1.3.4. Caixas-Brancas e Caixas-Pretas: Análise Aprofundada

portamento de seres humanos ou de entidades racionais. Em outras palavras, sistemas que “pensam” e/ou agem como humanos, por um lado, e sistemas que “pensam” e/ou agem racionalmente, por outro. A reprodução cognitiva ou comportamental de seres humanos busca reproduzir suas características específicas, como o reconhecimento de padrões, a linguagem natural ou a interação social, enquanto agir “racionalmente” significa tomar decisões ou executar ações com base em lógica, regras ou objetivos bem definidos, independentemente de serem inspirados diretamente pelo comportamento humano120. Essas seriam características da própria IA em seus aspectos fundamentais, mas esta categoria refere-se especificamente a uma estrutura de alto nível que foca no modo como a IA toma decisões e como essas decisões podem ser interpretadas ou explicadas, distinguindo questões como a transparência e a explicabilidade das decisões tomadas pelos sistemas. Dentro dessa categoria, observa-se a presença de dois paradigmas principais: os sistemas de caixas-brancas (white boxes), que enfatizam a transparência e a explicação do raciocínio subjacente, e os sistemas de caixas-pretas (black boxes), cujos processos internos são opacos e de difícil interpretação. Ambos os paradigmas coexistem nessa categoria, sendo escolhidos conforme a prioridade entre eficiência, interpretabilidade e explicabilidade no contexto da aplicação121. As caixas-brancas são modelos de IA cujo funcionamento interno é transparente, interpretável e passível de auditoria, projetados para que o raciocínio122 por trás de suas decisões seja compreensível. Em geral, são 120 Esses dois tipos de abordagens são amplamente discutidos na literatura de IA, com base em categorias propostas por autores como Stuart Russell e Peter Norvig em seu livro clássico Artificial Intelligence: A Modern Approach. 121 Embora os conceitos de caixa-branca e caixa-preta sejam frequentemente associados a sistemas baseados em Raciocínio e Comportamento, eles não são exclusivos dessa categoria: a distinção entre Caixas-Brancas e pretas não é uma técnica ou categoria independente, mas uma característica que atravessa múltiplos domínios da inteligência artificial, referindo-se ao grau de transparência e interpretabilidade do funcionamento interno de sistemas dos IA. Por exemplo, redes neurais profundas, amplamente usadas em sistemas de aprendizado de máquina, são geralmente tratadas como caixas-pretas devido à complexidade e opacidade de seus processos internos, enquanto sistemas baseados em regras ou lógica formal, também presentes em outras categorias, são tipicamente Caixas-Brancas por sua natureza explicável e rastreável. 122 A ciência da computação frequentemente empresta termos do domínio humano para descrever fenômenos tecnológicos. Conceitos como “memória” ou “aprendizado” da máquina já são amplamente aceitos no contexto da IA, sem implicar que as máquinas possuam características