que fornecem ao computador as regras do conhecimento de qualquer atividade que os mesmos estejam tentando modelar e automatizar87. Como resultado, as decisões são mais transparentes e explicáveis, pois se baseiam em elementos que foram introduzidos por humanos de forma explícita. No entanto, essa é também sua principal vulnerabilidade: a dependência das regras e dados fornecidos, o que significa que erros ou vieses introduzidos pelos programadores podem refletir diretamente no comportamento do sistema, resultando em decisões imprecisas ou injustas. Além disso, tais sistemas podem ser inflexíveis, pois têm dificuldade em lidar com situações fora do escopo do conhecimento previamente programado. A IA baseada em Dados (Data-Based AI), também conhecida como IA subsimbólica. também se fundamenta na ideia de processamento e computação de informação; contudo, aqui o processamento de informações opera de baixo para cima (“bottom-up”). Sua característica está em aprender coisas a partir “do zero” – ou seja, aprender diretamente a partir dos “dados”. Nesses sistemas, grandes volumes de entradas (“inputs”) e dados brutos são inseridos para que eles reconheçam correlações e associações; em suma, padrões.88 Como vimos, os dados são processados para permitir que os algoritmos identifiquem correlações e padrões, treinem modelos, façam previsões e tomem decisões de forma autônoma, sem a necessidade de programação explícita para cada tarefa. Aprendendo os padrões, o algoritmo do sistema determinará organicamente as suas próprias regras operacionais – ou seja, irá operar “por si”89. A categoria de IA baseada em dados, por sua vez, se subdivide em outras tantas subcategorias, com suas variedades de subcampos e técnicas, estabelecidas a partir dos tipos de tecnologias e metodologias envolvidas. São elas o Aprendizado de Máquina (Machine Learning), o Processamento de Linguagem Natural (PLN)90, as Redes Neurais Artificiais (ANN), a
Notas
88. Felin, Teppo; Holweg, Matthias. Theory Is All You Need: AI, Human Cognition and Decision Making. Open Paper de 24 fev. 2024. Disponível em: http://dx.doi.org/10.2139/ssrn.4737265. p. 8. 89. Surden, 2019, p. 1317. 90. O Processamento de Linguagem Natural (PLN) é o ramo da IA que busca permitir aos computadores compreender, interpretar e gerar linguagem humana de forma automatizada. Por meio de técnicas como tokenização – que divide o texto em partes menores, como palavrasAlessandro Casoretti Lavorante
Prof. Me. pela USP
Advogado especializado em Direito Digital, IA e Startups. Mestre em Direito Civil pela USP. Autor do livro "Responsabilidade Civil por Inteligência Artificial".