1.2. Origens e Evolução Histórica: Aplicações e Implicações

No final da década de ’80, a Carnegie Mellon University desenvolve o Deep Thought35, o primeiro computador a derrotar o mestre internacional Bent Larsen, em um torneio oficial. Sucessor do Deep Thought, o Deep Blue é desenvolvido pela IBM nos anos 1990 – representando um avanço significativo em termos de capacidade computacional –, sendo capaz de analisar até 200 milhões de posições de xadrez por segundo, graças ao seu hardware especializado. Em 1997, uma versão bastante aprimorada do Deep Blue vence o então campeão mundial de xadrez, Garry Kasparov. Nos anos 2000, a inteligência artificial avançou significativamente, impulsionada pelo aprendizado profundo (“deep learning”)36. Esse período consolidou técnicas e algoritmos que aprimoraram o reconhecimento de voz e imagem, tornando essas tecnologias mais precisas e acessíveis. Como será visto nos próximos tópicos, as redes neurais convolucionais (CNNs) se tornaram cruciais para o processamento de imagens, revolucionando áreas como detecção de objetos e diagnóstico médico. Paralelamente, o NLP (ou PLN) avançou com modelos que precederam o GPT-3 – que viria a ser criado em 2020 –, transformando a compreensão e geração de texto e permitindo interações mais naturais com máquinas. Esses desenvolvimentos não apenas transformaram a tecnologia, mas também foram responsáveis por integrar a IA de maneira mais fácil no uso cotidiano. Entre 2015 e 2017, a DeepMind desenvolveu três programas com habilidades em jogos contra humanos37. Esses programas foram um marco na evolução da IA, pelo fato de desenvolverem estratégias inovadoras sem

---

Notas

37. O primeiro programa criado pela Deep Mind foi o AlphaGo, criado em 2015, estabelecendo- se como o primeiro programa a derrotar jogadores profissionais do jogo Go – mais complexo que o jogo de xadrez. Em 2016, o programa alcançou notoriedade mundial ao vencer Lee Sedol, um dos melhores jogadores de Go do mundo, em uma série de cinco partidas. Utilizando uma combinação de “redes neurais” profundas e “aprendizado por reforço”, AlphaGo foi treinado com dados de jogos humanos e através de partidas contra si mesmo. Em 2017, foi lançado o AlphaGo Zero, uma versão aprimorada de AlphaGo. Diferente de seu predecessor, AlphaGo Zero aprendeu a jogar Go sem receber dados de jogos humanos, apenas jogando contra si mesmo. Este método permitiu que AlphaGo Zero rapidamente superasse a versão original de AlphaGo, demonstrando um avanço significativo na capacidade de aprendizado por reforço. Nesse mesmo ano, a DeepMind apresentou o AlphaZero, que se tornou conhecido por sua habilidade de dominar jogos complexos como xadrez, shogi (jogo de xadrez japonês) e Go. AlphaZero aprendeu a jogar autonomamente, sem qualquer conhecimento pré-programado, sem dados de partidas anteriores, aprendendo apenas através de regras básicas e aprimorando suas estratégias através de milhões de partidas simuladas. Em pouco tempo, superou os melhores programas existentes nesses jogos, marcando um novo momento no desenvolvimento da inteligência artificial. 38. O que é o crescimento exponencial, em termos matemáticos? Para ilustrar, comparemos com um crescimento linear: em 30 passos lineares, partindo de 1, atingimos o número 30. Se fizermos essa contagem de forma exponencial, será necessário multiplicar por dois cada número, sucessivamente. Ou seja, o primeiro passo nos leva a 2, o segundo a 4, o terceiro a 8, o quarto a 16 e, após 30 passos, teremos atingido o exorbitante número de 1.073.741.824. Em termos práticos, observa-se ao longo da História que ao longo de 4.500 anos, a escrita evoluiu dos cuneiformes sumérios à prensa gráfica de Gutenberg no século XV, que marcou o início de um crescimento exponencial na produção de textos. Em 1845, prensas já produziam 8.000 39. Para expandir o tema, veja-se Dapkevicius, 2024; Borge, Ivan Mateo. La Robótica y la Inteligencia Artificial en la Prestación de Servicios Jurídicos. In: Navarro, Suzana Navas (Coord.). Inteligencia Artificial: Tecnologia, Derecho. Valência, Tirant lo Blach, 2017.