Antes de existir um único computador, a humanidade já sonhava com máquinas que pensam. Na mitologia grega, Hefesto forjou Talos — um gigante de bronze programado para proteger Creta. Na Idade Média, alquimistas tentavam criar o homunculus, uma vida artificial em miniatura. O desejo de criar inteligência é tão antigo quanto a própria consciência.
Mas foi só no século XX que esse sonho encontrou um método.
Os Fundadores
A Máquina Universal
Alan Turing publica On Computable Numbers, descrevendo uma máquina teórica capaz de executar qualquer algoritmo. O conceito de computação nasce antes dos computadores.
Neurônios Artificiais
McCulloch e Pitts propõem o primeiro modelo matemático de neurônio artificial. A ideia: se o cérebro pode ser modelado em lógica, pode ser simulado.
O Teste de Turing
Em Computing Machinery and Intelligence, Turing propõe a pergunta: “Pode uma máquina pensar?” — e oferece um teste para verificar. A filosofia da IA começa aqui.
A Conferência de Dartmouth
John McCarthy cunha o termo “Inteligência Artificial” e reúne os maiores cérebros do momento. A IA se torna um campo oficial. O otimismo é total: em 20 anos, máquinas farão tudo o que humanos fazem.
Os Invernos da IA
Os anos 70 e 80 foram marcados por dois períodos chamados “invernos da IA” — momentos em que o financiamento secou e o entusiasmo desabou. Os sistemas de regras explícitas chegavam no limite: não conseguiam generalizar, não lidavam com ambiguidade, não escalavam.
O problema central era simples de enunciar e difícil de resolver: você não pode escrever regras para tudo o que existe no mundo.
A Virada do Aprendizado
Backpropagation
Rumelhart, Hinton e Williams popularizam o algoritmo de retropropagação, tornando viável treinar redes neurais com múltiplas camadas. A ideia não era nova — mas agora funcionava.
Deep Blue vence Kasparov
O computador da IBM derrota o campeão mundial de xadrez. Pela primeira vez, uma máquina supera o melhor humano em um domínio cognitivo complexo. O mundo para para assistir.
Deep Learning ressurge
Geoffrey Hinton publica papers mostrando que redes profundas podem ser treinadas eficientemente com a técnica de pré-treinamento em camadas. O campo renascerá.
AlexNet muda tudo
A rede de Hinton e seus alunos vence o ImageNet com margem absurda — 10 pontos percentuais acima do segundo lugar. O mundo da visão computacional vira de cabeça para baixo em uma semana.
A Era dos Transformers
Em 2017, pesquisadores do Google publicaram um paper com um título provocador: “Attention Is All You Need”. A arquitetura Transformer que ele introduzia aboliu as redes recorrentes que dominavam o processamento de linguagem — e abriu caminho para uma nova geração de modelos.
GPT-1 (2018), BERT (2018), GPT-2 (2019), GPT-3 (2020). Cada ano, modelos maiores, mais capazes, mais surpreendentes.
Onde Estamos Agora
ChatGPT e o momento de virada
100 milhões de usuários em dois meses. O público geral finalmente interage com IA — e entende o que estava acontecendo nos últimos anos. Nada voltará a ser como antes.
Multimodalidade
Modelos passam a ver imagens, ouvir áudio, interpretar vídeo. A IA deixa de ser só texto e começa a perceber o mundo de formas mais próximas das humanas.
Agentes e raciocínio
Modelos ganham capacidade de usar ferramentas, navegar na web, escrever e executar código. A IA começa a agir no mundo, não apenas responder sobre ele.
O que vem depois
Ninguém sabe ao certo. Mas os próximos capítulos serão escritos tão rápido quanto os anteriores — talvez mais.
Do mito de Talos ao GPT-4, o fio condutor é sempre o mesmo: a recusa humana em aceitar que certas coisas são privilégio exclusivo da biologia. Cada “inverno” foi seguido de uma primavera mais quente. Cada limite, redefinido.
A pergunta que Turing fez em 1950 ainda não tem resposta definitiva. Mas hoje, pela primeira vez na história, a pergunta parece genuinamente aberta.