Atualmente, existem três opções quando surge uma dúvida. A primeira é recorrer ao Google para uma pesquisa. A segunda envolve interagir com um chatbot de inteligência artificial (IA), como o ChatGPT, Claude ou Gemini. Por último, você pode optar por conversar com outra pessoa. Com a crescente integração da IA nas buscas do Google, as duas primeiras alternativas podem oferecer experiências semelhantes, enquanto a terceira é bem distinta. Isso porque seres humanos possuem conhecimento adquirido e contextualizado, enquanto plataformas de IA apenas processam dados.
A principal diferença reside no fato de que uma pessoa consultada pode ter um entendimento profundo sobre o assunto e, assim, esclarecer suas dúvidas ou até mesmo suscitar novas questões. Já a IA não tem esse conhecimento intrínseco. As respostas dos chatbots podem parecer confiáveis, com estrutura clara e coerência aparente; no entanto, não se deixe enganar: essas plataformas não compreendem realmente o que estão dizendo. Apesar disso, isso não diminui o valor das respostas que oferecem.
A IA processa enormes volumes de dados, mas carece de conhecimento
A comunicação entre você e a inteligência artificial não acontece na mesma linguagem. Mesmo que você tenha fluência em diversos idiomas, isso ainda não garantiria um diálogo efetivo com a IA. Enquanto os humanos utilizam palavras para se expressar, as máquinas operam com tokens – pequenas unidades representadas por etiquetas numéricas.
Fabrício Carraro, Program Manager da Alura, esclarece: “Um token é basicamente uma parte de uma palavra”. Ele exemplifica: “A palavra ‘feliz’ representa um token; ‘triste’ também é um token; assim como ‘divisível’.”
O especialista prossegue explicando que em palavras compostas como ‘indivisível’ ou ‘infeliz’, existe o token ‘in’. Este token pode corresponder a um número específico dentro do vocabulário utilizado pelo modelo de linguagem – por exemplo, 357 para ‘in’ e 352 para ‘feliz’. Juntos, esses tokens formam a nova palavra ‘infeliz’.
Quando você faz uma pergunta ao ChatGPT e recebe uma resposta, o processo se assemelha mais a um “cálculo de palavras” do que à “articulação de pensamentos”. Carraro explica que a IA avalia milhares de tokens em seu vocabulário e atribui probabilidades a cada um deles com base nos dados que foram utilizados durante seu treinamento.
O treinamento dos grandes modelos de linguagem (LLMs) exige volumes imensos de informação. Se você tentasse ler continuamente durante 24 horas por dia, levaria quase 100 mil anos para alcançar a quantidade de texto processada pelo ChatGPT. Após essa fase inicial, inicia-se o aprendizado por reforço. “Neste estágio, o LLM aprende como ser útil aos humanos”, afirma Carraro.
Ele acrescenta: “Durante o pós-treinamento, você ensina ao modelo o formato esperado das respostas às perguntas feitas; é assim que os humanos preferem receber informações”. Através desse processo também se busca ensinar ao modelo quais respostas são desejáveis e quais devem ser evitadas.
Quando a IA responde a uma consulta, ela realiza milhões de cálculos matemáticos. Cada neurônio na rede neural – nome escolhido anteriormente – corresponde literalmente a uma equação matemática.
Fabrício Carraro, Program Manager da Alura.
No momento da resposta ao usuário, cada palavra escolhida pela IA é baseada na sua formação anterior. Carraro observa: “Na inferência – quando está respondendo – a IA gera o próximo token conforme as probabilidades aprendidas durante as fases anteriores”. Em resumo, o chatbot está apenas criando aquilo que considera mais provável ocorrer.
Embora as plataformas de IA generativa não possuam conhecimento real sobre os temas abordados, empresas tecnológicas têm implementado estratégias para minimizar essa limitação. Um dos métodos utilizados foi integrar à IA a capacidade de realizar pesquisas na internet; isso ampliou sua precisão ao responder perguntas sobre eventos recentes ou atualizações relevantes.
Outra técnica conhecida como “raciocínio” (reasoning) permite que a máquina simule um processo mental semelhante ao humano — embora tecnicamente ela não pense. De acordo com Carraro, Google e OpenAI inovaram ao fazer com que o modelo formulasse para si mesmo várias miniperguntas e buscasse respostas sem expor esse processo ao usuário final. “Se ele perceber um erro na resposta dada, pode tentar uma nova abordagem para fornecer informações mais confiáveis”, completa Carraro. Embora isso não garanta precisão absoluta nas respostas geradas pelos modelos, essa estratégia aumenta significativamente sua acurácia.
A IA não ‘sabe’, mas pode auxiliar no aprendizado
Tecnologicamente falando, plataformas de IA são consideradas “calculadoras avançadas”, conforme afirma Kenneth Corrêa, especialista em IA e professor da FGV. Na prática, observam-se LLMs com trilhões de parâmetros que têm demonstrado capacidades impressionantes na geração de respostas ou no preenchimento de prompts que vão além do conteúdo original em sua base de aprendizado.
Essas são ferramentas que podem gerar informações inesperadas e resultados variados.
Kenneth Corrêa, especialista em IA e professor da FGV.
Corrêa ressalta ainda: “Quando esses modelos são utilizados para tarefas como classificação de documentos ou identificação de padrões, eles frequentemente superam até mesmo muitos humanos em termos de eficiência.”
<pPor essa razão, Corrêa enfatiza que limitar a função da IA à mera calculadora avançada é insuficiente: “Ao simplificar dessa forma, deixamos passar aspectos cruciais do impacto real dessas tecnologias.”
Citando um exemplo desse impacto significativo gerado por modelos poderosos de IA em descobertas recentes, ele observa: “Entretanto, isso nem sempre representa novo conhecimento por si só; muitas vezes trata-se apenas da organização inovadora de informações já existentes.”
O professor da FGV também alerta sobre as limitações éticas das ferramentas: “Esses sistemas carecem tanto de moral quanto ética; podem apresentar respostas corretas com total confiança ou errôneas com igual segurança.”
Diante disso tudo fica evidente a necessidade da supervisão humana nesse contexto. Corrêa conclui: “No final das contas, precisamos do julgamento humano para validar as respostas fornecidas e orientar a utilização da IA; afinal é o ser humano quem decide qual informação será utilizada”. Isso ocorre porque somente os humanos detêm esse entendimento profundo necessário.
