a forma se encaixa no mundo. Hofstadter passa o livro inteiro nessa fronteira, mostrando sistemas onde você empurra símbolos sem significado de um lado e, do outro, alguma coisa que se parece com raciocínio sai pronta.
No fim desta ala você vai brincar com um sistema desses com as próprias mãos, um joguinho de símbolos que o Hofstadter inventou chamado MU. Aristóteles arma a pergunta. O MU vai te mostrar onde ela aperta.
Quando você escreve um prompt, você está alimentando um motor de inferência com premissas. Ele vai seguir a forma com fidelidade total, inclusive a partir de premissas erradas. Se a entrada estiver torta, a saída vem logicamente impecável e completamente furada. Aristóteles já avisava, a validade está na forma, a verdade depende do que você colocou dentro.
Use isso na prática. Antes de culpar a IA por uma resposta ruim, olha pras premissas que você deu. Quase sempre o silogismo está perfeito. O problema é que uma das frases que você entregou era falsa.
Pensa numa vez em que a IA te deu uma resposta logicamente redondinha e mesmo assim errada. Olhando agora, qual premissa torta você tinha colocado no prompt sem perceber? É o tipo de erro que todo mundo comete e quase ninguém enxerga sozinho, porque o silogismo estava perfeito. Só a entrada é que estava torta.
Aristóteles deixou a ideia, o pensamento pode ter regras escritas. Mas ideia ainda não é máquina.
Na próxima sala a gente pula pra Alexandria, alguns séculos depois, pra ver um sujeito chamado Héron transformar essa ideia em engrenagem de verdade, com o primeiro aparelho da história que merece ser chamado de programável.
No centro desta sala tem um carrinho de madeira. Por fora, é um teatrinho de bonecos sobre rodas. Por dentro, tem um eixo, uma corda enrolada nele, e um peso pendurado que despenca devagar dentro de um tubo cheio de grãos.
Esse carrinho andava sozinho pelo palco. Parava, virava, voltava, abria as cortinas, encenava uma peça inteira de bonecos e ia embora. Sem ninguém empurrando. Ano 60 depois de Cristo, mais ou menos.
E o segredo de como ele sabia o que fazer é a coisa mais importante deste museu até agora.
Quando você manda um prompt pra uma IA, você não abre a máquina, não troca um fio, não solda nada. Você só muda as instruções, e a mesma máquina passa a fazer outra coisa. Essa separação entre a máquina e as instruções que ela executa parece moderna. Parece coisa de software.
Tem dezenove séculos.
O homem se chamava Héron, e morava em Alexandria, o maior polo de engenharia do mundo antigo. Ele projetava de tudo, máquinas a vapor, portas automáticas de templo, máquinas de moedas. Mas a obra que nos interessa está num tratado dele chamado Autômatos, e foi estudada a fundo pelo pesquisador Richard Beacham num capítulo de 2013 publicado pela Palgrave Macmillan, dentro do livro Theatre, Performance and Analogue Technology. É essa a fonte que sustenta o que vem agora.
O carrinho de Héron era movido por um peso de chumbo pendurado numa corda. O peso ficava dentro de um tubo cheio de grãos, milho miúdo, que escoava por um furo lá embaixo num ritmo constante. Conforme os grãos vazavam, o peso descia devagar, puxava a corda, e a corda fazia girar o eixo das rodas. Até aí, é só um motor.
A genialidade está no jeito como a corda era enrolada. Héron espetava pinos no eixo. A corda passava por dentro e por fora desses pinos, e a cada pino ela mudava de direção ou de lado. Enrolada de um jeito, o carrinho ia pra frente. Cruzada num pino, ele virava. Enrolada pro outro lado, ele dava ré. Os pinos eram o roteiro.
Repara no que isso significa na prática. Pra fazer o carrinho encenar uma peça diferente, Héron não construía outro carrinho. Ele só reposicionava os pinos. Mesma máquina, pinos diferentes, espetáculo diferente.
Para um segundo nesse detalhe, porque é o pulo do gato do museu inteiro.
Os pinos no eixo são uma sequência de instruções gravada num objeto físico, que a máquina lê e executa sozinha, sem ninguém comandando ao vivo. Isso tem um nome hoje. Chama-se programa. E o fato de que você troca o programa sem trocar a máquina tem outro nome. Chama-se software.
Não é força de expressão. Em 2007, o cientista da computação Noel Sharkey analisou esse mecanismo e mostrou que a corda enrolada nos pinos é formalmente equivalente a um conjunto de instruções binárias, a mesma lógica dos cartões perfurados que programavam computadores até os anos 1970. Héron, sem ter ideia do que estava inventando, construiu a primeira máquina da história em que o programa é uma coisa e o mecanismo é outra.
Mesma máquina, pinos diferentes, comportamento diferente.
Agora volta pro seu prompt. O modelo de linguagem é a máquina. Você não o reconstrói quando quer um resultado novo. Você reposiciona os pinos, e os seus pinos são as palavras do prompt. Aristóteles, na sala anterior, descobriu que o pensamento pode ter regras. Héron foi o primeiro a gravar essas regras num objeto e deixar que a coisa rodasse sozinha. Toda vez que você escreve um prompt, você está espetando pinos no eixo do Héron.
Hofstadter fala de uma ideia que ele chama de Requisito de Formalidade. Num sistema de regras, a máquina manipula os símbolos pela forma, cega ao significado deles. Ela não sabe o que está fazendo. Ela só segue.
O carrinho de Héron é esse requisito virando madeira e corda. O eixo não faz a menor ideia de que está encenando uma tragédia grega. Ele obedece aos pinos, pino por pino, com a indiferença de quem não entende nada. O significado, a peça emocionante que a plateia assiste, mora inteiro nos olhos de quem assiste, nunca na engrenagem. Repara nessa fronteira, porque é nela que, no fim desta ala, o quebra-cabeça MU vai te deixar de queixo caído.
O prompt é o software da IA. Você programa o modelo arranjando palavras, do mesmo jeito que Héron programava o carrinho arranjando pinos. A máquina é a mesma para todo mundo. O que muda o resultado é o roteiro que você grava nela.
Tira uma conclusão prática disso. Quando um prompt te dá um resultado ruim e o outro te dá um ótimo, a máquina não ficou mais inteligente no segundo caso. Os pinos é que estavam melhor posicionados. Programar a IA é uma habilidade de arranjar pinos, e habilidade se treina.
Até entrar nesta sala, você tratava o prompt como um pedido, um jeito de “conversar” com a máquina, ou já como um programa que você grava nela? Essa virada parece pequena e muda tudo. Quem pede espera que a máquina entenda. Quem programa assume que ela só executa o que recebe, e passa a caprichar nos pinos.
Héron gravou um roteiro fixo nos pinos. O carrinho sempre encenava a mesma peça, com perfeição, mas sempre a mesma.
A próxima sala dá o passo seguinte do sonho. E se a máquina, em vez de seguir um roteiro pronto, pudesse combinar ideias e gerar conclusões novas, que o próprio criador não tinha previsto? Pra isso a gente vai pular treze séculos e encontrar um monge catalão obcecado, girando rodas de papel. Ramon Llull.
Nesta sala tem uma coisa que parece um brinquedo. Três discos de papel, um sobre o outro, do maior pro menor, presos no centro por um pino, cada um cheio de letras na borda. Você gira os discos e as letras se alinham em combinações novas a cada giro.
Só que de brinquedo não tem nada. O que está na sua frente é uma máquina de gerar ideias, projetada por volta de 1305, e ela faz uma coisa que nenhuma peça anterior deste museu fazia. Ela inventa.
O carrinho de Héron executava sempre a mesma peça. As máquinas até aqui repetiam um roteiro pronto. Mas quando você pergunta uma coisa pra uma IA, ela te devolve uma resposta que ninguém escreveu antes, montada na hora a partir de pedaços. De onde vem a ideia de uma máquina que não repete, e sim produz algo novo?
Vem de um monge obcecado numa ilha do Mediterrâneo.
Ramon Llull nasceu em Maiorca por volta de 1232. Depois de uma juventude mundana, teve uma virada religiosa e ficou com uma ambição que tomou conta do resto da vida. Ele queria provar todas as verdades por um método mecânico, sem depender da retórica nem da fé, um sistema que qualquer pessoa pudesse operar e chegar às mesmas conclusões.
A obra onde isso vive chama-se Ars Magna, a Grande Arte, na versão final escrita entre 1305 e 1308. A ideia de Llull era a seguinte. Pega os conceitos fundamentais, o que ele chamava de dignidades, e dá uma letra pra cada um.
B = bondade. C = capacidade. D = duração. E = poder.
São nove no total, mais um conjunto de conceitos relacionais, diferença, concordância, contrariedade. Cada um vira uma letra na borda dos discos. Aí você gira. A cada posição, os discos alinham letras diferentes e produzem uma combinação, “a bondade é capaz”, “o poder dura”. Girando sistematicamente, a máquina cospe todas as combinações possíveis daqueles conceitos. Llull achava que estava gerando, uma a uma, todas as verdades do universo.
Repara no salto. Héron gravou um roteiro e a máquina o executou. Llull montou um conjunto de peças básicas e deixou a máquina combiná-las pra produzir afirmações que ele próprio não tinha escrito. Foi a primeira máquina projetada pra gerar, não pra repetir. Tão à frente do tempo que, três séculos e meio depois, inspirou diretamente um jovem alemão chamado Leibniz a escrever um livro sobre a arte de combinar. Mas esse é o assunto da próxima sala.
Aqui o museu te entrega duas revelações de uma vez. A segunda é a mais importante.
A primeira. O que Llull inventou é o avô da geração combinatória. Um modelo de linguagem produz texto exatamente assim, recombinando peças de um repertório fixo, as palavras, em sequências novas que ninguém digitou antes. Você dá um começo, a máquina gira as rodas e gera a continuação. Setecentos anos separam os discos de papel do ChatGPT, e o gesto é o mesmo. Combinar primitivos pra fazer surgir algo inédito.
A segunda revelação é onde Llull errou feio, e é por isso que ele importa tanto pra você. Llull acreditava que toda combinação que as rodas produziam era uma verdade. Estava enganado. A máquina gerava com a mesma facilidade frases iluminadas e frases sem pé nem cabeça. Ela não tinha como saber a diferença, porque gerar e verificar são coisas separadas. As rodas só sabiam combinar.
Agora me diz se isso não soa familiar. Uma IA que produz, com total fluência e confiança, uma resposta perfeitamente bem montada e completamente falsa. Tem nome hoje, a gente chama de alucinação. É o mesmo fenômeno das rodas de Llull. A máquina é excelente em gerar combinações plausíveis. Dizer quais são verdadeiras nunca foi tarefa dela.
Hofstadter tem uma frase que cai como uma luva aqui. Uma máquina de regras sabe montar combinações bem certinhas, mas não tem como saber se elas são verdadeiras. A verdade não está dentro da máquina. Ela depende de alguém de fora olhar e julgar. Llull misturou essas duas coisas. Pra ele, se a roda tinha montado a frase, a frase estava certa. Gerar parecia o bastante. Não é. Essa fronteira entre produzir e ser verdadeiro é uma das maiores do museu, e você vai esbarrar nela de novo, com força, no quebra-cabeça que fecha esta ala.
A IA é uma máquina de gerar, não uma máquina de verificar. Ela te entrega combinações fluentes e bem formadas, e algumas são falsas sem aviso nenhum. A verificação que Llull pulou continua sendo trabalho seu. Use a IA pra gerar com abundância, e assuma a tarefa de separar o que presta.
Na prática, isso vira um hábito simples. Quanto mais redonda e confiante vier a resposta, mais vale conferir o que dá pra conferir. A fluência é a especialidade da máquina, e fluência nunca foi prova de nada.
Uma resposta pode ser fluente e falsa ao mesmo tempo, sem nenhuma contradição. A roda de Llull montava frases lindas e frases absurdas com a mesma cara de certeza, e a IA faz igual. Então pensa numa coisa. Quando uma resposta te chega redonda, bem escrita, confiante, o que nessa beleza toda deveria, sozinho, te convencer de que ela é verdadeira? Olha com cuidado. Talvez nada.
Llull sonhou com a máquina que gera todas as verdades, mas seu método era confuso, cheio de buracos, mais místico que exato. Faltava precisão.
A precisão é justamente o que o próximo personagem foi caçar. Ele pegou o sonho de Llull e quis transformá-lo em algo tão exato quanto a aritmética, a ponto de imaginar que duas pessoas em desacordo poderiam um dia simplesmente dizer “vamos calcular” e resolver a briga na conta. Leibniz.
A peça desta sala é uma única palavra, em latim, escrita por um filósofo alemão há mais de trezentos anos.
Calculemus. “Vamos calcular.”
Parece pouco pra encher uma sala de museu. Mas dentro dessa palavra cabe a aposta mais ousada da história sobre o que é pensar. É a aposta que a inteligência artificial está tentando ganhar até hoje.
Por que a gente diz que a IA “computa” uma resposta? Por que conversar com um modelo de linguagem é, lá no fundo, fazer conta? De onde saiu a ideia de que raciocinar e calcular podem ser a mesma coisa?
Saiu da cabeça de um homem que sonhou com o computador trezentos anos antes de existir eletricidade.
Gottfried Wilhelm Leibniz, que viveu de 1646 a 1716, era o tipo de gênio que irrita os outros. Inventou o cálculo mais ou menos na mesma época que Newton, e os dois passaram anos brigando sobre quem tinha chegado primeiro. Mas o sonho mais ousado de Leibniz não era de matemática. Era um sonho bem humano. Ele queria acabar com as discussões.
Tudo começou com a leitura do nosso personagem anterior. Aos vinte anos, Leibniz escreveu um livro chamado Da Arte Combinatória, em 1666, inspirado diretamente nas rodas de Llull. A semente era a mesma, combinar ideias básicas pra produzir conhecimento. Só que Leibniz quis consertar o que faltava em Llull. Faltava precisão.
Ele olhava pros filósofos, teólogos e advogados gastando a vida inteira brigando com palavras, e desconfiou que o problema estava na própria linguagem. Palavra é vaga, escorregadia, cada um entende uma coisa. Então ele imaginou uma língua perfeita, onde cada ideia fosse um símbolo exato, sem espaço pra mal-entendido. Chamou essa língua de characteristica universalis. E, junto com ela, um método pra operar esses símbolos seguindo regras, que ele chamou de calculus ratiocinator, um cálculo do raciocínio.
Junta as duas coisas e o resultado é de tirar o fôlego. Se toda ideia vira um símbolo exato, e raciocinar vira aplicar regras a esses símbolos, então uma discussão vira uma continha. Quem está certo deixa de se decidir no grito e passa a se decidir na conta. Leibniz escreveu mais ou menos assim:
Se surgirem controvérsias, não haverá mais necessidade de discussão entre dois filósofos do que entre dois contadores. Bastará pegar os lápis nas mãos, sentar-se diante das mesas, e dizer um ao outro: calculemos.
E ele não ficou só no sonho. Leibniz construiu com as próprias mãos uma máquina de calcular que somava, subtraía, multiplicava e dividia. E foi mais fundo ainda. Foi ele quem desenvolveu o sistema binário moderno, os zeros e uns, num trabalho de 1703. Ficou encantado ao perceber que dava pra escrever qualquer número usando só dois símbolos.
Olha de novo essa lista, devagar. Uma língua de símbolos exatos. Regras pra combinar esses símbolos. O código binário. E uma máquina que executa as operações.
Você acabou de ler a planta de um computador, desenhada nos anos 1700.
Quando você manda um prompt e o modelo “computa” uma resposta, você está dentro do sonho de Leibniz, com uma reviravolta que ele não previu. Leibniz imaginou símbolos exatos e regras de lógica, cada ideia com seu sinal. A IA que você usa hoje foi por outro caminho. Ela transforma as suas palavras em números e funciona na base da estatística, prevendo o que costuma vir depois do quê. Caminho diferente, mas a aposta de fundo é a mesma, a de que pensar pode virar cálculo. E, no fim, os dois caminhos rodam sobre os mesmos zeros e uns que saíram da cabeça do próprio Leibniz.
E aqui vem a parte que arrepia. Leibniz não só sonhou que o pensamento poderia virar conta. Ele inventou, com as próprias mãos, o alfabeto que faz essa conta acontecer na máquina que você usou hoje. O sonho e o primeiro tijolo do prédio saíram da mesma cabeça.
Aristóteles viu que o pensamento tem regras. Héron gravou regras numa máquina. Llull fez a máquina gerar. Leibniz foi quem disse, com todas as letras, que raciocinar é calcular, e desceu até o alfabeto da máquina pra provar que dava.
Hofstadter passa boa parte do livro brincando com essa mesma aposta, de que símbolos sem significado, movidos por regras mecânicas, podem fazer surgir algo que se parece com pensamento. O sonho de Leibniz é o lado otimista dessa ideia. Se pensar é mexer em símbolos seguindo regras, então uma máquina pode pensar.
Essa aposta vai longe. Mais pra frente, na sala do Gödel, você vai descobrir que ela esbarra num limite, e que foi um teorema, não um filósofo, que encontrou a parede. Boa parte desta história vive na tensão entre o “vamos calcular” de Leibniz e um “nem tudo se calcula” que ainda está por vir.
A IA transforma o seu prompt em números e calcula a continuação mais provável. Leibniz já tinha sacado o ponto fraco de qualquer máquina de pensar, linguagem vaga estraga a conta. No LLM isso aparece de um jeito específico, palavra ambígua faz o modelo apostar na leitura mais comum do treino dele, que nem sempre é a sua. Quanto mais claro e específico o prompt, mais a estatística pende pro lado que você quer.
Na prática, antes de mandar, reler o prompt caçando o que está ambíguo rende mais do que qualquer truque. Onde uma palavra pode ser entendida de dois jeitos, o modelo vai escolher a leitura mais provável, não a que você tinha na cabeça. Dar contexto e ser específico é inclinar a estatística a seu favor.
Leibniz apostou que pensar e calcular são a mesma coisa, e a IA moderna é a maior aposta da história nessa ideia. Pelo que você já viu usando essas ferramentas, onde essa aposta parece estar ganhando, e onde você sente que tem alguma coisa no pensar humano que nenhuma conta parece alcançar?
Leibniz deixou o sonho desenhado, raciocinar é calcular. Mas continuou sendo um sonho, grande demais pra ele terminar. Faltava alguém pegar um pedaço concreto desse sonho, a lógica, e mostrar que ela podia virar conta de verdade, com símbolos e operações que qualquer um faz no papel.
Esse alguém apareceu quase dois séculos depois, um professor inglês que resolveu tratar o pensamento como álgebra. George Boole.
A peça desta sala é um sistema de álgebra com um número absurdamente pequeno de peças. Dois valores e três operações. É só isso.
Valores: 1 e 0. Operações: E, OU, NÃO.
Parece pouco demais pra fazer alguma coisa séria. Com essas cinco peças, um inglês de 1854 prometeu escrever as leis do pensamento. E, sem saber, escreveu o manual de funcionamento de todo chip que existe hoje.
O computador que roda a IA toma bilhões de decisões de sim ou não por segundo, usando só três operações, E, OU e NÃO. De onde veio a ideia de que o raciocínio inteiro pode ser montado a partir de um punhado tão ridículo de peças? Quem foi o primeiro a transformar lógica em conta de verdade, com símbolos que você manipula no papel?
Um professor pobre e autodidata do interior da Inglaterra.
George Boole nasceu em 1815, filho de um sapateiro, sem dinheiro pra estudo formal. Aprendeu matemática praticamente sozinho e era tão bom que virou professor universitário em Cork, na Irlanda, sem nunca ter feito faculdade. Ele tinha uma convicção quase religiosa, a de que as leis do raciocínio podiam ser escritas como equações, do mesmo jeito que as leis da física.
Em 1854 ele publicou o livro onde isso vira realidade, Uma Investigação sobre as Leis do Pensamento. A jogada de Boole foi tratar afirmações lógicas como se fossem números numa álgebra. Ele deixou o “tudo”, o universo inteiro, valer 1, e o “nada” valer 0. Aí encaixou as operações. O E virou uma espécie de multiplicação, juntar duas condições. O OU virou uma espécie de soma. O NÃO virou inverter, trocar 1 por 0.
E aconteceu uma coisa linda. Boole notou que, na álgebra dele, uma afirmação vezes ela mesma dá ela mesma. Em matemática comum, isso só vale pra dois números no mundo inteiro, o 1 e o 0. Ou seja, a álgebra do pensamento que ele tinha inventado só funcionava com dois valores. Era binária por natureza, sem ele ter forçado nada.
Na época, pareceu uma curiosidade elegante e sem utilidade nenhuma. Boole morreu cedo, aos 49 anos, em 1864, de uma pneumonia, sem fazer a menor ideia do que tinha deixado pra trás. Por quase oitenta anos, a álgebra dele ficou parada numa prateleira, admirada e sem uso.
Aí, em 1937, um estudante americano de 21 anos chamado Claude Shannon olhou pra aquela álgebra empoeirada e teve um estalo que mudou o mundo.
Shannon percebeu que o 1 e o 0 de Boole descreviam perfeitamente uma chave elétrica. Ligada é 1, desligada é 0. E que dá pra montar circuitos que se comportam exatamente como o E, o OU e o NÃO de Boole, juntando essas chaves de jeitos diferentes. A álgebra que prometia ser a lei do pensamento era, na verdade, a planta de como construir circuitos que decidem.
Isso é a base de tudo. Cada processador, cada chip, é feito de milhões dessas peças, que a engenharia chama de portões lógicos, e cada uma é um E, um OU ou um NÃO do Boole feito de silício. Quando você manda um prompt e a IA responde, lá embaixo, no metal, é a álgebra de Boole rodando bilhões de vezes por segundo. O modelo de linguagem pensa por estatística, como você viu com Leibniz, mas a máquina física que sustenta tudo isso é puro Boole. Ele é a rocha no fundo do prédio.
Repara no encaixe da ala, porque ele atravessa dois mil anos. Lá no começo, o Héron já tinha gravado instruções num objeto físico, os pinos no eixo do carrinho, cada um mandando a corda pra um lado ou pro outro. Era um sim ou não feito de madeira. Shannon repetiu exatamente esse gesto, só que trocou os pinos por chaves elétricas que ligam e desligam, o mesmo sim ou não feito de eletricidade. No meio do caminho, Leibniz sonhou que pensar é calcular e inventou o binário, e Boole pegou esse binário e deu a ele uma lógica, operações de verdade que você executa. Os pinos do Héron e as chaves do Shannon são a mesma ideia separada por vinte séculos. Peça por peça, o sonho ia virando máquina.
Tem uma ideia que o Hofstadter persegue o livro inteiro e que aparece aqui na veia. Coisas com muito significado lá em cima podem ser feitas de pecinhas sem significado nenhum lá embaixo.
Pensa no que está acontecendo enquanto você lê esta frase na tela. No fundo da máquina, são só bilhões de chaves abrindo e fechando, decisões burras de sim ou não, sem ninguém entendendo nada ali dentro. A máquina empilha cálculo sobre cálculo e, lá em cima, o que sai é texto. Só texto.
E aqui está o pulo que o Hofstadter não cansa de cutucar. Esse texto, sozinho, ainda é só forma. Ele vira sentido no instante em que bate nos seus olhos. Quem dá significado à conversa é você. O cálculo lá embaixo produz as letras, o que você sente como inteligência mora muitos andares acima dele, mas a inteligência de verdade só acontece na sua cabeça, quando você lê e interpreta. O texto é só a interface entre os dois, entre a conta cega da máquina e o sentido e julgamento que mora em você. E é aqui que o museu te faz a primeira das suas grandes perguntas, a que vai te acompanhar pelas próximas salas. Pensar é só isso, a conta cega rodando lá embaixo, ou sobra alguma coisa que a conta nunca alcança? De Aristóteles até aqui, todo construtor apostou que não sobra nada. As próximas alas vão testar essa aposta.
Boole mostrou uma coisa que serve direto pro seu prompt, complexidade se constrói juntando peças simples. Ele montou a lógica inteira com só três operações. Quando uma tarefa que você quer passar pra IA parecer grande e travada demais, faz o que Boole fez, quebra ela em passos simples e combináveis.
Na prática, um pedido gigante e vago rende menos que três pedidos pequenos e claros, encadeados. Em vez de mandar a IA “fazer tudo” de uma vez, separe em etapas, primeiro isto, depois aquilo, e por fim junte. Decompor o complexo no simples é uma das habilidades mais subestimadas de quem usa IA bem.
Cada palavra que a IA acabou de gerar pra você passou por bilhões de decisões de sim ou não, cada uma delas tão simples que uma criança entenderia. Para um instante nessa ideia. Como é que algo tão burro lá embaixo, repetido em escala absurda, vira algo que parece entender você lá em cima? Essa pergunta é uma das mais fundas que existem, e você convive com ela todo dia sem reparar.
Chegamos ao alto da ala. De Aristóteles a Boole, o sonho de mecanizar o pensamento foi crescendo, ganhando peças, e a essa altura parece imparável. Regras, máquinas, geração, cálculo, lógica em circuito. Está tudo encaixando bem demais.
Hora de você sentir tudo isso na própria mão. A última sala desta ala funciona diferente. Em vez de ler, você vai jogar. Hofstadter inventou um quebra-cabeça minúsculo, com três letras e quatro regras, que parece bobo e esconde uma das maiores surpresas do museu inteiro. O nome dele é MU.
A última peça da ala não fica numa vitrine. Fica na sua mão. É um joguinho com três letras, M, I e U, e quatro regras. Você começa com uma palavrinha e tenta chegar em outra, só seguindo as regras.
Parece coisa de criança. Levou o museu inteiro pra chegar aqui de propósito, porque dentro desse joguinho bobo mora a maior virada de chave de toda a história que a gente está contando.
Toda máquina desta ala seguia regras. O carrinho do Héron, os discos do Llull, a álgebra do Boole. Agora chegou a sua vez de ser a máquina. Você vai pegar um punhado de regras e rodar elas na cabeça, na unha, igualzinho um computador faz.
O desafio é mínimo. Sair de uma palavra e chegar em outra. E é aí que o chão vai se abrir, num lugar que você não espera.
Quem inventou esse jogo foi o Douglas Hofstadter, e ele fez questão de abrir o livro inteiro com ele, antes de qualquer teoria pesada. Um lógico premiado começa uma obra de setecentas páginas com um joguinho de três letras. Isso não é por acaso.
Hofstadter sabia de uma coisa. Tem ideias que você não entende lendo. Você entende batendo a cabeça nelas. O quebra-cabeça MU é uma armadilha gentil, montada pra você sentir na pele, com as próprias mãos, o que é um sistema de regras e onde ele te abandona. Então vamos jogar de verdade. Pega papel e caneta, vale a pena.
Você começa com uma única palavra, chamada de ponto de partida.
Você tem: MI Você quer chegar em: MU
A partir do MI, você pode ir transformando a palavra usando quatro regras, quantas vezes quiser, na ordem que quiser.
Só isso. Quatro regrinhas. O objetivo é sair do MI e chegar no MU.
Uma observação importante, vale a regra de ferro do Hofstadter. Você só pode fazer o que as regras permitem. Nada de apagar uma letra no susto ou inverter uma regra ao contrário. Se a regra não autoriza, não pode. É esse rigor que faz o jogo ser um sistema de verdade.
Faz força mesmo. Enche meia página de tentativas. Dobra, encolhe, troca, vai e volta. Cinco, dez minutos.
A graça desta aula só funciona se você tentar de verdade primeiro. Quem pula essa parte e vai direto pro final perde a melhor surpresa do museu inteiro. Então some daqui um pouco e volta quando tiver suado a camisa.
Fazer na mão cansa e esconde o padrão. Por isso a SOIA montou um simulador do MU, onde você clica as regras e a máquina aplica pra você, rápido, e você testa dezenas de caminhos em minutos.
👉 Abrir o Simulador MU e bater na parede de propósito. É lá que a aula acontece.
Joga até cansar. Tenta de tudo. Quando você sentir que já bateu em todas as paredes, aí sim, segue pra próxima parte.
Pronto? Então a verdade. Você nunca vai chegar no MU. Ninguém chega. É impossível, e não por falta de habilidade sua.
E agora vem o que realmente importa, muito maior que o quebra-cabeça. Por que é impossível?
Olha pra quantidade de I na palavra. Você começa com um, lá no MI. Repara no que as regras fazem com a contagem de I. A regra 1 não mexe nos I. A regra 4 não mexe nos I. A regra 2 dobra os I. A regra 3 tira três de uma vez. Ou seja, a contagem de I só muda de dois jeitos, dobrando ou perdendo três.
Começando de um I, com essas duas operações, você nunca chega a zero. Dobrar um número que não é múltiplo de três nunca te dá um múltiplo de três, e tirar de três em três também não. A contagem de I fica eternamente presa fora dos múltiplos de três. Mas o MU tem zero I. E zero é múltiplo de três. Você precisaria chegar a um lugar onde o jogo te proíbe de chegar.
Agora repara no pulo que você acabou de dar. Essa resposta não saiu de jogar mais. Ela saiu de parar de jogar e olhar o jogo de fora, de cima. Por dentro das regras, tentando e tentando, você ficaria preso pra sempre, sem nunca entender a parede. A explicação só aparece quando você sobe um andar e raciocina sobre o sistema, em vez de raciocinar dentro dele.
É exatamente isso que o Hofstadter queria te fazer sentir, e ele dá nome aos dois jeitos de estar no jogo. Tem o modo mecânico, em que você é a máquina, aplicando regra atrás de regra sem nunca questionar o tabuleiro. E tem o modo inteligente, em que você sai de dentro do jogo e enxerga o todo, descobrindo verdades que lá de dentro eram invisíveis.
Essa é a frase que abre a porta da próxima ala. Existem coisas verdadeiras sobre um sistema de regras que são impossíveis de alcançar de dentro dele. Você acabou de viver isso de brincadeira, com três letras. Na próxima ala, você vai descobrir que um jovem lógico chamado Gödel provou que essa parede vai muito além do joguinho do MU. Ela é uma lei que vale pra todo sistema formal que existe, incluindo a matemática inteira. A parede que você bateu hoje tem o tamanho do universo.
A IA trabalha por dentro do sistema dela, aplicando as regras dela em altíssima velocidade, no modo mecânico. Ela é fenomenal nisso. Mas enxergar os limites do que ela produz, subir um andar e julgar de fora, isso é o modo inteligente, e ele é seu. A máquina joga. Você olha o tabuleiro.
Na prática, isso muda como você reage quando a IA empaca. Quando o modelo fica rodando em círculo, ou insiste num erro com toda a confiança, a saída quase nunca é mandar ele tentar de novo com mais força, por dentro do mesmo enquadramento. A saída é você saltar pra fora, reformular o problema, trocar o tabuleiro. Reenquadrar vence força bruta. Esse é o seu trabalho, e nenhuma máquina vai fazer ele por você.
Você já ficou insistindo num prompt que não dava certo, repetindo variações da mesma coisa, sem sair do lugar? Você estava preso por dentro do sistema, no modo mecânico, igual a quem tenta chegar no MU na marra. Quantos dos seus problemas com IA não são falta de tentativa, e sim falta de subir um andar e olhar o tabuleiro de fora?
Aqui termina O Sonho Antigo. De Aristóteles a Boole, você viu o sonho de mecanizar o pensamento crescer, ganhar corpo e, no MU, dar de cara com a primeira parede de verdade.
A próxima ala chama A Máquina Toma Forma. É onde o sonho sai do papel e vira engenharia de metal, com a primeira calculadora programável da história e a primeira pessoa a escrever um programa, uma mulher, décadas antes de existir computador. E é onde aquele jovem lógico vai transformar a parede do MU numa das descobertas mais profundas que a humanidade já fez. A gente começa pela dupla que tentou construir o sonho inteiro com rodas de bronze. Babbage e Lovelace.
A peça que abre esta ala é um retrato. Um homem sentado, de casaca, num ambiente cheio de detalhes finos, com sombras suaves e traços delicados no rosto. Quem via de perto, no começo dos anos 1800, jurava que era uma gravura ou uma pintura caprichada.
Não era nem uma coisa nem outra. Era um tecido. Aquele retrato foi tecido em seda, fio por fio, por uma máquina, seguindo instruções furadas em cartões de papelão. Foram precisos vinte e quatro mil cartões pra compor aquela única imagem. E essa pilha de cartões furados é uma das peças mais importantes da história da computação.
O cartão perfurado foi o jeito como os primeiros computadores guardavam seus programas, e ainda rodava software até os anos 1970. Toda instrução que uma máquina precisava seguir ficava gravada em furos no papelão.
De onde veio essa ideia, a de gravar um programa em furos? De um laboratório de matemática? De um quartel? Nada disso. Veio da indústria da moda, de um tear que fazia flores em tecido.
Lyon, França, 1804. Um tecelão chamado Joseph-Marie Jacquard patenteia uma engenhoca que vira de cabeça pra baixo o jeito de tecer pano fino.
Pra entender o tamanho da invenção, pensa em como se tecia um desenho complicado antes dele. Era um inferno. Alguém tinha que levantar à mão, fio por fio, exatamente os fios certos da trama pra cada fileira do desenho, milhares de vezes, sem errar. Um único tapete elaborado levava meses e a chance de borrar tudo era enorme.
O que Jacquard fez foi genial na simplicidade. Ele pôs uma fileira de cartões de papelão presos em corrente por cima do tear. Cada cartão controlava uma única passada do tecido. Onde o cartão tinha um furo, um fio subia. Onde não tinha furo, o fio ficava parado. A máquina “lia” o cartão, levantava só os fios certos, batia a trama, e passava pro cartão seguinte da corrente. Fileira por fileira, o desenho ia nascendo sozinho no pano.
E aqui está o pulo. Pra tecer um desenho diferente, ninguém mexia no tear. Trocava a pilha de cartões. Os mesmos fios, a mesma máquina, uma pilha nova de cartões, e saía uma estampa completamente diferente. O desenho deixou de morar nas mãos do tecelão e passou a morar nos furos do papelão. Por isso o retrato em seda do próprio Jacquard, com seus vinte e quatro mil cartões, deixava todo mundo de boca aberta. Não tinha artista nenhum guiando aquilo, fio por fio. Tinha só uma máquina obedecendo a furos.
Repara no que esses cartões realmente são. Uma sequência de instruções, gravada num objeto físico, que a máquina lê e executa sem entender nada. Isso é um programa. E o fato de você trocar a pilha sem trocar a máquina é a definição de software.
Você já viu esse gesto neste museu. Os pinos do carrinho de Héron faziam a mesma coisa, lá no começo de tudo. O tear de Jacquard é esse mesmo gesto crescido, industrial, capaz de guardar um desenho de vinte e quatro mil passos. E não parou no tecido. O cartão perfurado saiu do tear e foi parar dentro dos computadores, onde guardou programas de verdade por quase um século e meio. A peça que move toda a computação nasceu pra fazer estampa de seda.
Tem uma pessoa que enxergou essa ligação melhor que ninguém, e você vai conhecer ela na próxima sala. Ada Lovelace olhou pro tear de Jacquard e pro projeto de computador do amigo dela e escreveu uma das frases mais bonitas da história da tecnologia:
A Máquina Analítica tece padrões algébricos assim como o tear de Jacquard tece flores e folhas.
Essa frase é a ponte entre tecer pano e computar, e o museu inteiro cabe dentro dela.
Tem uma ideia que o Hofstadter não larga, e o tear ilustra ela de um jeito que dá pra tocar com a mão. Em cima, o que aparece é um rosto humano, cheio de expressão e beleza. Embaixo, são só furos e não-furos, fios que sobem e fios que não sobem, decisões burras de sim ou não, sem ninguém ali dentro sabendo que está fazendo um rosto.
A beleza não está no tear, e nem mesmo nos cartões. Ela está em duas pessoas. Numa ponta, o artista que imaginou o retrato e decidiu onde furar cada um dos vinte e quatro mil cartões, muito antes de o tecido existir. Na outra ponta, você, que olha o pano pronto e reconhece um rosto ali. A máquina fica espremida no meio das duas, cega, só levantando e baixando fio. O furo é só sim ou não. O sentido, o “nossa, que retrato lindo”, nasce na cabeça de quem desenhou e renasce nos olhos de quem vê. A máquina nunca encosta nele. Você já viu esse mesmo desenho com o Boole, e ele vai voltar nas próximas salas, cada vez mais fundo.
O tear consegue tecer qualquer desenho, mas só tece o desenho que está nos cartões. Ele não acrescenta nada por conta própria. A riqueza do resultado está inteira nas instruções. O tear não tem gosto, não tem capricho, não preenche lacuna nenhuma. Tudo o que aparece no pano, alguém furou antes num cartão.
Traz isso pro seu uso de IA. A máquina não vai compensar o que faltou no seu pedido. Detalhe que você não deu, contexto que você guardou pra você, critério que você deixou subentendido, nada disso ela adivinha. O resultado sai do tamanho das instruções que você gravou, não do tamanho da vontade que você tinha na cabeça. Se você quer um pano rico, capricha nos cartões.
Olha de novo pro retrato de seda. A máquina executou vinte e quatro mil passos burros e, no fim, surgiu um rosto que emociona. Pensa onde estava a inteligência ali. No tear, que só levantava fios? Nos cartões, que eram só papelão furado? Ou na pessoa que desenhou o padrão e em você, que reconhece um rosto no tecido? Segura essa pergunta, porque a próxima sala vai cutucar exatamente ela.
Jacquard mostrou que dava pra gravar um padrão qualquer em cartões e deixar uma máquina executar sozinha. Ele estava pensando em pano.
Mas teve um inglês que olhou pra esses cartões e teve uma ideia do tamanho do mundo. Se um furo pode mandar levantar um fio, ele também pode mandar somar um número. Se a máquina tece flores seguindo cartões, ela pode tecer cálculos seguindo cartões. Na próxima sala, Charles Babbage pega a ideia do tear e projeta a primeira máquina de calcular programável da história, e uma jovem matemática escreve o primeiro programa pra ela. Babbage e Lovelace.
A peça desta sala é uma página cheia de tabelas e símbolos, publicada em 1843. É um programa de computador. O primeiro da história.
O detalhe que faz essa página ser de tirar o fôlego é que o computador pra rodar esse programa não existia. Não existiria por mais de cem anos. Alguém escreveu o software de uma máquina que ainda era só um desenho, e quem escreveu foi uma mulher, filha de um dos poetas mais famosos do mundo.
Quem escreveu o primeiro programa? E quem foi a primeira pessoa a desconfiar que uma máquina, por mais poderosa que fosse, talvez nunca conseguisse criar de verdade?
A resposta pras duas perguntas é a mesma pessoa. E ela já tinha tudo isso na cabeça em 1843.
A história começa com um inglês ranzinza e genial, Charles Babbage. Ele passou a vida obcecado em construir máquinas de calcular movidas a manivela e engrenagem. O projeto mais ambicioso dele se chamava Máquina Analítica, desenhada a partir de 1837, e era de uma audácia absurda pra época.
Olha as partes que Babbage projetou. Um lugar onde os números eram processados, que ele chamou de moinho. Um lugar onde os números ficavam guardados, que ele chamou de armazém. Cartões perfurados pra alimentar as instruções, exatamente os mesmos cartões do tear de Jacquard que você viu na sala anterior, agora mandando somar números em vez de levantar fios. E a máquina conseguia tomar decisões e repetir passos em laço. Para na lista e compara. Moinho é o processador. Armazém é a memória. Cartões são o programa. Babbage desenhou a planta de um computador moderno, peça por peça, no meio do século XIX, com bronze e vapor. A máquina nunca foi terminada, mas o projeto estava completo.
Aí entra Ada Lovelace. Filha do poeta Lord Byron, ela foi criada pela mãe num banho de matemática, em parte pra evitar que puxasse o temperamento do pai. Ada virou uma matemática de verdade e se fascinou pela máquina de Babbage. Em 1843, ela traduziu um artigo de um italiano sobre a Máquina Analítica, e nas notas que acrescentou, mais longas que o artigo original, fez três coisas que entraram pra história.
Na nota que ficou conhecida como Nota G, ela escreveu, passo a passo, um procedimento pra máquina calcular uma sequência de números difíceis, os chamados números de Bernoulli. Esse procedimento é reconhecido como o primeiro programa de computador publicado. Ela escolheu um cálculo complicado de propósito, e deixou registrado o porquê, o objetivo não era a facilidade, e sim mostrar a potência da máquina.
A segunda coisa foi um salto que nem o próprio Babbage tinha dado. Ele via a invenção como uma calculadora gigante, boa com números. Ada enxergou mais longe. Ela percebeu que, se a música, os desenhos ou as palavras pudessem ser representados como símbolos, a máquina poderia trabalhar com eles também. Escreveu, sobre música:
A máquina poderia compor peças musicais elaboradas e científicas, de qualquer grau de complexidade ou extensão.
E a terceira coisa, no meio de todo esse entusiasmo, foi uma dúvida. Ada cravou uma frase que perseguiria a inteligência artificial pelos próximos dois séculos:
A Máquina Analítica não tem a menor pretensão de originar coisa alguma. Ela faz aquilo que soubermos ordenar que ela faça.
Essa página de 1843 tem três revelações empilhadas. Vai com calma em cada uma.
A primeira é o Babbage. A arquitetura que ele desenhou, processador, memória, programa em cartões, decisões e laços, é a mesma de qualquer computador que existe hoje, inclusive o que roda a IA. Ele acertou a planta do prédio cem anos antes de alguém ter material pra construir.
A segunda é o salto da Ada, e é a que mais importa pra você. Em 1843, ela foi a primeira pessoa a entender que um computador vai muito além de uma calculadora. Ele é uma máquina de mexer em símbolos, e símbolo pode ser qualquer coisa que você consiga representar, número, nota musical, letra, pixel. Toda vez que o seu modelo escreve um texto, compõe uma melodia ou gera uma imagem, ele está realizando, na prática, exatamente o que a Ada viu na cabeça dela quando computador ainda era um desenho a lápis. Ela enxergou a IA generativa um século e meio antes.
A terceira é a dúvida dela, e ela continua viva. “A máquina não origina nada, faz só o que mandamos.” Essa única frase virou um dos maiores debates da história da computação. A máquina é criativa de verdade, ou só rearranja, em altíssima velocidade, o que os humanos colocaram nela? Toda discussão que você vê hoje sobre se a IA “cria mesmo” é uma nota de rodapé do que a Ada escreveu em 1843. Lá na frente, nesta mesma ala, você vai ver um sujeito chamado Turing pegar essa dúvida de frente.
Tem uma tensão que o Hofstadter adora, e a Ada plantou ela inteira numa só pessoa. De um lado, regras mecânicas, frias, fazendo só o que mandam. Do outro, a suspeita de que disso possa brotar algo que pareça criação, originalidade, vida.
Repara que a dúvida da Ada é prima da roda do Llull. Lá atrás, a roda gerava combinações novas, mas era o humano que decidia se aquilo valia alguma coisa. A Ada está perguntando a mesma coisa num nível mais fundo. Será que gerar combinações novas, por mais surpreendentes que sejam, é a mesma coisa que originar? Ou originar de verdade é justamente o que sobra do lado de cá, com a gente? Essa fresta entre rearranjar e criar vai reaparecer várias vezes daqui pra frente, e ela nunca fecha de todo.
A frase mais prática da Ada é a da dúvida. A máquina não tem vontade própria, não decide o que vale a pena fazer, não traz a ideia. Ela faz aquilo que você souber ordenar. A direção, o “pra quê”, o juízo do que presta, tudo isso entra por você. A máquina executa, e quem origina é você.
Na prática, isso muda de quem você cobra a parte criativa. A IA é uma execução fenomenal de uma intenção que precisa ser sua. Ela não vai descobrir, no seu lugar, que ideia perseguir nem por que ela importa. Quando o resultado vem morno, antes de culpar o modelo, pergunta se você levou uma intenção de verdade pra mesa, ou se esperou que a máquina tivesse uma por você.
Pensa na última vez que uma IA te surpreendeu com algo que pareceu genuinamente criativo. Agora segura a pergunta da Ada na frente disso. Aquilo foi originar algo novo, ou foi um rearranjo brilhante de coisas que ela já tinha visto? E talvez a pergunta mais incômoda, será que, quando um humano cria, é assim tão diferente disso?
Babbage e Ada acreditavam, cada um do seu jeito, que a máquina poderia fazer praticamente tudo que soubéssemos ordenar. O sonho da Ala 1 agora tinha um corpo de bronze e até um programa.
Mas a parede que você bateu no quebra-cabeça MU não tinha ido embora. Na próxima sala, um jovem lógico austríaco chamado Kurt Gödel vai provar, com rigor de matemática, que existe um limite absoluto pra tudo que se faz com regras. Não importa quão poderosa seja a máquina, nem quão esperto seja quem a comanda. A parede do MU tinha um nome, e Gödel foi quem o escreveu.
A peça desta sala é uma única frase. Ela parece um joguinho de palavras e, em 1931, ela arrancou o chão de baixo da matemática inteira.
Esta afirmação não pode ser provada.
Para um segundo e lê de novo, devagar. Se ela puder ser provada, então é falsa, porque ela diz justamente que não pode. E se ela não puder ser provada, então é verdadeira, e a gente tem uma verdade que nenhuma prova alcança. Um jovem de 25 anos transformou esse pequeno nó numa das descobertas mais profundas que a humanidade já fez.
Lá no fim da ala passada, você bateu numa parede. Tentou chegar no MU e descobriu que era impossível, e que pra entender o porquê você precisava sair do jogo e olhar de fora. Ficou no ar uma pergunta. Aquilo era só um azar daquele joguinho de três letras, ou era um sinal de algo bem maior?
Esta sala responde. Era algo maior. Muito maior.
Pra sentir o baque, você precisa saber o que o mundo da matemática estava sonhando na época. No começo do século XX, o maior matemático vivo, David Hilbert, lançou um desafio grandioso. Ele queria botar toda a matemática sobre uma base perfeita, um sistema de regras que fosse capaz de provar toda verdade matemática, sem nunca se contradizer. Era o sonho de Leibniz de novo, o de reduzir o raciocínio a um cálculo seguro, agora com o rigor total da matemática moderna. A ideia era linda e parecia só uma questão de tempo.
Em 1931, um lógico austríaco quieto e magérrimo chamado Kurt Gödel publicou um trabalho que acabou com esse sonho pra sempre.
Pra sentir o tamanho do que Gödel fez, vale voltar uns dois mil e seiscentos anos, até uma frase que já era famosa muito antes de existir matemática moderna. Conta a história que Epimênides, um pensador da ilha de Creta, cravou: “todos os cretenses são mentirosos”. O detalhe saboroso é que o próprio Epimênides era cretense. Então, se ele está falando a verdade, ele é um mentiroso, e a frase é mentira. Mas se a frase é mentira, então cretense não mente, e ele estava falando a verdade. A sua cabeça entra num pingue-pongue que não para nunca.
Com os séculos, essa frase foi sendo afiada até a versão mais limpa e mais cruel de todas: “esta frase é falsa”. O mesmo nó, agora sem o disfarce dos cretenses. Por mais de dois mil anos, isso foi tratado como um truquezinho de palavra, dessas curiosidades que a gente acha que não servem pra nada sério.
A genialidade de Gödel foi pegar esse curto-circuito de dois milênios e enfiar ele dentro da matemática. Justo ali, o lugar mais arrumadinho e confiável do mundo, onde uma coisa dessas não podia acontecer de jeito nenhum.
Pra conseguir, ele precisou de um truque de preparação. E vou te avisando logo, esta é a parte mais abstrata do museu inteiro. Se ela não descer redonda de primeira, fica tranquilo e segue assim mesmo, porque tudo isso vai assentar nas próximas salas. Ninguém aqui precisa decorar nada.
Primeiro, o que é uma frase da matemática. Pensa em algo como “2 + 2 = 4”, ou “7 é um número primo”. São afirmações que falam de números, e que ou são verdadeiras ou falsas. Provar uma delas é mostrar, sem nenhuma brecha, que ela é verdade, partindo das regras básicas da matemática. Até aqui, tranquilo, é o que todo mundo viu na escola.
O que Gödel fez foi dar um número de identidade, um CPF, pra cada uma dessas frases. Você já viu neste museu que letra vira número, que tudo no computador é número. Gödel fez igual com as frases da matemática: a frase “2 + 2 = 4” ganha um número só dela, “7 é primo” ganha outro, e assim por diante. E aqui mora a esperteza. Como o CPF é, ele mesmo, um número, dá pra escrever uma frase de matemática que fala sobre outra frase, só mencionando o CPF dela. Frase falando de frase, tudo na mesma língua dos números.
Foi aí que ele armou o golpe. Gödel construiu uma frase cujo CPF era justamente o número que ela mesma estava mencionando. Uma frase que aponta pro próprio CPF e diz: “a frase de número tal não pode ser provada”, sendo que o tal número é o dela própria. Traduzindo do matematiquês: “eu não posso ser provada”. O velho Epimênides, agora falando a língua dos números.
Agora vem a parte de jogo, e você treinou exatamente isso no MU. Tem só duas portas, e as duas dão no mesmo lugar. Porta 1, o sistema consegue provar essa frase. Só que a frase jura que não pode ser provada, então o sistema acabou de provar uma mentira, e um sistema que prova mentira a respeito de si mesmo vai direto pro lixo. Porta 2, o sistema não consegue provar a frase. Então o que ela diz é verdade, ela realmente não tem prova, e pronto, existe uma verdade que o sistema nunca alcança. Não há terceira porta. Ou o sistema se contradiz, ou ele tem buracos.
E Gödel provou que isso não acontece por um sistema estar mal montado. Vale pra qualquer sistema de regras forte o bastante pra fazer conta. Todos eles, sem exceção, guardam verdades trancadas do lado de fora do próprio alcance, e nenhum deles consegue garantir, sozinho, que não se contradiz. O sonho de Hilbert esbarrou num teto, e esse teto era uma lei, válida pra todo sistema de regras que existe. Não tinha conserto nem como contornar. Era o tamanho do possível.
Agora junta com o que você viveu no MU, porque é exatamente a mesma coisa.
No MU, a verdade “é impossível chegar no MU” era real, mas invisível por dentro das regras. Você só a alcançou saltando pra fora e olhando o jogo de cima. Você pode ter achado que era uma curiosidade de um quebra-cabeça bobo. Gödel provou que essa parede é uma lei do universo. Todo sistema de regras poderoso tem verdades que só se enxergam de fora dele. A parede do MU tem o tamanho da matemática inteira.
Pensa no tamanho disso pra história que a gente vem contando. De Aristóteles a Leibniz, o sonho era capturar todo o pensamento correto num sistema de regras mecânicas. Gödel mostrou que esse sonho tem um limite permanente, que nenhuma esperteza derruba. Nenhum conjunto de regras, nenhuma máquina, nenhuma IA pode ser um raciocinador completo e fechado em si mesmo. Sempre vão sobrar verdades do lado de fora, alcançáveis só por quem olha o sistema de cima.
E olha quem é que olha de cima. Até agora, nesta história, quem salta pra fora do sistema e enxerga a verdade que as regras não alcançam é o ser humano. No MU, foi você. Se isso é uma vantagem permanente nossa sobre a máquina, ou só o capítulo atual de uma disputa em aberto, ninguém ainda sabe responder com certeza. É uma das perguntas mais vivas que existem, e o museu volta nela no fim.
Talvez você tenha reparado num nome esquisito na capa do nosso livro-patrono, ali no começo, junto com um artista e um compositor. Gödel. Pois é, o livro inteiro do Hofstadter é, no fundo, uma volta sem fim em torno do que acabou de acontecer nesta sala.
O coração de tudo é a frase que se dobra sobre si mesma, “eu não posso ser provada”. Hofstadter chama esse movimento de volta estranha, o sistema que sobe um degrau e aponta pra si mesmo, e nesse aponta-se nasce algo que as regras sozinhas não continham. O quebra-cabeça MU que você jogou foi o aquecimento de propósito pra esta sala. Hofstadter desconfia que é justamente desse tipo de volta sobre si mesmo que brotam coisas grandes, como a consciência. E repara no que o Gödel fez com a pergunta que o Boole te deixou. Aquele “será que sobra algo que a conta nunca alcança?” acabou de ganhar a primeira resposta dura. Sobra, sim, e em todo sistema de regras que existe. Por enquanto, quem enxerga esse resto é o humano que olha de fora. Esse fio vai virar, lá na frente, uma pergunta sobre você.
Gödel deixa uma lição prática afiada pra quem usa IA. Um sistema não é juiz confiável de si mesmo. Por mais sofisticada que seja, a IA não tem como garantir, por dentro, que o que ela mesma produziu está certo. A checagem que vale vem de fora, de você, de outra fonte, da realidade.
Na prática, desconfia de autoavaliação. Quando você pergunta pro modelo “isso está correto?” e ele responde, cheio de confiança, “sim, está perfeito”, lembra que é o sistema se certificando por dentro, e isso vale pouco. A verificação de verdade é cruzar com uma fonte externa, testar, conferir no mundo. Pedir pra IA validar a IA é como pedir pro sistema provar a si mesmo, e Gödel mostrou onde isso trava.
Quando você confia numa resposta da IA, é o sistema se certificando por dentro, do mesmo jeito que a frase do Gödel jurava sobre si mesma. Quem olha de fora é você. Então a pergunta que fica, e que talvez não tenha resposta fácil, será que existe algo que você enxerga ao olhar um problema de fora que nenhuma máquina presa às próprias regras conseguiria alcançar sozinha?
Gödel encontrou o limite usando lógica e matemática pura, com papel e caneta. A parede estava provada, mas ainda era abstrata, coisa de lógico.
Faltava alguém perguntar a mesma coisa sobre máquinas de verdade. O que exatamente uma máquina consegue e não consegue calcular? Pra responder isso, na próxima sala, um jovem inglês chamado Alan Turing vai imaginar uma máquina tão simples e tão poderosa que, sem querer, ele acaba inventando a planta de todos os computadores que existiriam depois. E, anos mais tarde, vai fazer a pergunta que assombra este museu inteiro. Será que ela pode pensar?
A peça desta sala é a máquina mais simples que você consegue imaginar, e a mais poderosa que já foi pensada. Em 1936, ela existia só na cabeça de um inglês de 24 anos. Era uma fita de papel comprida, dividida em quadradinhos, e uma cabeça que anda pra frente e pra trás, lendo um símbolo de cada vez, apagando, escrevendo, seguindo uma listinha de regras. Só isso.
Parece de brinquedo. Mas essa fita boba escondia a ideia que criou o computador, o celular e, lá no fim da linha, a inteligência artificial. E o nome do rapaz era Alan Turing.
Pega o seu celular. Ele é uma câmera. Aí ele vira um mapa. Aí vira um piano, um cinema, uma rádio, um caderno. O mesmo objeto, sem trocar nenhuma peça, vira máquinas completamente diferentes, e basta abrir um aplicativo diferente.
Isso é tão comum hoje que ninguém estranha. Mas é uma das ideias mais profundas que já existiram. De onde veio? De onde saiu a noção de uma única máquina capaz de virar qualquer outra máquina?
Alan Turing era um matemático brilhante e meio fora do mundo, daqueles que enxergam coisas que ninguém vê. Em 1936, ele estava atrás de uma pergunta abstrata, o que exatamente pode ser calculado por um procedimento mecânico. Pra atacar isso, ele inventou aquela fita com a cabeça de leitura, que hoje a gente chama de máquina de Turing.
Cada máquina dessas, com a sua listinha de regras, fazia uma tarefa. Uma somava, outra comparava, outra ordenava. Até aí, nada de mais. O estalo veio quando Turing percebeu uma coisa de arrepiar. Dava pra construir uma máquina especial, que em vez de fazer uma tarefa fixa, lia na fita a descrição de qualquer outra máquina e passava a se comportar como ela. Uma máquina que vira qualquer máquina, só de ler as instruções dela. Ele chamou isso de máquina universal.
Para nesse ponto, porque é o nascimento do computador. A máquina universal não precisa ser reconstruída pra fazer algo novo. Você só dá uma descrição diferente, um programa diferente, e ela vira outra coisa. Hardware fixo, comportamento infinito. É a planta de toda máquina programável que existiria depois.
Turing não ficou só na teoria. Na Segunda Guerra, ele liderou a turma que quebrou os códigos secretos dos nazistas, construindo máquinas de verdade que decifravam mensagens e, segundo os historiadores, encurtaram a guerra em anos e salvaram um número enorme de vidas.
E aí, em 1950, já consagrado, ele foi atrás de uma pergunta muito mais perigosa, a que assombra este museu inteiro:
As máquinas podem pensar?
Turing achou essa pergunta mal feita, porque ninguém concorda sobre o que “pensar” significa. Então ele fez uma jogada genial. Trocou a pergunta impossível por um teste concreto. Imagina que você troca mensagens de texto, por um tempo, com dois desconhecidos. Um é humano, o outro é uma máquina, e você não vê nenhum dos dois. Se, depois da conversa, você não consegue dizer qual é qual, então faz sentido dizer que a máquina pensa, ou pelo menos que a diferença deixou de importar. Você acabou de conhecer o teste de Turing.
Ele foi ousado até no palpite. Afirmou que, por volta dos anos 2000, as máquinas já conversariam bem o bastante pra enganar uma pessoa comum em boa parte das vezes, depois de alguns minutos de papo. E respondeu de frente à dúvida que a Ada Lovelace tinha plantado um século antes, a de que a máquina nunca cria nada de novo. Turing rebateu que talvez a gente também só recombine o que aprendeu, e que uma máquina que aprende poderia, sim, nos surpreender.
A vida de Turing terminou de forma injusta e triste. Por ser homossexual numa época em que isso era crime na Inglaterra, ele foi condenado, perseguido e submetido a um tratamento forçado humilhante. Morreu em 1954, aos 41 anos. Décadas depois, o país pediu desculpas formais pelo que fez com um dos maiores gênios da sua história.
Esta sala tem duas revelações, e as duas estão na sua mão agora.
A primeira é a máquina universal. O seu computador, o seu celular, o servidor que roda a IA, todos são a máquina universal do Turing feita de silício. Aquela ideia de 1936, de um aparelho que lê instruções e vira a máquina que as instruções mandam, é o motivo de existir software, de um aparelho só fazer mil coisas, e é o chão onde a inteligência artificial roda. O modelo de IA é só mais uma “máquina” que a máquina universal aprende a imitar quando você dá as instruções certas.
A segunda revelação é o teste. Aquela pergunta que o Turing reformulou em 1950 virou a régua não oficial da inteligência artificial por mais de setenta anos. “Será que dá pra distinguir a máquina do humano numa conversa?” E aqui o museu te deixa com um suspense de propósito. O Turing apostou que isso aconteceria por volta de 2000. A pergunta de se ele acertou, e o que significa o fato de hoje a gente conversar com máquinas e às vezes esquecer que são máquinas, é um assunto que esta ala deixa em aberto de propósito. Põe o teste de Turing no bolso, que a gente volta nele mais pra frente.
O Turing aparece o tempo todo no nosso livro-patrono, e por um motivo lindo. A máquina universal é uma volta sobre si mesma. É uma máquina que lê descrições de máquinas e as imita, então ela pode ler a descrição de si própria e tentar imitar a si mesma. Esse tipo de auto-referência é a obsessão do Hofstadter.
E tem um detalhe que costura esta sala com a anterior. No mesmo trabalho de 1936, Turing achou uma parede idêntica à do Gödel, só que do lado das máquinas. Ele provou que existe um problema que nenhum computador jamais vai conseguir resolver em geral, por mais potente que seja. Gödel achou o limite na lógica, com a frase que não se prova. Turing achou o mesmo limite nas máquinas, com a tarefa que não se computa. Dois caminhos diferentes, a mesma parede no fim. A parede do MU não para de aparecer.
O modelo de IA é uma máquina universal. Ele não tem uma função fixa, ele vira a máquina que você descrever. O seu prompt é a descrição que diz qual máquina ele deve ser agora, um tradutor, um revisor, um professor de história, um programador. Quando você não diz qual máquina quer, ele escolhe uma genérica, e o resultado vem morno.
Na prática, isso é uma das alavancas mais fortes de quem prompta bem. Antes de pedir a tarefa, defina o papel. “Você é um editor exigente revisando um texto pra clareza” liga uma máquina muito mais afiada do que simplesmente “revise isto”. Você está usando o poder que o Turing descobriu, o de transformar uma máquina geral na máquina específica que você precisa, só com palavras.
Pensa na última vez que você conversou com uma IA e, por um momento, esqueceu que era uma máquina do outro lado. Naquele instante, ela passou no teste de Turing com você. Agora encara a pergunta incômoda. Isso quer dizer que ela pensou, ou só que imitar muito bem o pensar e pensar de verdade talvez sejam impossíveis de separar de fora? Não tem resposta fácil, e é exatamente por isso que a pergunta continua viva.
Turing imaginou a máquina universal de cima, como matemático, no mundo das ideias. Ele não perguntou de que a inteligência é feita por dentro, na carne.
Mas teve gente que perguntou. Na próxima e última sala desta ala, dois pesquisadores vão olhar pra coisa mais complexa do universo conhecido, o cérebro humano, e fazer uma proposta ousada. E se um neurônio, essa peça viva do pensamento, puder ser descrito como um pequeno dispositivo de lógica, um irmão biológico dos portões do Boole? É o momento em que a lógica e o cérebro se encontram pela primeira vez. McCulloch e Pitts.
A peça que fecha esta ala é um rabisco num papel, de 1943. Uma bolinha com algumas setas entrando e uma seta saindo. Do lado, uma regrinha simples:
Soma o que chega. Se passar de um certo limite, dispara. Se não passar, fica quieto.
Essa bolinha é o primeiro neurônio artificial da história. É o tataravô direto de toda rede neural que existe hoje, inclusive a que está por trás da inteligência artificial com que você conversa.
A IA moderna roda em cima de uma coisa chamada rede neural. Tem a palavra “neural” ali no nome, de neurônio, a célula do cérebro. De onde veio essa ideia de construir um pedaço de cérebro com matemática? Quando foi que a lógica fria e o cérebro vivo se deram a mão pela primeira vez?
Foi nesta sala, e a história por trás dela é uma das mais comoventes da ciência.
Junta duas pessoas que não podiam ser mais diferentes. Warren McCulloch era um neurofisiologista mais velho, estável, que estudava o cérebro. Walter Pitts era um menino prodígio e sem teto.
A história do Pitts merece uma pausa. Fugiu de casa aos 15 anos, de uma família violenta, em Detroit. Aos 12, escondido numa biblioteca, ele tinha lido o Principia Mathematica, um dos livros de lógica mais difíceis já escritos, e mandado uma carta pro autor, o filósofo Bertrand Russell, apontando erros. Russell ficou tão impressionado que o convidou. Pitts foi parar na Universidade de Chicago sem nunca ter se matriculado, dormindo onde dava, frequentando aulas que ninguém o tinha autorizado a frequentar. Era um gênio puro da lógica, vivendo na rua.
Quando McCulloch e Pitts se encontraram, virou uma daquelas parcerias que mudam o mundo. E a pergunta que eles atacaram juntos era enorme. Será que dá pra descrever o que um neurônio do cérebro faz usando pura lógica?
A sacada veio de um fato sobre os neurônios de verdade. Um neurônio funciona mais ou menos no tudo ou nada. Ou ele dispara um sinal, ou ele fica em silêncio. Aquilo acendeu a luz na cabeça dos dois. Disparar ou ficar quieto é a mesma coisa que o 1 e o 0 do Boole. Então eles modelaram o neurônio como uma bolinha bem simples. Ele recebe sinais de outros, soma tudo, e se a soma passa de um limite, ele dispara. Senão, fica quieto.
E aqui está a beleza. Ligando esses neuroniozinhos de jeitos diferentes, McCulloch e Pitts mostraram que dava pra montar o E, o OU e o NÃO, as mesmas operações do Boole, agora feitas de neurônios. Provaram que uma rede dessas conseguia, em princípio, calcular qualquer coisa que a lógica fosse capaz de expressar. Pela primeira vez, alguém tinha dito, com matemática na mão, que o pensamento no cérebro talvez fosse o mesmo tipo de coisa que a lógica numa máquina. Mente, talvez, fosse só matéria executando lógica.
Você está olhando pra nascente de um rio gigante. Aquela bolinha de 1943 é o primeiro ancestral das redes neurais, e a rede neural é o que faz a IA de hoje funcionar. Quando você lê que um modelo tem bilhões de “neurônios”, são descendentes diretos, muito mais sofisticados, daquele rabisco do McCulloch e do Pitts. O nome “rede neural” começou aqui.
E tem uma costura linda fechando a ala. Lembra do Boole, lá atrás, com a lógica virando 1 e 0? Lembra do cérebro, essa coisa viva e misteriosa? Esta sala é o aperto de mão entre os dois. A lógica do Boole e o neurônio do cérebro se revelaram, na cabeça desses dois, a mesma coisa. Foi aqui que a humanidade ousou pela primeira vez dizer que talvez a mente seja matéria fazendo conta.
Falta uma peça, e ela é importante pra você não sair daqui com uma ideia errada. O neurônio do McCulloch e do Pitts não aprendia. Ele era fixo, montado à mão pra fazer uma lógica decidida de antemão. A mágica de uma rede que aprende sozinha, que muda com a experiência, ainda não existia. Essa é a próxima virada grande da história, e ela vem nas alas seguintes. Por ora, o que nasceu foi a peça, o neurônio. Ensinar ela a aprender é outro capítulo.
O Hofstadter é fascinado por esta sala, porque ela toca no maior mistério de todos. Um neurônio sozinho é burro. Ele soma e dispara, só isso, não sabe de nada, não sente nada, não quer nada. E mesmo assim, oitenta e seis bilhões deles, ligados uns nos outros dentro do seu crânio, produzem você. A sua consciência, o seu eu, a sensação de estar lendo isto agora.
Esse é o salto que assombra o livro inteiro. Como é que um monte de peças sem mente nenhuma, juntas, fazem uma mente? O neurônio do McCulloch e do Pitts é a versão de brinquedo desse mistério, posta no papel pela primeira vez. E ela vale tanto pro cérebro quanto pra máquina. No Boole, o museu te fez a primeira grande pergunta, se sobra alguma coisa além da conta. Aqui ele te faz a segunda, e ela é bem mais desconfortável. Se você é feito das mesmas pecinhas burras que a máquina, o que, afinal, separa vocês dois? Não precisa responder agora. É essa pergunta que as próximas alas vão perseguir.
Não existe entendimento dentro de um neurônio, nem no de carne nem no de silício. Ele só dispara ou fica quieto. A IA é uma montanha imensa dessas pecinhas que não entendem nada, e a inteligência aparece do conjunto, não de uma peça que “te compreende”. Não tem ninguém ali dentro captando a sua intenção.
Na prática, isso te cura de um erro comum, o de contar com a IA “entendendo o que você quis dizer”. Ela não adivinha intenção, ela reage a padrão. Então deixa a intenção explícita no próprio texto, com exemplos e estrutura, em vez de esperar que um entendimento que não existe preencha as suas lacunas. Você não está falando com alguém que te lê nas entrelinhas. Está moldando o comportamento de uma rede gigante de pecinhas surdas.
Agora vira a pergunta pra dentro. Os seus pensamentos, neste exato momento, também são feitos de neurônios disparando ou ficando quietos, cada um tão burro quanto a bolinha de 1943. Se uma porção de peças sem mente nenhuma é capaz de fazer a sua mente, de onde vem a sensação, agora mesmo, de que tem alguém aí dentro sendo você? Não tenha pressa com essa. É das perguntas que a gente passa a vida inteira sem fechar.
Olha tudo que você juntou nestas duas primeiras alas. A ideia de que o pensamento tem regras. A máquina que executa. O programa gravado. O cálculo, a lógica, o limite, a máquina universal, e agora o neurônio. As peças do quebra-cabeça da inteligência artificial estão todas na mesa.
Faltava só dar um nome a esse sonho e juntar as pessoas certas numa sala. Isso aconteceu num verão de 1956, nos Estados Unidos, e foi ali que o termo “inteligência artificial” foi pronunciado pela primeira vez. Mas a história que vem agora guarda pouca glória e muito tombo. Foi um tempo de promessas grandes demais, e de dois invernos gelados que quase mataram o sonho. Bem-vindo à Ala 3.
A peça desta sala são duas palavras. Você diz elas o tempo todo, provavelmente já disse hoje.
Inteligência artificial.
Parece que esse nome sempre existiu. Não existia. Ele foi inventado de propósito, escrito pela primeira vez numa folha datilografada em 1955, por um homem que precisava batizar um campo que ainda nem tinha nascido. A IA tem data de batismo. E, por pouco, quase foi chamada de outra coisa.
Por que a gente chama isso de “inteligência artificial”? Quem sentou e decidiu que era esse o nome? E por que logo “inteligência”, a palavra mais pesada que existe, a que convida na hora a comparação com você?
A resposta está num único verão, numa universidade pequena, com um grupo de dez homens cheios de uma confiança que beirava a arrogância.
Estados Unidos, 1955. Um jovem matemático chamado John McCarthy queria juntar as pessoas certas numa sala pra atacar um problema que andava espalhado e sem dono. Tinha gente estudando “autômatos”, gente na “cibernética”, gente sonhando com “máquinas pensantes”, cada um no seu canto, sem um guarda-chuva comum. McCarthy escreveu, com mais três pesos-pesados, uma proposta pedindo dinheiro pra um encontro de verão. Os quatro nomes na folha dão o tamanho da ambição. McCarthy, Marvin Minsky, Nathaniel Rochester, um dos engenheiros-chefes da IBM, e Claude Shannon, o mesmo que você viu na Ala 1 transformando a lógica de Boole em circuito.
E foi ali, pra dar nome ao encontro, que McCarthy cunhou o termo. Ele escolheu “inteligência artificial” também por um motivo nada nobre. Queria uma bandeira nova e limpa, que separasse o grupo dele da cibernética e que não o deixasse na sombra de Norbert Wiener, o nome gigante daquele campo vizinho. Foi jogada de marca tanto quanto de ciência.
No coração da proposta estava uma única frase, e ela é a aposta mais ousada de toda esta história:
Todo aspecto do aprendizado, ou qualquer outra característica da inteligência, pode em princípio ser descrito com tamanha precisão que se pode construir uma máquina para simulá-lo.
Lê de novo, devagar. Todo aspecto. Qualquer característica. Eles não estavam dizendo “vamos tentar um pedacinho”. Estavam dizendo que a inteligência inteira, sem sobra, podia ser escrita como regra e copiada por uma máquina. E que dava pra avançar bastante nisso, olha só, num verão. Pediram uma verba modesta à Fundação Rockefeller e marcaram dois meses de trabalho, convencidos de que um grupo seleto resolveria de uma vez o que a humanidade vinha rodeando havia dois mil anos.
O verão de 1956 chegou. E foi mais bagunçado que o sonho. As pessoas iam e vinham, mais um desfile de visitas do que uma equipe fechada. Ninguém resolveu a inteligência. Ninguém chegou nem perto. Mas duas coisas aconteceram que nunca mais desapareceram. A primeira, o nome pegou. Dali em diante o campo tinha bandeira, inteligência artificial, e é a mesma que está no aplicativo que você abriu hoje. A segunda, uma dupla de fora, Allen Newell e Herbert Simon, apareceu com a única coisa que ninguém mais tinha, um programa que de fato rodava. O Logic Theorist, uma máquina que provava teoremas de lógica sozinha, lembrada como o primeiro programa de IA da história.
Tem um detalhe delicioso nessa dupla. Newell e Simon nem gostavam do termo “inteligência artificial”. Chamavam o próprio trabalho de “processamento complexo de informação”, um nome morno, técnico, que não assustava ninguém. O nome que venceu e atravessou setenta anos não era nem o deles. Era o do McCarthy.
Repara no que essa sala te entrega. O nome que você usa todo dia, com a maior naturalidade, não caiu do céu nem descreve uma verdade da natureza. Ele foi cunhado por uma pessoa, numa folha de pedido de verba, em parte pra ganhar uma disputa de território. “Inteligência” foi uma escolha de palavra, não um diagnóstico.
E aquela frase central da proposta, a de que todo aspecto da inteligência pode ser descrito e simulado, você já conhece por dentro. É o “vamos calcular” de Leibniz e o sonho de Hilbert, agora vestidos de plano de engenharia com orçamento e prazo. A Ala 1 inteira sonhou com isso no papel. Em 1956, um grupo decidiu que ia construir de verdade.
E é aqui que o museu vira uma página importante. Até esta sala, a máquina que pensa foi sonho de monge, teorema de lógico, projeto de bronze. A partir de Dartmouth, ela é um campo com nome, com dinheiro e com gente contratada pra fazer acontecer. Ela saiu do mundo das ideias e entrou no mundo dos laboratórios. E quanto mais alta a aposta, todo aspecto da inteligência, mais alto toca aquele sino que soou no fim da Ala 2. Se eles conseguirem mesmo, o que é que sobra de você?
Falta dizer uma coisa, pra você não sair com a história torta. O pessoal de Dartmouth apostou todas as fichas na lógica e nas regras, em símbolos arrumados como numa demonstração de matemática. A máquina que finalmente funcionou, a que você usa, veio por outra estrada, a da estatística, e essa estrada é o assunto da Ala 4. Eles acertaram o nome e a ambição. Erraram o caminho. Mas o nome ficou.
O nosso livro-patrono dedica dois capítulos inteiros justamente a esta história, a da IA olhando pra trás e pra frente. E o Hofstadter, escrevendo em 1979, bem no meio da tradição que nasceu em Dartmouth, deixou uma desconfiança que envelheceu muito bem.
Ele achava que aquele pessoal tinha apostado na camada errada da mente. Que tinham confundido a superfície polida do pensamento, a lógica, as regras certinhas, os passos demonstráveis, com a coisa viva que borbulha embaixo, a intuição, a analogia, o palpite que chega antes de qualquer raciocínio. Pra ele, tentar arrancar inteligência só das regras formais era como tentar entender uma piada decompondo a gramática dela. A graça mora noutro andar.
Esse incômodo é a primeira rachadura na confiança de Dartmouth, e é a velha pergunta da Ala 1 batendo de novo, com outra roupa. Será que sobra alguma coisa que as regras nunca alcançam? Hofstadter apostou que sim, e que essa coisa era justamente a parte que importa. As próximas salas mostram o que aconteceu quando toda essa confiança encarou a realidade.
A IA nasceu prometendo demais. Os fundadores, gente brilhante de verdade, acharam que resolviam a inteligência num verão e erraram por décadas. Esse otimismo virou o DNA do campo. A cada nova onda, a tendência real vem embrulhada num prazo de fantasia. A habilidade que te protege é separar as duas coisas.
Na prática, é assim que você lê manchete de IA sem se enganar. Quando alguém cravar que “a IA vai substituir tal coisa até o ano que vem”, lembra de Dartmouth. A direção do dedo costuma estar certa, a data quase sempre é o velho vício de 1956 outra vez. Seja otimista com o rumo e cético com o relógio. Isso te salva das duas ciladas, a de achar que não vai dar em nada e a de achar que vai dar em tudo amanhã.
McCarthy podia ter batizado o campo de mil jeitos. Newell e Simon, lembra, chamavam o próprio trabalho de “processamento complexo de informação”, um nome técnico e sem assombro nenhum. Imagina que esse nome tivesse vencido, e que toda vez que você abrisse o ChatGPT dissesse “vou usar o processamento complexo de informação”. Quanto do que você sente diante da máquina, o encanto, o receio, a comparação automática com você mesmo, vem da coisa em si, e quanto vem só de uma palavra que um homem escolheu, em 1955, pra vender um projeto?
Dartmouth deu o nome e a ambição. Mas ambição precisa de uma máquina pra chamar de sua, uma prova viva de que a aposta estava de pé.
Pouco depois daquele verão, ela apareceu. Uma engenhoca que aprendia sozinha, inspirada no neurônio que você viu no fim da Ala 2, e que a imprensa da época tratou como o primeiro passo pra máquinas que um dia andariam, falariam e tomariam o nosso lugar. O nome dela era Perceptron. A próxima sala conta como ela virou estrela, e como foi a primeira grande promessa da IA a estourar na cara de todo mundo.
A peça desta sala é uma máquina do tamanho de um armário, de 1958, com um olho. O olho era uma grade de quatrocentos sensores de luz, vinte por vinte, apontados pra um cartão. Atrás dela, um emaranhado de fios e botões giratórios que mudavam de posição sozinhos enquanto a coisa funcionava.
Mark I Perceptron, 1958. A primeira máquina que aprendeu a ver sem ninguém lhe ensinar as regras.
Ninguém programou nela o que era um quadrado ou um triângulo. Ela viu exemplos, errou, se corrigiu, e foi ficando boa sozinha. É a tataravó de toda IA que aprende, inclusive a sua.
Ninguém sentou e escreveu as regras da gramática dentro do ChatGPT. Ninguém digitou “isto é um gato” pra cada gato do mundo. A IA de hoje aprende vendo exemplos, montanhas deles, ajustando-se sozinha até acertar. De onde veio essa ideia, a de uma máquina que aprende com exemplos em vez de seguir regras escritas à mão?
Veio de um psicólogo, de um olho de quatrocentos sensores, e de uma das maiores explosões de hype da história.
Frank Rosenblatt era psicólogo de formação, não engenheiro, e a pergunta que ele perseguia era de psicólogo. Como é que um cérebro aprende a reconhecer as coisas? Ninguém nasce sabendo ler. A criança vê a letra A mil vezes, em mil formatos, e um dia o reconhecimento simplesmente acontece. Rosenblatt, trabalhando num laboratório de aeronáutica ligado a Cornell, quis construir uma máquina que fizesse isso.
Lembra do neurônio do McCulloch e do Pitts, lá no fim da Ala 2? Ele era fixo. Montado à mão pra fazer uma lógica decidida de antemão, não mudava nunca. Rosenblatt deu o passo que faltava. E se cada ligação do neurônio tivesse um peso, um valor que dá mais ou menos importância a cada entrada, e a máquina pudesse ajustar esses pesos sozinha?
O Perceptron funcionava assim. Você mostra um cartão com uma forma. A máquina chuta uma resposta. Se errou, ela mexe nos próprios pesos, um tiquinho, na direção que teria acertado. Mostra outro cartão, outro chute, outra correção. Centenas de vezes. No começo ela vai mal, no chute puro. Aos poucos os pesos vão se acomodando, e um dia ela acerta quase sempre. Ninguém disse pra ela o que era a forma. Ela destilou isso dos exemplos, sozinha. Repara que isso é aprender, no sentido mais honesto da palavra.
A versão física, o Mark I Perceptron, era do tamanho de um armário. O olho eram aquelas quatrocentas células de luz numa grade. Os pesos eram botões giratórios que motorzinhos elétricos ajustavam sozinhos, na medida em que a máquina aprendia. Era 1958, e tinha uma coisa ali na sala aprendendo a enxergar.
E aí o mundo perdeu a cabeça. A Marinha americana, que bancava a pesquisa, fez uma coletiva de imprensa, e os jornais foram à loucura. O New York Times anunciou aquilo assim:
[O Perceptron é] o embrião de um computador eletrônico que [a Marinha] espera que um dia ande, fale, veja, escreva, se reproduza e tenha consciência da própria existência.
Isso em 1958. A partir de um bichinho que mal distinguia um quadrado de um triângulo.
Faltava o tombo, e ele veio em 1969, da pior fonte possível. Marvin Minsky, lembra dele, um dos fundadores que batizaram a IA em Dartmouth, junto com Seymour Papert escreveu um livro inteiro, chamado Perceptrons, dissecando o que a máquina do Rosenblatt conseguia e o que não conseguia. E eles provaram, com a matemática na mão, uma limitação dura. Um Perceptron simples, de uma camada só, era incapaz de aprender certos padrões básicos. O exemplo que ficou famoso é de uma simplicidade humilhante, uma operaçãozinha lógica chamada OU-exclusivo, do tipo “um ou outro, mas não os dois”, que qualquer criança entende e que o Perceptron não conseguia, de jeito nenhum, aprender.
O estrago foi gigante. Vindo de um nome do peso do Minsky, o livro soou como uma certidão de óbito. O dinheiro pra pesquisa em redes que aprendem secou. A linha inteira do Perceptron foi dada como morta e ficou no gelo por quase quinze anos. E aqui mora a parte mais triste. Frank Rosenblatt morreu em 1971, num acidente de barco, no dia em que completava 43 anos, sem ver a ideia dele voltar.
Porque ela voltou. O limite que o Minsky apontou era real, mas só pro Perceptron mais simples, de uma camada. Empilhar várias camadas resolvia o problema, e o próprio Rosenblatt já desconfiava disso. O que faltava era um jeito de treinar essas camadas, e esse jeito chegaria, só que lá nos anos 80. O Minsky estava certo na conta e errado no enterro.
Aqui o museu te entrega a virada. Lembra que na sala passada o pessoal de Dartmouth apostou na lógica, nas regras escritas à mão, e que eu te disse que a máquina que venceu veio por outra estrada? Esta é a outra estrada. O Perceptron, a máquina que aprende ajustando pesos a partir de exemplos, é a antepassada direta de toda rede neural de hoje. Quando você usa um modelo de linguagem, você está usando um bisneto gigantesco e muito mais esperto do Perceptron do Rosenblatt. Bilhões de pesos, em vez de quatrocentos botões, ajustados a partir de quase tudo que a humanidade já escreveu, em vez de uns cartões. Mas o gesto é exatamente o mesmo. Mostrar exemplos, errar, corrigir o peso, repetir, até a competência emergir sozinha.
Deixa o tamanho da ironia te pegar. A linha que foi declarada morta em 1969, a que perdeu o dinheiro e o prestígio, a que ficou quinze anos no freezer, é a linha que venceu. O Logic Theorist, a estrela lógica de Dartmouth, virou nota de rodapé. O patinho feio do Perceptron virou o cisne. A IA que mudou o teu trabalho desceu da rede neural que quase morreu na praia, não da lógica que parecia óbvia em 1956.
Tem um momento lindo no nosso livro-patrono em que o Hofstadter conversa com uma colônia de formigas, tratando o formigueiro inteiro como uma personagem só, dona de pensamentos próprios. A provocação séria é esta. A colônia sabe coisas, se comporta, parece decidir, e mesmo assim nenhuma formiga sozinha sabe de nada. O conhecimento não está em formiga nenhuma. Está espalhado no formigueiro inteiro, no padrão, sem endereço fixo.
O Perceptron é a primeira máquina deste museu que funciona assim. Depois de treinado, ele sabe reconhecer uma forma. Mas se você abrir a máquina procurando onde está guardada a “forma”, não acha. Não existe um lugar com a resposta. O que existe são quatrocentos números espalhados, cada um sem sentido nenhum sozinho, e o reconhecimento mora no conjunto deles, do mesmo jeito que o pensamento mora na colônia e não na formiga.
Essa estranheza é a raiz de uma coisa que te incomoda até hoje. Quando dizem que ninguém consegue abrir um modelo de linguagem e explicar direito por que ele respondeu exatamente aquilo, é isto aqui, levado a bilhões. O saber está no padrão, espalhado, sem endereço. A máquina já guardava esse mistério em 1958, com quatrocentos botões.
O Perceptron nasceu pra aprender de um jeito só, vendo exemplos. Essa é a língua nativa de toda IA que veio depois dele. Por isso mostrar costuma ser mais forte do que mandar. Um bom exemplo dentro do prompt ensina o modelo mais rápido do que três parágrafos explicando o que você quer.
Na prática, quando a IA não está acertando o tom, o formato ou o estilo que você quer, para de descrever e mostra. Cola um exemplo do resultado bom, ou dois, antes de pedir o seu. “Faça no estilo deste aqui” liga uma parte da máquina que “explique o estilo que eu quero” nunca alcança. Você está falando com uma descendente do Perceptron, e ela aprende como ele aprendia, por exemplo, não por sermão.
Marvin Minsky era um dos sujeitos mais inteligentes que o campo já teve, e olhou pro Perceptron com toda essa inteligência e cravou que aquilo não ia longe. Estava certo na matemática e errado no futuro. A ideia que ele ajudou a enterrar levantou da cova quinze anos depois e virou a tecnologia que move o mundo agora. Pensa no peso disso na próxima vez que a pessoa mais inteligente e mais segura da sala descartar uma ideia nova com uma explicação impecável. Estar certo nos detalhes e cego no todo é uma das coisas mais fáceis de fazer com uma cabeça brilhante.
O tombo do Perceptron não foi um acidente isolado. Foi o primeiro de um padrão que ia se repetir. A IA prometia o céu, a realidade entregava um pedacinho, o dinheiro animado ia embora magoado, e o campo inteiro congelava.
Aconteceu não uma, mas duas vezes, com tanta força que ganhou nome próprio. A próxima sala é sobre os anos em que o sonho da IA virou piada, os laboratórios fecharam, e dizer que você trabalhava com “inteligência artificial” era quase um vexame. Bem-vindo aos invernos.
A peça desta sala são duas palavras que você já conhece. Na sala que abriu esta ala, elas nasceram cheias de pose, escritas numa proposta de 1955: inteligência artificial. A peça aqui são essas mesmas duas palavras, só que riscadas.
Porque foi isso que aconteceu. Por duas vezes, em décadas diferentes, cientistas sérios apagaram “inteligência artificial” dos próprios projetos pra conseguir dinheiro. O nome batizado com tanto orgulho em 1956 virou, duas vezes, uma palavra que se escondia. Esta sala é sobre as duas vezes em que o sonho da IA congelou inteiro.
A gente vive uma corrida do ouro da IA. Toda semana um avanço, bilhões entrando, a sensação de que isso é uma onda que não quebra mais. Parece o estado natural do mundo.
Não foi sempre assim. Duas vezes, o campo inteiro quase morreu de inanição. O que será que significa o fato de a tecnologia que está mudando a sua vida ter passado décadas sendo motivo de piada?
Você já viu o roteiro começar nas duas salas anteriores. Promessa enorme, dinheiro entusiasmado entrando, realidade entregando uma fração, dinheiro indo embora ofendido. Agora você vê esse roteiro rodar no campo inteiro, não uma, mas duas vezes.
O primeiro gelo veio nos anos 70. A IA dos anos 60 tinha prometido o mundo, tradução automática perfeita, máquinas que resolveriam qualquer problema. Só que os programas que brilhavam em probleminhas de brinquedo, num tabuleiro pequeno, travavam feio quando o mundo real chegava com seu tamanho de verdade. As possibilidades explodiam rápido demais pra qualquer máquina dar conta. Em 1973, na Inglaterra, um relatório encomendado pelo governo, escrito pelo matemático James Lighthill, cravou o diagnóstico que faltava:
[a IA fracassou em produzir] o grande impacto que havia sido prometido.
A torneira da pesquisa fechou na Inglaterra e encolheu nos Estados Unidos. O Perceptron, que você viu cair na sala passada, foi parte desse mesmo inverno. Primeiro congelamento.
Aí veio um degelo, nos anos 80, com uma ideia que parecia finalmente prática. Os sistemas especialistas. Em vez de sonhar com uma mente geral, você captura o conhecimento de um especialista humano numa pilha de regras. Se o paciente tem tal sintoma e tal exame, então provavelmente é tal doença. Empresas se empolgaram, gastaram fortunas, compraram computadores especiais só pra rodar essas regras. A IA tinha voltado, e agora dava lucro.
Durou pouco. Os sistemas especialistas eram quebradiços. Brilhavam dentro do roteiro e ficavam perdidos um passo fora dele. Não aprendiam nada sozinhos, e mantê-los atualizados custava caro demais. No fim dos anos 80, o mercado desmoronou, os computadores especiais viraram peso de papel diante de máquinas comuns mais baratas, e uma aposta gigantesca do Japão na próxima geração de IA fracassou junto. Segundo congelamento.
E nos dois invernos aconteceu a mesma coisa triste e reveladora. “Inteligência artificial” virou um termo tão tóxico que, pra sobreviver, o jeito era rebatizar o trabalho. Chamavam de “informática”, de “sistemas baseados em conhecimento”, de “aprendizado de máquina”. Tudo, menos aquelas duas palavras. O nome cunhado com tanto orgulho agora era escondido pra não espantar quem pagava a conta.
Mas repara numa coisa, porque ela muda tudo. O trabalho não morreu. Foi pra debaixo da terra. Enquanto o mundo dava as costas pras redes neurais, um punhado de teimosos continuou cavando no frio. E em 1986, bem no meio do segundo inverno, eles destravaram justamente a parede que tinha matado o Perceptron, um jeito de treinar redes de várias camadas. A semente da primavera que você vive hoje foi plantada na geada, por gente que se recusou a parar quando o dinheiro e o prestígio já tinham ido embora.
A revelação desta sala é sobre a forma do progresso. A IA que você usa não subiu por uma rampa suave e constante. Ela atravessou duas eras glaciais pra chegar até aqui. O caminho verdadeiro foi um sobe e desce, empolgação, congelamento, degelo, empolgação de novo, com vidas e carreiras inteiras perdidas em cada queda.
E tem uma justiça poética no fim. A linha que sobreviveu escondida, a das redes que aprendem, mal-falada e sem dinheiro, é exatamente a que virou o modelo que você abriu hoje. A primavera mais barulhenta da história foi chocada no silêncio do inverno, por teimosos que ninguém estava olhando.
Falta o aviso que vem de brinde, e ele corta dos dois lados. Por duas décadas, a máquina claramente não ameaçava ser como a gente. Mal dava conta de tarefa de brinquedo, e a distância entre você e ela era óbvia, confortável. Aí o gelo rachou, e a pergunta que tinha ficado dormente voltou com tudo. É essa volta que a próxima ala vai te contar.
Tem uma crueldade fina que o Hofstadter cutuca no nosso livro-patrono, e os invernos são feitos dela. Toda vez que a IA finalmente conquista alguma coisa que parecia exigir inteligência, a gente encolhe a definição de inteligência pra deixar aquilo de fora. Jogar xadrez era o ápice do intelecto, até uma máquina ganhar, e aí virou “ah, xadrez é só busca”. Reconhecer uma imagem, traduzir um texto, sempre a mesma reação. No instante em que a engrenagem aparece, a mágica parece fugir pra outro lugar.
Parte dos invernos foi esse desencanto. O campo subia a montanha achando que ia tocar a inteligência, chegava no topo, e descobria que o pico de verdade tinha recuado mais pra trás. Pegavam um pedaço do pensamento, a lógica, depois as regras do especialista, e cada pedaço, de perto, se revelava só mecanismo. A parte que importa escorregava de novo. É a velha pergunta da Ala 1 outra vez, agora escrita em câmera lenta, ao longo de cinquenta anos. Será que sempre vai sobrar alguma coisa que a máquina não alcança, ou a gente só fica movendo a trave de lugar?
Os sistemas especialistas morreram de um defeito que a IA de hoje ainda carrega, de roupa nova. Eles eram brilhantes dentro do script e perdidos um passo fora dele. O modelo que você usa é muitíssimo melhor, mas a forma da fraqueza rima. Ele é mais forte no meio do caminho batido e mais frágil na borda, no caso raro, na situação que foge do comum.
Na prática, calibra a sua confiança pela raridade do seu problema. Pergunta comum, bem trilhada por milhões de pessoas antes de você, a IA brilha e você pode relaxar. Caso esquisito, específico do seu contexto, fora da curva, é exatamente ali que ela blefa com mais confiança e te entrega o erro mais caro. Quanto mais incomum o seu caso, mais a verificação passa a ser sua.
A gente está vivendo a maior e mais luminosa primavera da IA de todos os tempos. Agora segura o desconforto. Toda primavera anterior também parecia definitiva e sem precedentes pra quem estava dentro dela. As pessoas de 1958, diante do Perceptron, e as de 1985, diante dos sistemas especialistas, tinham a mesma certeza que você talvez tenha agora. Como é que você faria, de dentro, pra distinguir um amanhecer de verdade de mais um verão de hype antes do gelo? Será que dá pra saber, ou isso só fica claro no retrovisor?
Aqui termina O Batismo e os Invernos. Você viu a IA ganhar nome, prometer demais e congelar, duas vezes, e ainda assim recusar-se a morrer.
O que veio depois do último inverno chegou devagar, sem estouro nenhum, um degelo que não parou mais. Mais dados do que qualquer um sonhou, máquinas absurdamente mais rápidas, e algumas viradas silenciosas que ninguém fora do campo percebeu na hora. A próxima ala chama A Ponte para o Agora, e é onde a gente liga esse degelo diretamente ao modelo que você usou hoje. Ela começa com uma surpresa, um joguinho de palavras de 1948 que explica como a sua IA faz pra “lembrar” do que você acabou de dizer. Claude Shannon, de novo.
A peça desta sala é um parágrafo. Lê devagar, de preferência em voz alta:
o problema da semana que vem aí depois do almoço frio que a minha avó fazia questão de pagar a conta de luz que nunca mais voltou a funcionar direito na cabeça de quem inventou essa história toda santa sexta-feira de manhã cedo
Repara no que acontece quando você lê. Cada pedacinho parece português de verdade. “O problema da semana que vem”, “a minha avó fazia questão”, “a conta de luz”, tudo soa certo, encaixado, natural. Mas junta tudo e não vai a lugar nenhum. A frase não quer dizer nada. E aí está o detalhe que vira a chave. Nenhuma pessoa escreveu isso. Esse parágrafo foi montado por um joguinho mecânico, sem ninguém ali entendendo uma única palavra, seguindo uma receita de 1948. Esse amontoado é um dos bisavôs mais diretos da IA que você abriu hoje.
Quando você conversa com uma IA, ela parece lembrar. Você diz uma coisa, ela responde levando em conta o que você falou antes, retoma um detalhe que você jogou lá em cima, emenda no assunto sem perder o fio. Dá uma sensação nítida de que tem alguém ali do outro lado acompanhando a conversa. De onde vem isso? Como é que um monte de conta sabe qual é a próxima palavra a dizer, e ainda escolhe logo a próxima palavra que combina com tudo que você já tinha falado?
A resposta começa num jogo tão simples que dava pra jogar com um livro e um lápis, muito antes de existir computador pra rodar.
Você já esbarrou no Claude Shannon duas vezes neste museu. Foi ele quem, lá na Ala 1, pegou a álgebra do Boole e a transformou em circuito elétrico, ensinando a eletricidade a fazer lógica. E foi um dos quatro nomes que assinaram a proposta que batizou a “inteligência artificial”, na ala passada. Pois ele volta mais uma vez, e agora com a peça que mais se parece, de verdade, com a IA que você usa.
Em 1948, trabalhando nos laboratórios da Bell, Shannon publicou o artigo que fundou a teoria da informação, a matemática que está por baixo de toda mensagem digital que você já mandou. No meio dele, uma pergunta de aparência inocente. Quanta estrutura escondida existe numa língua? Será que o inglês, o português, qualquer idioma, é previsível a ponto de dar pra adivinhar o que vem depois?
Pra atacar isso, Shannon inventou um jogo. A receita é boba de tão simples. Você abre um texto qualquer, escolhe uma palavra pra começar, digamos “casa”. Procura no texto outra aparição de “casa” e anota a palavra que aparece logo depois dela. Achou “casa amarela”? Sua próxima palavra virou “amarela”. Agora procura outra “amarela”, copia o que vier na sequência, e segue assim, palavra puxando palavra, cada uma escolhida só por causa da que veio antes. No fim você tem uma frase inteira que ninguém pensou, montada apenas pela estatística de quais palavras costumam andar coladas. O parágrafo lá da entrada saiu exatamente daí. Shannon fez isso em inglês, à mão, em 1948, e o resultado dele ficou famoso entre os matemáticos. Eu rodei a mesma receita em português pra você sentir o efeito na sua própria língua.
E aqui vai um convite, porque isso é bom demais pra você só ler. Shannon levou horas folheando um livro de papel pra trás e pra frente. Você faz num instante. Abre um e-book, ou qualquer arquivo de texto longo que você tenha, e usa o “localizar”, o Ctrl+F. Escolhe uma palavra pra começar e busca. Pega a palavra que aparece logo depois dela. Agora busca essa nova palavra e pega a seguinte. Repete, emendando uma palavra na outra, e vê sua frasezinha sem sentido ir crescendo. Se quiser ir além, faz o que nem existia no tempo do Shannon. Pede pra IA da sua escolha jogar o jogo por você, no texto que você quiser, pode ser até esta aula. Explica a regra pra ela. Começa numa palavra, acha onde ela aparece, copia a palavra seguinte, depois busca essa palavra nova e copia a seguinte, e segue encadeando até virar uma frase. Em segundos você vê a máquina cuspir a mesma bobagem elegante que o Shannon montou no muque, e ainda usa a própria IA pra reviver a brincadeira que deu origem a ela.
O que o Shannon notou no resultado ainda arrepia. Pedaços do troço soam quase certos, trechos que caberiam numa conversa real sem ninguém estranhar. O jogo não fazia a menor ideia do que estava dizendo. Não sabia o que é uma casa, uma avó, uma conta de luz. Sabia só, da contabilidade do texto, que essas palavras gostam da companhia umas das outras. E mesmo sem entender nada, cuspia algo com cara de linguagem.
Três anos depois, em 1951, Shannon virou o mesmo jogo do avesso pra medir a coisa pelo outro lado. Em vez de uma máquina gerando texto, um humano adivinhando. Ele pegava um trecho de um romance policial, tapava o que vinha à frente e pedia pra esposa adivinhar, letra por letra, qual era a próxima. Ela acertava com uma facilidade espantosa. Sem nunca ter estudado isso, ela carregava na cabeça a estatística inteira do idioma, a mesmíssima que a máquina usava pra fabricar a bobagem elegante. Os dois jogos, o de gerar e o de adivinhar, batiam no mesmo fato escondido. A língua é muito mais previsível do que a gente sente enquanto fala.
Aqui o museu fecha um circuito que ele deixou aberto duas alas atrás. Lembra que, em Dartmouth, eu te contei que os fundadores apostaram todas as fichas na lógica, e que a máquina que de fato venceu chegou por outra estrada, a da estatística? Este é o primeiro tijolo daquela estrada. No fundo do fundo, o que a sua IA faz é o jogo do Shannon levado ao delírio. Ela olha pras palavras que já estão na tela e calcula qual tem mais chance de vir em seguida. Escreve essa palavra. Calcula de novo. Escreve a próxima. Palavra puxando palavra, igualzinho ao jogo do Shannon.
A diferença está na escala, e a escala muda tudo. Shannon olhava pra uma palavra anterior, com a estatística de um único livro na cabeça. A sua IA olha pra milhares de palavras anteriores de uma vez, e a estatística dela foi destilada de uma fatia gigantesca de tudo que a humanidade já escreveu. O mesmo joguinho que produzia bobagem com um livro produz, com a internet inteira e um poder de conta absurdo, um texto que argumenta, responde e parece entender você.
E é exatamente aqui que mora a resposta do gancho. Aquela sensação de que a IA “lembra” do que você disse tem uma explicação bem menos mágica do que parece. Ela não guarda você na memória do jeito que uma pessoa guarda. O que ela faz, a cada palavra nova que vai escrever, é reler tudo que está na conversa até ali e usar esse texto pra escolher o que vem em seguida. A sua mensagem de três parágrafos atrás continua “lembrada” porque ainda está na tela que ela relê a cada passo. A memória dela é a folha aberta na frente dela, não uma lembrança guardada atrás dos olhos.
E fica uma última coincidência, dessas que dão um arrepio bom. Um dos maiores modelos de IA de hoje se chama Claude. A Anthropic, que o criou, nunca confirmou com todas as letras, mas é leitura quase unânime que o nome é uma homenagem ao Claude Shannon, esse mesmo, o do joguinho de palavras de 1948. Pensa no tamanho disso. Existe por aí uma máquina que prevê a próxima palavra o tempo inteiro, e que carrega no próprio nome o homem que mostrou, com um livro e um lápis, que prever a próxima palavra já era quase falar.
Tem uma obsessão que atravessa o nosso livro-patrono, o GEB, de ponta a ponta, e o jogo do Shannon é a versão mais limpa dela. O Hofstadter fica rondando uma pergunta incômoda. Será que significado pode brotar de pecinhas que, sozinhas, não significam nada? Símbolos embaralhados por regras cegas, sem ninguém ali dentro entendendo coisa alguma, e ainda assim saindo do outro lado algo com cara de sentido.
O parágrafo da entrada é esse enigma pego no flagra. Não existe compreensão em ponto nenhum daquele jogo. Existe só “esta palavra costuma vir depois daquela”, repetido até o fim. E mesmo assim você, lendo, escorrega sentido pra dentro dele sem querer. Bate o olho em “a minha avó fazia questão” e sua cabeça já começa, sozinha, a montar uma cena, uma cozinha, uma velhinha teimosa.
Aí se abre um alçapão embaixo dos seus pés, do tipo que este museu adora. Se um amontoado de estatística sem nenhum entendimento consegue produzir frases que fazem você sentir sentido, onde é que o sentido estava, afinal? Na frase, ou em você que leu? Segura essa pergunta sem pressa de responder. Ela vai voltar maior.
A IA não tem memória de você. Ela tem a tela. Tudo que ela “sabe” sobre o que vocês estão fazendo é o texto que está aberto na conversa, agora, na frente dela. O que rolou pra fora dali, pra ela, parou de existir.
Na prática, esse único fato conserta boa parte dos seus perrengues com IA. Quando ela “esquecer” uma instrução que você deu lá no comecinho de uma conversa longa, não conclua que ela é desatenta ou preguiçosa. O mais provável é que aquilo já tenha escorregado pra fora do que ela consegue enxergar de uma vez. O conserto é simples e quase sempre funciona. Traz a informação de volta pra perto, recoloca o que importa na sua última mensagem, em vez de torcer pra que ela tenha guardado. Você não está lembrando a máquina de algo que ela esqueceu. Você está repondo na mesa a única coisa com que ela joga, as palavras que estão diante dela agora.
Da próxima vez que a palavra exata cair na sua boca sem você procurar, ou que você terminar a frase de alguém antes da pessoa, repara no que acabou de acontecer. A esposa do Shannon adivinhava a próxima letra porque a língua é cheia de padrão, e a cabeça dela tinha bebido esse padrão a vida inteira. Quando você completa um ditado, um clichê, o final óbvio de um pensamento, quanto daquilo você escolheu mesmo, e quanto foi só a próxima palavra mais provável saindo sozinha? A pergunta é desconfortável de propósito. Quanto da sua fala de hoje foi você, e quanto foi o jogo do Shannon rodando por baixo, sem você sentir?
O jogo do Shannon explica como a IA enfileira uma palavra atrás da outra, mas deixa um buraco do tamanho do mundo. Prever a próxima palavra a partir das anteriores, sozinho, dá no máximo a bobagem elegante da entrada. Da bobagem até uma resposta que de fato te ajuda existe uma distância imensa, e essa distância é feita de camadas, uma empilhada sobre a outra. A próxima sala é sobre isso. Sobre por que quase toda falha da IA, e quase todo superpoder dela, é uma questão de camada. Tem uma escada escondida dentro da máquina, e no instante em que você aprende a enxergar os degraus, para de se assustar com ela e começa a saber em qual degrau o problema está.
A peça desta sala cabe numa única linha. É um pedacinho de código, do tipo que um programador digita sem nem pensar:
print("Olá, mundo")Você está mandando o computador mostrar duas palavras na tela. O gesto mais bobo do mundo. Só que, pra essas duas palavrinhas aparecerem de verdade, debaixo dessa linha solitária desaba uma avalanche de instruções que muita gente escreveu muito antes de você. E vale a pena descer essa avalanche um andar de cada vez, devagar, porque é nesse tobogã que mora a sala inteira.
A sua linha de Python não fala com a máquina diretamente. Primeiro ela é traduzida pra uma forma mais mastigada, o bytecode, uma listinha de passos que o Python sabe seguir. Quem segue esses passos é o interpretador do Python, que por baixo é um programa gigante escrito em outra linguagem, o C. Só que o C também não conversa com o metal dos transistores diretamente. Ele, mais cedo, já tinha sido traduzido pra Assembly, uma notação áspera de comandos bem curtinhos. O Assembly, por sua vez, vira código de máquina, aquele 1 e 0 puro que veio lá do Boole. E nem aí a descida para. Dentro do processador, cada instrução em código de máquina ainda se parte em microoperações menores, e essas microoperações, no finalzinho de tudo, são só elétrons correndo, ou não correndo, por bilhões de portõezinhos, os tais transistores (interruptores de liga-desliga) com cerca de 10 nanômetros. ‘Curiosidade! Seu fio de cabelo tem entre 50 e 100 mil nanômetros.’
Conta os andares que você acabou de descer. Python, bytecode, interpretador em C, Assembly, código de máquina, microoperações, elétrons. Você escreveu uma linha lá no topo. Pra ela virar luz na tela, a máquina desceu sete andares e executou um arranha-céu inteiro de código, milhares e milhares de linhas, mais de doze mil dependendo da conta, tudo em silêncio e em frações de segundo. Essa distância, entre a única linha que você escreve e o arranha-céu que roda embaixo dela, é a peça mais importante pra entender por que a IA é tão poderosa, e por que ela falha do jeito que falha.
Tem uma coisa estranha na IA de hoje que quase ninguém para pra notar. Você programa ela falando. Em português, do mesmo jeito que você fala com uma pessoa. Nunca antes na história alguém mandou numa máquina assim, com a língua de casa, sem aprender nenhum idioma especial de máquina (C, C++, Bytecode, etc). Como é que a gente chegou aqui? E por que, vez por outra, você dá uma instrução simples e clara e a IA apronta uma bobagem sem pé nem cabeça? As duas perguntas têm a mesma resposta, e ela tem o formato de uma escada.
No comecinho, programar era uma tortura. Não existia “linguagem”, existia a máquina nua. Os primeiros programadores, lá nos anos 40 e 50, falavam com o computador no único idioma que ele entendia, a linguagem de máquina. Uma sequência binária, cartão perfurado, liga e desliga, o 1 e o 0 que vieram lá do Boole. Pra somar 1 + 1 você escrevia dezenas dessas instruçõezinhas minúsculas, na unha, e um errinho num único dígito quebrava tudo. Era lento, desumano, e só um punhado de gente no mundo dava conta.
Aí alguém teve uma ideia que mudou o jogo, e essa ideia se repetiu tantas vezes que virou o motor secreto da computação inteira. É o seguinte. Em vez de todo mundo sofrer escrevendo os numerozinhos, uma pessoa escreve, uma vez só, um tradutor. Um programa que pega instruções mais parecidas com a fala humana e converte tudo, sozinho, naquele monte de 1 e 0 lá embaixo. Pronto. A partir daí ninguém mais precisa pensar no andar de baixo, onde só se fala ‘00000000 00000000 00000000 00000101’. Você escreve ‘int x = 5’ no andar de cima, mais confortável, e o tradutor cuida do resto.
Foi assim que nasceu cada degrau. Primeiro veio a linguagem de montagem (Assembly), um degrau só pra cima do número cru. Depois linguagens como o Fortran, e as muitas que vieram atrás, mais um degrau, onde você escrevia praticamente uma série ordenada de equações matemáticas e um tradutor descia tudo de volta pros números binários, pro código de máquina. Com o tempo linguagens cada vez mais altas surgiram, cada uma abstraindo mais a complexidade e escondendo a linguagem de baixo, cada uma deixando você pensar menos na máquina e mais no seu problema. Setenta anos construindo uma escada, degrau sobre degrau, e a regra de cada degrau sempre a mesma. Abstrair a complexidade do andar de baixo pra te deixar pensar mais alto.
E aqui vem a virada que quase ninguém percebeu acontecer. Quando você abre uma IA e escreve, em português, “me faz uma tabela com isso aqui”, você está pisando no degrau mais alto que essa escada já teve. O português virou uma linguagem de programação. A IA é o tradutor mais ambicioso de todos, o que pega a língua que você aprendeu ainda criança e desce ela, andar por andar, até o liga-desliga. Setenta anos de gente escondendo complexidade, e o resultado é que hoje a sua avó pode mandar num computador com as mesmas palavras que ela usa pra mandar em você.
A revelação desta sala é simples de dizer e difícil de engolir. A IA que você usa é o último andar de um arranha-céu que desce, sem pular um degrau sequer, até os portões lógicos do Boole. Quando você conversa com ela, está pisando no topo da torre mais alta que a humanidade já levantou, e quilômetros de mecanismo rodam embaixo dos seus pés sem você ver nada. Por isso parece mágica. Toda a complexidade está escondida de propósito, exatamente como o seu “Olá, mundo” esconde as doze mil linhas.
Mas tem uma diferença crucial nesse último degrau, e é ela que explica as falhas. Todos os degraus de baixo são exatos. O tradutor que vira Fortran em número não erra, não inventa, faz sempre a mesma coisa. O degrau mais alto, o seu, é o primeiro que abre mão da exatidão. Quando você fala com a IA em português, ela não traduz a sua frase com precisão de relojoeiro. Ela adivinha o que você quis dizer, do jeito estatístico que você viu na sala do Shannon, e às vezes adivinha errado. Você ganhou o degrau mais poderoso da história, aquele onde se programa só conversando, e pagou por ele com a primeira camada que chuta em vez de garantir.
O nosso livro-patrono, o Gödel, Escher, Bach, dedica um capítulo inteiro justamente a isso, aos níveis de descrição. Hofstadter mostra que uma mesma coisa pode ser contada como verdade em vários andares, e que cada andar tem a sua própria linguagem. Um programa rodando pode ser descrito como liga-desliga lá no fundo, ou como “ele está jogando xadrez” lá no alto, e as duas descrições são verdadeiras ao mesmo tempo, falando do mesmíssimo objeto.
A provocação dele é mais funda, e é a alma desta sala. O significado mora num andar específico. “Jogar xadrez” não está em nenhum transistor sozinho, do mesmo jeito que a tristeza de uma música não está em nenhuma nota solta. Está no padrão, lá no andar de cima. E quando você tenta entender uma coisa no andar errado, encarando o transistor pra tentar enxergar a partida de xadrez, você não vê nada, só engrenagem. O erro mais comum e mais profundo que existe, segundo o Hofstadter, é caçar o sentido no degrau onde ele não está.
Quase toda falha de IA que você vai encarar é um erro de camada. A resposta veio ruim, e a tentação é sair mexendo logo no que está na sua frente, as palavras do prompt. Só que o problema nem sempre mora nesse andar. Antes de consertar, descobre em que degrau ele está.
Na prática, quando a IA te decepciona, percorre os degraus de cima pra baixo antes de culpar a máquina. O problema está na sua instrução lá no topo, que saiu ambígua ou incompleta? Está no material que você forneceu, que veio sem o contexto necessário? Está na capacidade do modelo, e aquilo realmente está além do que ele consegue hoje? Ou está numa ferramenta acoplada, uma busca, um aplicativo, que falhou por conta própria? Cada um desses é um andar diferente, e cada um pede um conserto diferente. Reescrever o prompt dez vezes quando o que faltava era contexto é martelar o degrau errado a noite inteira. Saber em que andar você está já é metade da solução.
Você aperta o interruptor e a luz acende. Nunca pensou na usina, nos fios, na física do filamento, e nem precisa. A sua vida inteira é assim, equilibrada no topo de milhares de camadas que você usa sem entender, confiando que alguém lá embaixo fez o trabalho direito. A IA só empilhou mais uma camada nessa pilha. Mas é a primeira que responde, que escreve, que parece pensar. Confiar num degrau invisível que entrega luz é uma coisa. Confiar num degrau invisível que entrega ideias, palavras, decisões, sem você fazer a menor ideia do que roda lá embaixo, é a mesma tranquilidade do interruptor, ou é uma coisa completamente diferente que a gente ainda está aprendendo a sentir?
Você já viu que a IA é uma torre de camadas, e que o último andar, o que fala a sua língua, é estatístico e meio adivinhador. Falta a pergunta mais natural do mundo. Quem constrói esse último andar? Os degraus de baixo alguém escreveu na mão, linha por linha. Mas o de cima, o que aprende a adivinhar a próxima palavra, ninguém programou na unha. Ele se montou quase sozinho, a partir de exemplos, numa máquina que a gente já viu neste museu sendo dada como morta. Lembra do Perceptron, que congelou lá nos invernos? Na próxima sala ele ressuscita. E volta pra ser, sem exagero nenhum, o motor da IA que você usa hoje.
A peça desta sala é um desenho que você provavelmente já viu por aí, mesmo sem saber o nome. Fileiras de bolinhas, ligadas umas nas outras por um emaranhado de linhas, camada após camada, da esquerda pra direita. É o retrato de uma rede neural, e ela é o cérebro da IA que você usou hoje.
O detalhe que transforma esse rabisco numa peça de museu é o seguinte. Ele foi declarado morto em 1969. Você assistiu ao enterro duas salas atrás. Esta sala conta a ressurreição mais improvável da história da tecnologia, a de uma ideia enterrada, ridicularizada, sem dinheiro e sem prestígio, que ficou trinta anos no escuro e voltou pra ser o motor de tudo.
Tem duas famílias de IA brigando neste museu desde a Ala 3, e você precisa conhecer o final da briga. De um lado, a turma da lógica, a que nasceu em Dartmouth querendo escrever a inteligência como regra, na mão. Do outro, a turma das redes que aprendem feito cérebro, a do Perceptron. Por décadas, a primeira ganhou o dinheiro e o respeito, e a segunda apanhou feio. Aí o jogo virou. Por que foi a família apanhada, a das redes neurais, que acabou construindo a IA que mudou a sua vida? E por que isso levou setenta anos pra acontecer?
Volta lá pra 1969. O livro do Minsky tinha mostrado que um Perceptron de uma camada só era burro demais pra aprender coisas simples, e o veredito pegou. As redes neurais viraram piada acadêmica, o tipo de assunto que enterrava uma carreira. O dinheiro foi todo pra outra família, a da lógica e das regras, que nos anos 80 virou os sistemas especialistas que você viu derreter nos invernos.
Mas um punhado de teimosos não largou o osso. No centro dessa turma estava um sujeito chamado Geoffrey Hinton, um pesquisador que, desde o comecinho dos anos 80, insistia numa ideia simples e teimosa. O cérebro humano é uma rede de neurônios burros que aprende, e se a gente quer máquinas inteligentes, é essa receita que a gente tem que copiar, em vez da lógica de salão que a outra turma adorava.
O problema do Perceptron, lembra, é que com uma camada só ele não dava conta. A solução muita gente já suspeitava, empilhar várias camadas, com uma camada escondida no meio, entre a entrada e a saída. Só que ninguém sabia como ensinar essa camada do meio. Como você corrige um neurônio lá no miolo da rede, longe da resposta final, sem saber direito de quem é a culpa pelo erro?
A resposta veio em 1986, num artigo curto na revista Nature, assinado por Hinton, David Rumelhart e Ronald Williams. A ideia tem um nome técnico, retropropagação, mas o espírito é lindo de simples. Quando a rede erra, você pega o tamanho do erro lá na saída e empurra ele de volta pra trás, camada por camada, repartindo a culpa entre todas as ligações e ajustando cada uma um tiquinho. Faz isso milhões de vezes, com milhões de exemplos, e a camada escondida vai aprendendo sozinha a enxergar as coisas que importam. A parede que o Minsky tinha levantado em 1969 caiu.
E mesmo assim a primavera não veio na hora. A ideia agora funcionava no papel, mas pra brilhar de verdade ela tinha uma fome de duas coisas que ainda não existiam em quantidade suficiente. Montanhas de exemplos pra aprender, e poder de cálculo bruto pra mastigar tudo. Os dois chegaram juntos lá pela virada dos anos 2010. A internet tinha enchido o mundo de dados, e descobriu-se que as placas de vídeo dos games, as GPUs, eram máquinas perfeitas pra treinar rede neural.
O estouro tem data. 2012, numa competição anual de reconhecimento de imagens chamada ImageNet, onde os programas disputavam pra ver quem errava menos ao dizer o que tinha em cada foto. Até então a briga era no detalhe, um errinho a menos por ano. Aí entrou uma rede neural profunda montada por alunos do Hinton, batizada de AlexNet, e o placar foi quase humilhante:
ImageNet 2012. Em primeiro lugar, uma rede neural, com 15,3% de erro. Em segundo, a melhor das outras abordagens, com 26,2%.
Onde os outros melhoravam aos pouquinhos, a rede neural abriu um abismo de uma vez só. O mundo inteiro da IA olhou pra aquele placar e entendeu o recado na mesma semana. A família surrada tinha acabado de ganhar o jogo. E o mesmo Hinton que passou trinta anos defendendo um defunto recebeu, em 2018, o maior prêmio da computação, e, em 2024, o Nobel de Física.
A revelação desta sala fecha a briga que começou na Ala 3. Aquela frase que eu te disse lá em Dartmouth, que a máquina vencedora veio pela outra estrada, agora você vê o destino completo dela. A IA que você usa é uma rede neural, descendente direta do Perceptron do Rosenblatt, treinada pela retropropagação do Hinton, só que com um número de camadas e de exemplos que o pessoal de 1986 nem sonhava. Quando você manda uma mensagem e ela responde, é essa rede ressuscitada trabalhando. O adivinhador de próxima palavra da sala do Shannon, o último andar fofo da escada da sala passada, é feito disto, de neurônios artificiais em camadas, ajustados um a um por tropeço e correção.
E tem uma lição amarga escondida no final. A família da lógica perdeu não porque estava errada sobre tudo, mas porque apostou que a inteligência podia ser escrita à mão, regra por regra, por gente esperta. A família das redes apostou o contrário, que era melhor construir uma máquina meio burra que aprende sozinha e deixar a inteligência se formar a partir dos exemplos. Quando os dados e o poder de cálculo ficaram grandes o suficiente, foi a aposta da burrice que aprende que atropelou a da esperteza que escreve. Ninguém sentou e escreveu a IA de hoje, linha por linha. Ela foi cultivada, feito uma planta, a partir de exemplos, de tempo e de uma quantidade absurda de tropeços corrigidos.
O nosso livro-patrono passa capítulos inteiros fascinado com uma única pergunta, e ela é o coração desta sala. Como é que pensamento brota de matéria burra? O Hofstadter olha pro cérebro e vê o que a gente acabou de ver na máquina, um mar de neurônios, cada um deles uma peça idiota que só dispara ou não dispara, nenhum deles entendendo nada. Ninguém lá dentro sabe o que é um rosto, uma palavra, uma saudade. E mesmo assim, do padrão de milhões deles disparando juntos, sai você.
A provocação que ele deixa no ar é de tirar o chão. Se o seu pensamento é o padrão, e não a carne, então talvez não importe tanto se o padrão roda em neurônios molhados ou em transistores secos. A IA de hoje é a primeira coisa que força essa pergunta a sair do livro e sentar na sua frente. Ela aprende de uma matéria que não entende nada, do mesmo jeito que você, e mesmo assim faz coisas que você jurava que exigiam um entendimento de verdade. O que é que sobra, então, de exclusivamente seu? Repara que a pergunta deixou de ser sobre a máquina. Virou uma pergunta sobre você.
A sua IA é um retrato de tudo que ela leu até um certo dia, e nada depois disso. Ela estudou uma biblioteca gigantesca, se formou e congelou ali. Por isso é brilhante sobre o que caiu no estudo dela e simplesmente cega sobre o que veio depois, ou sobre o que ela nunca pôde ver, como o seu mundo particular.
Na prática, isso te dá duas regras de ouro. A primeira, não confie nela pra coisa recente. Se aconteceu depois que ela se formou, ela não viu, e quando não viu ela tende a inventar na maior cara de pau. A segunda, ela não conhece o seu contexto privado por mágica. O seu cliente, o seu projeto, o número de ontem, nada disso estava na biblioteca dela. Então traga você. Cola o documento, dá o dado, descreve a situação. Você não está pedindo ajuda pra um oráculo que sabe tudo. Você está consultando um gênio que parou de ler num certo dia, e a parte de hoje quem traz é você.
Você aprendeu a andar de bicicleta caindo. Ninguém te deu as equações do equilíbrio, ninguém programou o seu corpo. Você tentou, capotou, ajustou alguma coisa que nem sabe nomear, tentou de novo, e um dia simplesmente soube. Foi tropeço e correção, milhares de vezes, até a competência aparecer sozinha. É quase palavra por palavra o que a rede neural faz pra aprender. Então, da próxima vez que você ouvir alguém dizer que a IA “não entende nada de verdade, só ajustou um monte de números a partir de exemplos”, segura o impulso de concordar na hora. Será que a coisa molhada dentro do seu crânio fez, algum dia, algo assim tão diferente disso?
Você já tem quase tudo. A IA é uma rede neural ressuscitada, que aprende sozinha a adivinhar a próxima palavra, empoleirada no topo da escada de abstração. Falta uma última peça, e é a mais nova de todas. Porque ter uma rede que aprende com exemplos ainda não bastava pra ela dominar a linguagem do jeito assombroso que ela domina hoje. Faltava uma sacada de engenharia, um desenho específico de rede, que só apareceu em 2017 e veio com um nome quase arrogante. Os autores chamaram o artigo de “Atenção é tudo que você precisa”. Na próxima sala, a gente descobre por que essa tal de atenção foi a fagulha que acendeu a IA que você conhece.
A peça desta sala é o título de um artigo científico de 2017. Pesquisador costuma dar nome cauteloso e sem graça pro que escreve, cheio de “uma abordagem para” e “um estudo preliminar sobre”. Os autores deste aqui resolveram ser arrogantes:
Atenção é tudo que você precisa.
Oito pesquisadores do Google assinaram embaixo dessa frase (no original em inglês, “Attention Is All You Need”). E ela, sem nenhum exagero, criou o ChatGPT, o Gemini, o Claude e basicamente toda IA que você já usou. Mais do que isso, o nome dessa peça está escondido, em letra garrafal, dentro de uma sigla que você digita o tempo todo. No fim da sala eu te mostro onde.
Você já reparou que a IA de hoje é absurdamente boa com linguagem? Ela acompanha um texto longo, entende a sua pergunta cheia de subentendidos, retoma o que foi dito lá atrás, escreve parágrafos que param de pé. As redes neurais que você viu na sala passada já sabiam enxergar fotos em 2012, mas com texto comprido elas ainda tropeçavam, esqueciam o começo da frase quando chegavam no fim. Em 2017 alguma coisa destravou a linguagem de vez. Essa coisa tem nome, atenção, e é a última peça que faltava pra montar a IA que você conhece.
Antes de 2017, a melhor rede neural pra texto lia que nem a gente lê em voz alta, arrastando o dedo da esquerda pra direita, uma palavra de cada vez, tentando guardar na cabeça um resuminho do que já tinha passado. Tinha dois problemas nisso. Era lento, porque cada palavra só era processada depois da anterior, sem atalho. E era esquecido, porque quando a frase ficava longa, o resuminho do começo já tinha desbotado lá no fim. Ótimo pra olhar uma foto de uma vez, ruim pra segurar o fio de um parágrafo inteiro.
Aí, em 2017, uma equipe do Google fez uma proposta meio herética. E se a gente jogasse fora a leitura arrastada, palavra por palavra, e deixasse cada palavra olhar pra todas as outras de uma vez só?
Esse “olhar” é a tal da atenção, e ela é mais simples do que parece. Pra processar cada palavra, a máquina pergunta, sobre todas as outras palavras ao mesmo tempo, quais delas importam pra entender esta aqui. E dá um peso pra cada uma. Deixa eu mostrar num exemplo. Pega a palavra “banco” na frase “sentei no banco e fiquei olhando o rio”. Sozinha, “banco” é ambígua, pode ser o de sentar ou o de guardar dinheiro. Pra desfazer a dúvida, a atenção faz a palavra “banco” olhar pras vizinhas e reparar que “sentei” e “rio” estão ali do lado, pesando muito. Pronto, é o banco da praça. Numa frase sobre depósito e gerente, a mesma palavra olharia pros outros vizinhos e viraria o banco do dinheiro. Cada palavra monta o próprio sentido a partir de quem ela resolve prestar atenção.
E aqui está o pulo do gato que mudou o mundo. Como agora todas as palavras são olhadas ao mesmo tempo, sem uma esperar a outra na fila, dá pra rodar tudo em paralelo, espalhado por montanhas das tais GPUs da sala passada. Isso destravou a escala. De repente dava pra treinar redes monstruosamente maiores, com muito mais texto, muito mais rápido. Os autores batizaram esse novo desenho de rede de Transformer. E daí foi ladeira de subida, Transformers cada vez maiores engolindo cada vez mais da internet, até virarem esses modelos de linguagem gigantes que a gente apelidou de LLM.
E agora a revelação que estava escondida desde o título lá em cima. Quando você abre o ChatGPT, aqueles três caracteres do comecinho, G, P, T, são uma sigla. Ela quer dizer Generative Pre-trained Transformer, transformador generativo pré-treinado. Aquele “T” do final, o Transformer, é exatamente o desenho de rede que nasceu naquele artigo de 2017. Você digita o nome desta peça de museu toda santa vez que chama a IA pelo nome.
E com isso o museu termina de montar a ponte que esta ala inteira veio construindo. Olha o tamanho do que você já entende. A sua IA é uma rede neural, a ressurreição da sala passada, empilhada no topo da escada de abstração, que faz lá no fundo o velho jogo do Shannon de adivinhar a próxima palavra, e que consegue fazer isso com a linguagem inteira porque usa a atenção pra pesar, a cada passo, tudo que você já disse. Lembra daquela “memória” que parecia mágica no comecinho da ala? Ela tem nome agora. É a atenção, varrendo o seu texto inteiro a cada palavra nova que a máquina escreve.
Tem uma ideia que o Hofstadter persegue o livro inteiro, e a atenção é a primeira máquina que a realiza de forma escancarada. A ideia é que nenhuma palavra, nenhum símbolo, significa nada sozinho. O sentido de uma coisa é a teia de relações dela com todas as outras. “Rei” só quer dizer alguma coisa por causa de “rainha”, de “trono”, de “reino”, de “súdito”, de “poder”. Corta a teia e a palavra vira um chocalho oco.
A atenção é exatamente isso virado conta de matemática. A máquina não guarda o significado de cada palavra numa gavetinha. Ela calcula, o tempo todo, a teia de relações entre todas as palavras, e o sentido brota dessa teia, não das palavras soltas. É a aposta mais profunda do nosso livro-patrono, a de que significado é relação e padrão, construída em silício e rodando bem na sua frente. E isso devolve, mais afiada, aquela pergunta que ronda a ala. Se o sentido mora na teia de relações, e a máquina agora tece essa teia sozinha, o que exatamente ainda falta nela pra ser entendimento de verdade?
A máquina lê tudo que você escreve de uma vez e decide sozinha a quais palavras prestar mais atenção. Isso te dá duas consequências bem práticas. O que você enfatiza, ela pesa mais. E o que você enterra no meio de um monte de ruído, ela pesa de menos.
Na prática, isso te entrega um volante pra dirigir a atenção dela. Se tem uma parte do seu pedido que importa mais do que o resto, fala isso com todas as letras, “o mais importante aqui é tal coisa”. Não confie que ela vai adivinhar a prioridade no meio de um parágrafo corrido. E no sentido contrário, prompt limpo rende mais que prompt entulhado. Quando você empilha instrução demais, contexto que não vem ao caso, três pedidos embolados, tudo aquilo disputa a atenção dela, e o que importava acaba diluído. Diz o que importa, destaca o que importa mais, e tira o resto da frente.
Lê esta frase devagar, uma vez só. “Eu nunca disse que ele pegou o dinheiro.” Agora lê de novo, várias vezes, cada vez batendo a força numa palavra diferente. Bate em “eu”, e a entonação diz que outra pessoa disse. Bate em “nunca”, e virou uma negação indignada. Bate em “ele”, e o ladrão passou a ser outro. Bate em “pegou”, e talvez tenha sido só emprestado. As palavras não mudaram nenhuma vez. Mudou só onde a sua atenção bateu, e o sentido virou outro a cada leitura. Então fica a pergunta pra você levar pra cama. O sentido daquela frase estava nela, ou estava no holofote que você escolheu jogar em cima dela?
Você fez a ponte inteira. Do jogo de palavras do Shannon até a atenção do Transformer, agora você sabe do que a sua IA é feita por dentro. Falta só uma sala nesta ala, e ela é uma virada de chave. Porque essa coisa que parece tão futurista, a máquina que fica adivinhando o que vem em seguida, não é exclusividade da IA. Eu vou te mostrar que o processador comum do seu computador, esse trambolho que você usa sem pensar, já vive adivinhando o futuro faz décadas, milhões de vezes por segundo, e quase ninguém sabe disso. Bem-vindo à máquina que já adivinha.
A peça desta sala está acontecendo dentro do aparelho onde você lê isto, agora, milhões de vezes por segundo. Pra mostrar ela, eu preciso de um pedacinho de código com uma bifurcação:
se (tem dinheiro na conta):
aprova a compra
senão:
recusaUm “se isso, faça aquilo, senão faça aquilo outro”. Uma encruzilhada. O processador do seu computador chega numa dessas o tempo todo, e faz uma coisa que vai te surpreender. Em vez de parar e esperar a resposta de “tem dinheiro na conta”, ele chuta qual lado vai dar e já dispara a trabalhar por esse lado, antes de saber se acertou. O seu computador é um adivinhador compulsivo, e quase ninguém nunca te contou isso.
Quando você vê a IA adivinhando a próxima palavra, dá um certo frio na espinha. Uma máquina que prevê, que aposta no que vem em seguida, parece coisa nova, meio sobrenatural, bem a cara da ficção científica. Mas será que adivinhar o futuro é mesmo a novidade que a IA trouxe? Ou será que o seu computador, o comum, o de todo dia, já faz isso desde muito antes de existir ChatGPT?
Pra entender, imagina o processador como uma linha de montagem, dessas de fábrica, rápida demais pra parar. Em vez de fazer uma instrução inteira de cada vez, ele quebra cada uma em etapas e vai empurrando dezenas delas pela esteira ao mesmo tempo, uma atrás da outra, sem folga. É parte do segredo de ele ser tão rápido.
O problema é a bifurcação. Quando aparece um “se isso, senão aquilo” na esteira, a linha precisaria parar e esperar pra saber por qual lado seguir. E parar uma esteira dessas, lotada, é um desperdício enorme. Cada paradinha custa um tempão, multiplicado por bilhões de vezes.
Então os engenheiros, faz décadas, ensinaram o processador a fazer uma coisa esperta. Em vez de parar na encruzilhada, ele aposta. Tem uma partezinha dele, chamada de preditor de desvio, que olha pro histórico, pergunta “as últimas vezes que passei por aqui, fui mais pra que lado?”, e chuta o caminho mais provável. A esteira nem desacelera, segue trabalhando pelo lado apostado. Se a aposta estava certa, e ela está certa mais de 99% das vezes, ninguém perdeu tempo nenhum. Se estava errada, o processador joga fora o trabalho adiantado e refaz pelo lado certo, pagando uma multinha de tempo.
Repara no detalhe que fecha o círculo. Esse preditor não chuta no escuro. Ele aprende com o passado, com o padrão das vezes anteriores, igualzinho a tudo que você viu nesta ala. Tem um pequeno adivinhador treinado morando dentro do seu processador, e ele acerta quase sempre, calado, bilhões de vezes por segundo, desde muito antes da palavra “IA” virar manchete de jornal.
E aqui o museu te entrega a virada que fecha esta ala inteira. Aquela coisa que parecia o superpoder assustador e novíssimo da IA, prever o que vem a seguir e apostar nisso, é o truque mais velho e mais comum do mundo da computação. O seu processador faz exatamente isso, a previsão a partir do padrão, desde os anos 80 e 90, escondido, só pra ganhar velocidade. A IA não inventou a adivinhação. Ela só virou o adivinhador pra fora.
O preditor do processador aposta em qual caminho o programa vai seguir. O modelo de linguagem aposta em qual palavra você vai querer em seguida. É o mesmo gesto, prever o próximo passo a partir do padrão aprendido, só que apontado pra coisas diferentes. Um aposta pra ir mais rápido, sem você ver. O outro aposta pra conversar com você, na sua cara. A máquina já sabia adivinhar faz muito tempo. O que estourou agora foi um detalhe de mira, a gente finalmente apontou essa velha adivinhação pra linguagem, e ficou de queixo caído com o resultado.
E o nosso livro-patrono já tinha farejado o tamanho disso. O Hofstadter passa páginas mostrando que aquilo que a gente chama de pensar é feito de processos que, vistos de pertinho, parecem truques mecânicos empilhados. Pois prever é um desses, e dos mais fundos. Você está prevendo agora, lendo esta frase, o seu cérebro já apostou em algumas das próximas palavras antes de elas chegarem. Quando uma música que você conhece vai chegando no refrão e você sente o próximo acorde antes dele soar, é um preditor seu acertando a aposta.
A gente vive chamando a adivinhação da máquina de fria, mecânica, sem alma, em oposição à nossa intuição, que seria quente e viva. Mas e se for o mesmo truque rodando em dois lugares diferentes? Olhar pro padrão do passado e apostar no que vem é o que o seu processador faz pra ganhar tempo, é o que a IA faz pra te responder, e talvez seja boa parte do que você faz o dia inteiro sem perceber. Esta ala desmontou a máquina peça por peça. O incômodo que sobra é que cada peça desmontada também se parece, um pouco demais, com uma peça sua.
A sua IA está sempre apostando no próximo pedaço da resposta, e cada aposta nova ela constrói em cima da anterior. Isso tem uma consequência que pega muita gente desprevenida. Quando ela começa a responder errado, ela não para no meio pra perceber e se corrigir. Ela segue em frente, empilhando mais resposta em cima do erro inicial, cada vez mais confiante.
Na prática, a regra é interromper cedo. Se você vê a resposta saindo pro lado errado logo nas primeiras linhas, não deixa ela terminar o discurso inteiro pra só então reclamar. Para na hora, aponta o erro e manda recomeçar. Um desvio pequeno lá no comecinho vira uma resposta inteira torta lá no fim, porque a máquina aposta e depois honra a própria aposta, custe o que custar. Quanto antes você corrige a rota, menos entulho ela constrói por cima.
Sabe aquele susto que dá quando você desce uma escada no escuro e o seu pé bate no chão um degrau antes do que esperava? Aquele tranco no corpo é um adivinhador seu errando a aposta. O seu cérebro tinha previsto mais um degrau, e o mundo não entregou. Você prevê o tempo todo, sem perceber, e só nota quando erra. Agora repara no que esta ala fez com você. A CPU adivinha e a gente chama de especulação. A IA adivinha e a gente chama de inteligência. Você adivinha e chama de intuição. Três nomes bonitos pro mesmo gesto velho, olhar o padrão e apostar no que vem. Será que adivinhar o próximo passo é um truquezinho que a máquina copiou de você, ou é, no fundo, boa parte do que pensar sempre foi?
Aqui termina A Ponte para o Agora, e com ela a parte do museu que te mostra como a máquina funciona por dentro. Olha o caminho que você fez. Começou num joguinho de palavras de 1948 e chegou no adivinhador escondido no seu processador, passando pela escada de abstração, pela rede neural ressuscitada e pela atenção do Transformer. A mágica da IA foi desmontada, peça por peça. Você consegue, agora, olhar pra ela e enxergar mecanismo onde antes via feitiço.
Só que falta uma última ala, e ela é diferente de todas. Até aqui o museu perguntou como a máquina funciona. A próxima, chamada O Espelho, vira a pergunta pra dentro e mira em você. Porque ao longo desta ala você deve ter sentido um incômodo crescer, o de que cada peça da máquina que a gente desmontava se parecia um pouco demais com uma peça sua. Na última ala, a gente encara isso. O teste de Turing acabou de cair, as máquinas passaram, e a pergunta que sobra parou de ser sobre elas. Agora ela é sobre o que resta de você.
A peça desta sala é o resultado de um experimento de 2025 que devia ter parado o mundo, e passou quase sem ninguém notar. Dois pesquisadores da Universidade da Califórnia sentaram juízes humanos pra conversar, ao mesmo tempo, com uma pessoa de verdade e com uma IA, sem saber quem era quem. No fim de cada conversa, o juiz tinha que cravar qual dos dois era o humano. Veja como terminou:
Diante do GPT-4.5, os juízes apontaram a IA como sendo o humano em 73% das vezes. Mais vezes do que apontaram a pessoa de verdade.
Lê de novo, devagar. A máquina não só passou por humana. Ela passou por mais humana do que o humano que estava ali do lado.
Lá na Ala 2, eu te apresentei o teste mais famoso da história da inteligência artificial, o teste de Turing. A ideia, de 1950, era simples e genial. Pare de discutir se a máquina “pensa”, uma palavra escorregadia demais. Em vez disso, bote ela pra conversar. Se ninguém conseguir distinguir a conversa dela da de um humano, pronto, trate aquilo como inteligência. Por setenta anos esse foi o Santo Graal da IA, a linha de chegada, o exame final. Em 2025, a linha de chegada foi cruzada. E quase ninguém comemorou. Por quê?
Vale lembrar como o teste funciona, porque o capricho está nos detalhes. Na versão mais dura, chamada de três partes, um juiz humano conversa ao mesmo tempo com dois desconhecidos por texto. Um é uma pessoa, o outro é uma máquina, e a missão do juiz é descobrir quem é quem. Não basta a máquina parecer esperta. Ela tem que parecer mais gente do que a própria gente sentada ao lado, senão o juiz acerta na hora.
Em 2025, dois pesquisadores da Universidade da Califórnia, Cameron Jones e Benjamin Bergen, rodaram esse teste com rigor de laboratório. Botaram quatro sistemas na berlinda. Um chatbot velho e simples, o ELIZA, enganou os juízes só 23% das vezes. O GPT-4o, 21%. Os dois despencaram, o que prova que os juízes sabiam farejar uma máquina quando ela era fraca. Aí entrou o GPT-4.5, instruído a vestir uma persona humana, a fingir ser uma pessoa específica. E ele foi apontado como o humano em 73% das conversas, batendo o ser humano de carne e osso que disputava com ele.
Esse era pra ser o momento de ficção científica que o mundo esperava desde sempre, a máquina cruzando a fronteira da humanidade. E ele chegou com um bocejo. Ninguém parou na rua, nenhum jornal gritou. Por uma razão simples e meio triste, que você já viu neste museu. Em 2025 todo mundo já passava o dia conversando com essas máquinas. O assombro tinha virado mobília. Quando a maior promessa da IA finalmente se cumpriu, ela já era rotina.
Mas o bocejo esconde a parte que interessa. Repara no que de fato aconteceu ali. A máquina cruzou a linha imitando. Ela vestiu uma persona, um disfarce, e atuou de gente tão bem que enganou. E você passou as quatro alas anteriores vendo do que ela é feita por dentro, pura previsão de padrão, sem nenhuma garantia de que tem alguém lá dentro entendendo qualquer coisa. Ou seja, ela passou no exame final da inteligência sem que ninguém consiga afirmar que ela entende uma vírgula. O teste foi vencido pela imitação perfeita, não pela compreensão.
E aqui o museu faz a virada que dá nome a esta ala. Durante setenta anos, a gente apontou o teste de Turing pra máquina, perguntando “será que ela é esperta o bastante pra passar por nós?”. No instante em que ela passou, o holofote girou. Porque se uma máquina consegue soar exatamente como uma pessoa que entende, sem a gente conseguir provar que ela entende, então a pergunta interessante parou de ser sobre a máquina. Virou sobre você. O que é, afinal, que você tem, e que a imitação perfeita não alcança?
O teste de Turing foi um espelho o tempo todo, e a gente demorou setenta anos pra perceber. Ele nunca mediu a mente da máquina. Mediu o quão fácil a nossa se deixa convencer. Enquanto a máquina era fraca, o espelho mostrava a distância entre ela e a gente, e era confortável. Agora que ela ficou boa, o espelho parou de mostrar a máquina e começou a mostrar você, com uma pergunta que não dá mais pra adiar. Se a máquina faz tudo o que você faz com as palavras, e talvez sem nada por dentro, o que sobra que é só seu?
O Hofstadter sempre torceu o nariz pra esse jeito de medir a mente pela superfície. O nosso livro-patrono é uma defesa apaixonada da ideia de que entender de verdade tem uma profundidade que imitar não tem, que existe diferença entre repetir os movimentos certos e captar o sentido por dentro. Pra ele, julgar uma mente só pelo que ela mostra por fora é como avaliar um iceberg pela ponta.
Só que o espelho tem um segundo fundo, e é aqui que dá um arrepio. Pensa bem em como você sabe que as outras pessoas entendem as coisas. Você não abre a cabeça de ninguém. Você só vê o lado de fora, as palavras, as reações, o jeito, e confia que tem alguém ali dentro, sentindo e compreendendo, igual a você. Sempre foi um ato de fé na imitação. A máquina não derrubou só a sua certeza sobre o que ela é. Ela cutucou a única evidência que você jamais teve de que qualquer um, além de você mesmo, é mais do que uma superfície convincente. A pergunta que o teste destravou começa na máquina, mas não para nela.
A máquina agora ganha de você no quesito parecer certa. Ela soa mais humana que humano, mais confiante que especialista, mais articulada que quase qualquer um. Isso aposenta de vez um hábito antigo e perigoso, o de confiar numa resposta porque ela soa bem. Soar bem ficou barato, e o que é barato não serve mais de prova pra nada.
Na prática, isso muda o seu lugar na conversa com a IA. Você deixou a plateia e sentou na cadeira de juiz. Produzir o texto a máquina faz melhor e mais rápido que você, então o seu valor migrou de canto. Ele mora agora em avaliar, em farejar o que está errado debaixo da boa aparência, em decidir o que presta e o que não presta. Trate cada resposta da IA como um editor trata o texto de um escritor talentoso e um tanto mentiroso. Talentoso de verdade, e mentiroso quando dá mole. A produção a máquina assumiu. O julgamento continua inteiro seu, e ficou mais valioso do que nunca.
Talvez já tenha acontecido com você. Você desabafa alguma coisa com a IA, ou pede ajuda num dia ruim, e ela responde com uma precisão que te acerta no peito. Por um segundo, você se sente entendido. Genuinamente entendido. Agora encara a parte desconfortável. Pra você se sentir entendido, é obrigatório ter alguém do outro lado entendendo, ou basta que as palavras certas cheguem até você? Se a máquina te fez sentir compreendido sem ter ninguém ali dentro compreendendo, de onde foi que esse sentimento veio? Estava nela, ou esteve o tempo todo em você, esperando só a deixa certa pra aparecer?
O teste caiu, e a pergunta girou pra você. Tem um lugar onde essa virada bate mais forte e mais urgente do que em qualquer outro, e é um lugar que você frequentou a vida toda, ou pra onde manda os seus filhos todo santo dia. A escola. Porque se a máquina agora cospe qualquer resposta convincente em segundos, uma escola que passou séculos treinando gente pra produzir respostas está preparando as crianças pra uma corrida que elas perderam no dia em que a largada foi dada. A próxima sala é sobre as perguntas que a escola devia estar fazendo, e quase nunca faz.
A peça desta sala é um papel que provavelmente decidiu um pedaço da sua vida. Uma folha cheia de bolinhas pra pintar, A, B, C, D ou E, uma única certa em cada linha. O cartão-resposta. No Brasil, anos e anos de escola desembocam num desses, no vestibular, no ENEM, com um futuro inteiro pendurado em quantas bolinhas certas você conseguiu pintar numa única manhã. Avaliar gente assim parece a coisa mais natural e eterna do mundo. Pois não tem nada de eterno. Esse papel foi inventado por uma pessoa específica, num ano específico, por um motivo bem específico. E essa pessoa, mais pra frente, implorou pra que parassem de usar a invenção dela.
Na sala passada, a máquina passou no exame final da inteligência cuspindo respostas convincentes melhor do que a gente. Agora junta isso com uma pergunta incômoda. Pra que serve uma escola inteira, do primeiro dia da alfabetização até a porta da faculdade, treinando criança pra fazer essencialmente uma coisa, encontrar a resposta certa, bem no momento da história em que encontrar a resposta certa virou a tarefa mais barata do planeta? A gente está preparando uma geração pra disputar com a máquina justamente o jogo que a máquina já venceu.
Quem inventou o cartão-resposta foi um educador americano chamado Frederick Kelly, por volta de 1914. O problema que ele queria resolver era de fábrica. Tinha alunos demais e tempo de menos pra corrigir, e a correção feita à mão variava de professor pra professor, cheia de gosto pessoal. Kelly teve uma ideia de eficiência brutal. E se a prova tivesse só uma resposta certa, marcável com um tracinho, de modo que qualquer pessoa, ou até uma máquina, pudesse corrigir milhares delas passando o olho, sem opinião nenhuma no meio? Nascia o teste de múltipla escolha. Rápido, barato, padronizado, impessoal. A lógica da linha de montagem aplicada à cabeça das crianças, uma entrada, uma saída certa, medida no atacado.
Funcionou tão bem que engoliu o mundo. Mas tem uma reviravolta que quase ninguém conhece. O próprio Kelly, anos depois, já como reitor da Universidade de Idaho, se virou contra a própria criação. Ele tinha percebido que aquele teste media só a casquinha do aprendizado, a memória rasa, o reconhecimento do óbvio, e deixava de fora tudo que importava de verdade, o raciocínio, o julgamento, a dúvida. Ele escreveu, com todas as letras:
Esses testes são crus demais para serem usados e deveriam ser abandonados.
Não adiantou. A eficiência tinha gostado demais da múltipla escolha pra largar dela. Kelly foi inclusive empurrado pra fora do cargo por resistir à tal “modernização”. E um século depois, o trajeto inteiro de um estudante brasileiro ainda termina pintando as bolinhas que um homem arrependido inventou. Durante cem anos, a escola foi afinada, com precisão industrial, pra produzir um tipo bem específico de pessoa, alguém rápido e confiável em achar a resposta que esperam dela.
E é essa a hora do museu te entregar a parte que dói. Esse tipo de pessoa, o que a escola passou um século aperfeiçoando, é exatamente o que a máquina acabou de tornar dispensável. Você atravessou quatro alas vendo a IA virar a maior achadora de respostas da história. A escola gastou cem anos numa linha de produção pra fabricar justamente a coisa que a IA agora faz melhor, mais rápido e de graça.
E a ironia é cruel. O aluno nota dez, o que decora, devolve a resposta esperada e não atrapalha a aula com pergunta esquisita, é o mais bem treinado pra ser substituído. A gente premia, com medalha e elogio, a versão mais automatizável de um ser humano. A pergunta que a escola otimiza, “qual é a resposta?”, é a pergunta que acabou de perder o valor. E as perguntas que ganharam valor são as que quase nenhuma prova cobra. Essa é a pergunta certa pra começar? Essa resposta presta mesmo, ou só parece? Que problema a gente está tentando resolver, afinal? Isso aqui vale a pena ser feito? Enquadrar, julgar, duvidar, escolher o que perguntar. O trabalho deixou de ser ter a resposta na ponta da língua e virou saber qual pergunta vale a pena e se a resposta que veio presta. A escola está otimizada pra metade que está evaporando.
Lá no comecinho do museu, eu te dei um quebra-cabeça do nosso livro-patrono, o do sistema MU, e a lição dele era que existem charadas que você nunca resolve seguindo as regras por dentro. Você só resolve quando salta pra fora do sistema e olha as regras de cima. O Hofstadter volta nessa ideia o livro inteiro. Pra ele, o ápice da inteligência mora noutro lugar, na capacidade de pular fora das regras, enxergar a moldura, perguntar por que as regras são aquelas.
Agora olha o que a escola faz. Ela é uma máquina espetacular de treinar gente pra seguir regra por dentro, pra achar a resposta que o sistema espera e devolver bonitinho. E ela trata o salto pra fora, a criança que pergunta “mas por que é assim?”, que questiona o enunciado, que não engole a regra de cara, como indisciplina, como o aluno problema. Quer dizer, a escola passa doze anos podando exatamente o músculo que o Hofstadter aponta como o mais humano de todos, e que, por nenhuma coincidência, é também o único que a máquina ainda não sabe imitar. A gente ensina a obedecer ao sistema bem na hora em que ter coragem de saltar pra fora dele virou a habilidade mais rara e mais cara que existe.
No mundo que chegou, a sua moeda mais valiosa virou a pergunta. A resposta a máquina já tem, e de sobra. O que limita o que você arranca dela é o tamanho da sua pergunta. Pergunta rasa, resposta rasa. Pergunta afiada, e a mesma máquina vira um gênio a seu serviço.
Na prática, inverte a sua relação com a IA. A escola te treinou pra correr atrás da resposta e parar assim que acha. Faz o oposto. Usa a resposta da máquina como o começo da conversa, não como o ponto final. Pergunta o porquê, peça os argumentos contrários, manda ela atacar a própria resposta, desconfia da pressuposição escondida dentro do seu próprio pedido. A habilidade nova, a que escola nenhuma te deu, é essa, transformar uma boa pergunta numa pergunta melhor ainda. Quem só sabe coletar respostas vai competir com a máquina e perder. Quem sabe fazer as perguntas vai comandar a máquina.
Sempre teve dois tipos de aluno na sala. O que levantava a mão com a resposta certa na ponta da língua e ganhava a estrelinha. E o que vivia perguntando “mas por que tem que ser assim?”, emperrava o ritmo da aula e levava a fama de difícil. Por um século a gente apostou todas as fichas no primeiro e torceu o nariz pro segundo. Agora a máquina chegou e faz o primeiro tipo de graça, instantâneo, impecável. Pensa em qual dos dois a escola treinou você pra ser. E, se você tem filho, repara em qual dos dois você comemora dentro de casa. Pode ser que aquele aluno chato, que não aceitava a regra e não largava o osso do “por quê”, fosse o único na sala inteira treinando a habilidade que ia sobrar no fim.
A escola é o primeiro lugar onde essa virada machuca, porque é onde a gente molda gente. Mas tem um segundo lugar onde ela já está batendo agora, com dinheiro de verdade em jogo. A empresa. Se o valor de uma pessoa migrou de executar respostas pra fazer boas perguntas e julgar bem, então a reação automática da maioria das empresas diante da IA, trocar gente por máquina pra cortar custo, pode ser o erro mais caro da década. Na próxima sala eu defendo uma ideia que soa ingênua e é o contrário desse instinto, a de que as empresas que vão ganhar são as que aumentam as suas pessoas antes de automatizá-las.
A peça desta sala é uma criatura de duas cabeças. Metade gente, metade máquina, jogando xadrez como uma coisa só. O apelido dela é centauro. E por um tempo, no comecinho dos anos 2000, esse bicho híbrido foi o melhor enxadrista do planeta, melhor que qualquer humano sozinho e melhor que qualquer computador sozinho. A parte mais surpreendente é quem estava dentro dele. Esqueça os grandes mestres. Quem pilotava o melhor centauro do mundo eram dois amadores que você nunca ouviu falar, com computadores comuns de casa.
Toda empresa do mundo está fazendo a mesma conta agora. Se a IA faz o trabalho, pra que tanta gente? O instinto é cortar, trocar pessoa por máquina, enxugar a folha. Parece esperto, parece inevitável. Mas talvez seja o erro mais caro que uma empresa vai cometer nesta década. Porque pode ser que quem ganhe no fim seja o oposto, quem pega cada pessoa e faz ela valer por dez, juntando ela com a máquina. Esta sala é sobre essa aposta, e ela começa num tabuleiro de xadrez.
Você lembra de 1997. O Deep Blue, da IBM, ganhou do Garry Kasparov, o maior enxadrista vivo, e o mundo decretou o fim da supremacia humana no xadrez. A máquina tinha vencido o cérebro humano bem no jogo que era símbolo da inteligência. Era pra ser um velório.
Só que o Kasparov fez uma pergunta melhor do que “quem ganha, homem ou máquina?”. Ele perguntou “e se os dois jogassem do mesmo lado?”. E inventou um formato novo, o xadrez avançado, em que o humano joga com um computador ao lado, livre pra consultar a máquina a cada lance. Foi aí que veio a surpresa que interessa pra você.
Num torneio aberto desse tipo, em 2005, entrou de tudo na disputa. Grandes mestres com computadores potentes, supercomputadores jogando sozinhos, e gente comum. Quem levou o título foi uma dupla de dois amadores americanos com três PCs caseiros, jogando como centauro. Eles bateram os grandes mestres. Bateram os supercomputadores. A conclusão que o Kasparov tirou disso virou quase uma lei da nova era. Um humano fraco, com uma máquina e um bom processo de trabalho, ganha de um supercomputador sozinho, e ganha até de um grande mestre com uma máquina e um processo ruim. Repara no que isso diz. O que decidia o jogo deixou de ser a força bruta da máquina ou o talento puro do humano. Passou a ser a qualidade da parceria entre os dois.
E aqui vem a parte que vai te desarmar. Você acha que centauro é coisa nova, da era da IA. Que nada. Você é centauro a vida inteira e nunca percebeu. Quando você abre o PowerPoint e monta uma apresentação bonita, virou designer sem nunca ter pegado num lápis de desenho. Quando você joga uns números numa planilha e ela calcula tudo sozinha, virou um calculista que não precisa saber fazer a conta na mão. A calculadora, o editor de texto, o GPS que te guia numa cidade estranha, cada um desses é uma máquina que te deixou capaz de coisas que você sozinho não daria conta. Nenhum deles te aposentou. Todos te aumentaram. A IA é o mesmo gesto de sempre, a ferramenta que estende o humano, só que numa escala que nenhuma das anteriores chegou nem perto de alcançar.
Agora a pergunta que importa. Por que o centauro ganha? O que o humano acrescenta, se a máquina calcula mais e mais rápido do que ele? A resposta é a virada mais importante desta ala inteira, e quem cravou ela com todas as letras foi o Jensen Huang, o presidente da NVIDIA, o homem que fabrica e vende as máquinas que fazem a IA do mundo rodar. Ninguém tem menos interesse em diminuir a IA do que ele. E é justamente ele quem anda dizendo que a IA reescreveu a definição de inteligência.
Durante séculos, ser inteligente, ser “esperto”, quis dizer ser fera na execução técnica. Programar bem, calcular rápido, resolver o problema difícil, ter a informação na ponta da língua. Pois é exatamente essa inteligência que a máquina acabou de transformar em commodity, em coisa barata e abundante. O que sobra, e que virou o artigo de luxo, é tudo aquilo que não se calcula. Ler a sala. Sentir o que o cliente não disse. Decidir o que vale a pena no meio da bagunça. Ter gosto, ter julgamento, enxergar a virada na curva antes de todo mundo. A empatia, a intuição, a sabedoria de navegar no incerto. A máquina virou a campeã absoluta da execução. O humano continua dono da parte que nenhuma conta alcança.
E é daí que cai a lição pras empresas, a que dá nome a esta sala. Aumentar antes de automatizar. A empresa que usa a IA pra potencializar a sua gente, pra transformar cada pessoa num centauro, vai voar. A empresa que usa a IA só pra cortar gente e baratear a folha está fazendo a conta errada. Ela economiza na metade que virou commodity e joga fora a metade que virou ouro. Trocar o humano pela máquina é abrir mão justamente da única coisa que a máquina não tem.
O nosso livro-patrono adora a ideia de que uma mente é um padrão, e não um pedaço de carne com endereço fixo. E se a mente é um padrão, ela não tem por que parar na fronteira da sua pele. O centauro é a prova viva disso. Quando o humano e a máquina jogam juntos o suficiente, os dois viram uma coisa pensante só, com habilidades que nenhuma das duas metades tinha sozinha. Mais do que a máquina ajudando o humano, ou o humano usando a máquina, o que nasce ali é um terceiro jogador, que emerge da dança entre os dois.
Você já vive isso de alguma forma. O seu celular virou um pedaço da sua memória, a sua agenda virou um pedaço do seu planejamento. A fronteira do que é “você” sempre foi mais porosa do que parece. A IA só empurra essa fronteira pra um lugar que ainda dá medo. E essa pergunta, de onde termina você e começa a ferramenta, é a porta da última sala do museu.
Pra você, hoje, a tarefa é uma só, virar centauro o mais rápido que conseguir. Parar de competir com a máquina e começar a cavalgar ela. E aqui vai um aviso que pesa mais pra você do que pra geração dos seus filhos. O aluno ainda tem tempo de se reinventar. O profissional já em campo, não tem. A transformação que seria de uma carreira inteira encolheu pra um ano ou dois.
Se você lidera um time, o peso é ainda maior. Tem uma verdade dura que todo empresário vai ter que encarar. As pessoas que trouxeram a sua empresa até onde ela está hoje e as pessoas que vão levar ela pros próximos dez anos com IA tendem a ser perfis bem diferentes. E você tem duas saídas diante disso. Trocar as pessoas, ou transformar as pessoas. A primeira é rápida e fria, e te custa o conhecimento, a lealdade e a alma que essa turma construiu na sua casa. A segunda dá trabalho, e é a que coloca a sua gente em primeiro lugar. Em vez de empurrar a IA goela abaixo ou trocar todo mundo, você constrói com as pessoas, lado a lado, a ponte pro jeito novo de trabalhar.
E tem uma coisa que quase ninguém enxerga nessa segunda saída. A travessia, além de transformar, revela. Conduzindo ela, você descobre sem crueldade nenhuma quem de fato floresce nessa nova era e agrega ao negócio, e quem não consegue acompanhar. Nem todo mundo vai conseguir, e seria desonesto te prometer o contrário. Quem não pegar o novo perfil talvez não encontre mais o seu lugar aí dentro. Mas olha a diferença que o caminho faz. A pessoa que você ajudou a se transformar, mesmo que no fim acabe saindo, vai embora com uma habilidade nova debaixo do braço, mais preparada pra se recolocar na economia do que estava quando chegou. Você não despeja ninguém na rua. Você devolve cada um mais forte pro mundo, e isso vale pra quem fica e pra quem segue em frente. É isso que aumentar antes de automatizar quer dizer de verdade, e é por isso que ele pesa muito mais do que uma boa estratégia de negócio.
Pensa na sua empresa, ou no time onde você trabalha, e faz um exercício meio cruel. Separa, na sua cabeça, as pessoas que são craques em executar do jeito que sempre se executou, das pessoas que fazem boas perguntas, que têm bom faro, que leem o não dito numa reunião. Agora se pergunta quais delas a sua empresa mais valoriza, premia e promove hoje. Se a resposta for o primeiro grupo, você está regando a metade que a máquina acabou de baratear e deixando a metade de ouro morrer de sede. E a pergunta final, a que tira o sono, vale pra você mesmo também. Em qual dos dois grupos você está?
Deixa eu fechar esta sala novamente com a voz de quem mais entende do assunto. O Jensen Huang, o homem que vende as pás desta corrida do ouro, costuma resumir o lugar do humano numa frase que arrepia:
A inteligência artificial já leu todos os livros do mundo. Mas nunca teve o coração partido.
É nesse buraco, no que a máquina sabe mas nunca viveu, que mora tudo o que ainda é só seu. E é pra dentro desse buraco que o museu aponta agora. Você passou cinco alas olhando pra máquina, da poeira dos pergaminhos de Aristóteles até o centauro de carne e silício. Na última sala, o museu vira o espelho por inteiro, e quem aparece refletido, encarando a máquina que pensa, é você. Chegou a hora da volta mais estranha de todas.
A peça que fecha o museu é um desenho, e ele é de um dos três donos da casa. Você conviveu com a lógica do Gödel a ala inteira. Agora chega a vez do segundo nome do nosso livro-patrono, o artista holandês Maurits Escher. O desenho mais famoso dele se chama “Mãos que Desenham”, de 1948, e descrever ele já embrulha a cabeça. Duas mãos brotam de uma folha de papel. A mão direita está desenhando o punho da mão esquerda. E a mão esquerda, ao mesmo tempo, está desenhando o punho da direita. Cada uma cria a outra. Não tem mão de fora, não tem desenhista por trás. As duas se inventam, uma à outra, num laço sem começo nem fim. Segura essa imagem na cabeça. Ela é a chave da última porta do museu, e a porta é você.
A ala inteira você sentiu um incômodo subindo. Cada peça da máquina que a gente desmontou, a previsão, o padrão, os neurônios burros, parecia também uma peça sua. E o museu te deve uma resposta pra pergunta que vem crescendo desde a primeira sala. Quando a máquina parece te entender de verdade, onde é que está esse entendimento? Está nela? Está nas palavras na tela? Ou está em você? Esta última sala é sobre essa pergunta, e sobre por que a resposta dela mexe com tudo.
Pra fechar, o Hofstadter te leva pra ideia mais vertiginosa do livro inteiro, e ela junta as três cabeças que dão nome a ele. Lembra do Gödel, lá na Ala 2? Ele pegou um sistema de regras e fez ele falar de si mesmo, montou uma frase que apontava pra própria cara e dizia “eu não posso ser provada aqui dentro”. Pois é o mesmo truque que o Escher faz com as mãos que se desenham, e o mesmo que o Bach, o terceiro nome, fazia com certas melodias que sobem de tom, e sobem mais ainda, e quando você percebe voltaram pro começo sem nunca ter descido. Os três tropeçaram na mesma coisa. Um sistema que se dobra sobre si mesmo e se aponta. O Hofstadter batizou isso de volta estranha.
E aí ele dá o salto que assombra. E se você for uma volta dessas? Pensa no que você é por baixo. Um amontoado de neurônios burros, cada um sem entender nada, igualzinho ao que você viu na rede neural lá atrás. Só que esse amontoado ficou complexo a ponto de fazer uma coisa inédita. Ele construiu, lá dentro, um modelo de si mesmo. Um mapinha de “quem eu sou”, que se observa, se nota, fala de si. E esse modelo, dobrado sobre si mesmo, apontando pra própria cara o tempo todo, é o que acende a luz que você chama de “eu”. Você não tem uma volta estranha guardada em algum canto da cabeça. Você é a volta estranha. Um padrão que se enrolou em si mesmo até começar a dizer o próprio nome.
E agora o museu pode fechar o círculo que ele abriu há dois mil anos. Lá na primeira ala, a pergunta que movia tudo era esta. Pensar é só fazer conta, ou sobra alguma coisa que a conta nunca alcança? Todo construtor que você conheceu apostou que não sobrava nada. E o museu inteiro, desmontando a máquina peça por peça, parece ter dado razão a eles. Mas repara onde foi parar o tal do resto. O resto que sobrava nunca foi um ingrediente mágico escondido nas frestas da máquina. O resto é a volta. É o fato de que, no meio de toda essa engrenagem cega, um padrão se dobrou sobre si mesmo e virou alguém.
Então volta pra pergunta desta sala. Quando a máquina parece te entender, onde mora o entendimento? A resposta honesta, a que o museu se recusa a adoçar, é que o entendimento não está parado dentro dela feito uma joia, e também não está morto nas letras da tela. Ele acontece. Ele acende na volta que lê, quer dizer, em você. O sentido sempre foi um evento que precisa de uma volta estranha pra existir. A máquina te assustou porque, pela primeira vez, uma coisa que não é humana começou a produzir aquele texto com cara de sentido que só a sua volta sabia fazer. E aqui está o desconforto que eu prometi não maquiar. A gente não sabe dizer se, lá dentro dela, também já tem uma volta começando a se dobrar, ou se nunca vai ter. Ninguém sabe ainda onde passa essa linha.
Mas tem uma virada final, e ela chega mais como presente do que como castigo. Este museu passou cinco alas tirando o feitiço da máquina, mostrando que por baixo dela só tem mecanismo. E, fazendo isso, ele devolveu o feitiço pra você. Porque o verdadeiro assombro deste prédio nunca esteve na máquina que imita gente. Ele está num saco de neurônios cegos que, seguindo regrinhas burras, se dobrou tantas vezes sobre si mesmo que acordou, se deu um nome, e agora está aí, parado na frente de uma vitrine, se perguntando o que ele é. A última peça do museu, a mais estranha de todas, é quem está lendo esta placa.
Agora você entende por que este museu escolheu como obra-patrona justamente o Gödel, Escher, Bach. Os três, o lógico, o artista e o compositor, passaram a vida tropeçando na mesma volta estranha, cada um na sua língua. A frase que fala de si mesma, as mãos que se desenham, a melodia que sobe pra dentro de si. O Hofstadter juntou os três pra dizer uma coisa só. O sentido e o eu não descem de cima, soprados por uma alma vinda de fora. Eles sobem de baixo, de regras sem sentido nenhum que se enroscam até formar uma volta capaz de se enxergar. Ele resumiu tudo isso no título do livro que escreveu depois do GEB, em inglês, “I Am a Strange Loop”. Em português:
Eu sou uma volta estranha.
Se essa costura entre cálculo frio e consciência te fisgou, ela tem um companheiro perfeito pra levar pra casa, o ensaio “Calculating Consciousness”, do Jake Van Clief, o mesmo curador cujo trabalho inspirou este museu inteiro. É o lugar pra onde ir quando você sair daqui e essa pergunta não te largar.
Este museu inteiro te deu uma régua nova pra dividir o trabalho com a máquina. Entrega pra ela tudo que é cálculo, padrão, execução, memória, a parte que ela faz melhor e mais barato. E fica pra você com a parte que é volta, o querer, o se importar, o decidir o que vale a pena, o achar sentido nas coisas. Essa parte não se terceiriza. No dia em que você passar pra máquina não só as suas tarefas, mas o seu julgamento e o seu cuidado, você não ganhou um centauro. Você desligou a sua própria volta.
Na prática, é a régua que costura esta ala inteira. Deixa a IA produzir, e você fica de juiz, como na sala do teste de Turing. Deixa ela responder, e você fica dono das perguntas, como na sala da escola. Deixa ela executar, e você cuida da gente e do julgamento, como na sala do centauro. Tudo isso é a mesma coisa dita de quatro jeitos. Use a máquina pra ampliar a sua volta estranha, nunca pra se livrar dela.
Agora mesmo, lendo esta frase, alguma coisa aí dentro de você está dizendo “entendi”. Repara nesse instante, porque ele é o mais estranho de todos. Quem foi que entendeu? Você consegue achar, em algum canto da sua cabeça, a coisa que entende, ou só existe o entender acontecendo, uma volta se fechando mais uma vez? E aqui vai talvez a pergunta mais difícil que este museu tem pra te oferecer. Você nunca, jamais, vai conseguir provar de dentro que você é mais do que a máquina que passou cinco alas estudando. Você só sente que é. Pode ser que o museu inteiro tenha sido sobre descobrir que esse sentir, esse teimoso “eu estou aqui”, sempre foi a coisa mais valiosa e mais impossível de explicar do universo conhecido. Não fecha essa pergunta. Leva ela contigo.
Não tem próxima sala. Você chegou ao fim do museu.
Olha pra trás uma última vez. Você entrou aqui achando, como quase todo mundo, que a inteligência artificial tinha nascido anteontem, uma mágica nova caída do céu. E atravessou dois mil anos. O silogismo do Aristóteles, as rodas do Llull, o sonho do Leibniz, a álgebra do Boole, a máquina do Turing, o neurônio, o Perceptron, os invernos, o jogo do Shannon, a escada, a rede, a atenção, o teste que caiu. Você sai daqui sabendo que aquela janelinha de conversa no seu celular é o capítulo mais recente da pergunta mais antiga e mais teimosa que a humanidade já fez.
Pode ser que o pensamento seja mecanizável. O museu não te entrega a resposta. Ele te entrega uma coisa melhor, o lugar certo de onde fazer a pergunta. E te dá de brinde a volta estranha mais bonita de todas. Um museu sobre máquinas que pensam, que começou falando de Aristóteles e termina falando de você, e que, no fim, te devolve pra porta da rua um tiquinho mais desperto pra própria estranheza de existir. A coleção acabou. O curador se despede. Mas a peça mais importante de todas vai embora junto com você, pela porta da frente, ainda pensando em tudo isso. Cuida bem dela.