O desafio da inteligência artificial comparado ao xadrez

Desde tempos remotos, a humanidade cria máquinas que facilitam suas tarefas diárias com eficiência e rapidez, e até dão vida a ideias antes restritas à imaginação.

Assim, a busca incessante pela melhor tecnologia — uma ferramenta, física ou digital, que intensifique a capacidade humana, cumpra ordens e alcance objetivos — sempre esteve presente. Historicamente, muitos mecanismos surgiram para assegurar a sobrevivência, como, por exemplo, o domínio da pedra lascada há cerca de 3,3 milhões de anos. O desenvolvimento da inteligência artificial (IA), fenômeno que revolucionou o mundo atual e veio para ficar, foi uma progressão constante e gradual.

Para entendermos as ligações entre humanos e “máquinas inteligentes”, não vamos retroceder até as cavernas, mas sim lembrar do engenheiro e matemático espanhol Leonardo Torres y Quevedo (1852-1936). Em 1914, ele apresentou em Paris uma máquina pioneira capaz de resolver os movimentos finais de uma partida de xadrez.

Chamado de El Ajedrecista (O Enxadrista), essa invenção de Torres y Quevedo causou grande espanto. Era um aparelho que utilizava eletromagnetos e, após configuração, seguia as regras do jogo, realizava as jogadas automaticamente e alertava se o adversário humano tentasse trapacear. Era quase como se a máquina pensasse.

Não era apenas entretenimento. Por trás do Enxadrista estava a estrutura que também sustenta a inteligência artificial moderna: um banco de dados, instruções pré-estabelecidas, repetição de padrões e tempo para a máquina aprender a realizar certas ações. Tudo seguia uma mesma lógica, permitindo à máquina funcionar aparentemente sozinha.

No percurso do desenvolvimento da inteligência artificial, destacam-se as pesquisas do britânico Alan Turing (1912-1954), um gênio matemático conhecido por decifrar o código do Enigma nazista na Segunda Guerra Mundial, ajudando os aliados a encurtar o conflito.

Turing é um dos pais da inteligência artificial. Em seu texto “Máquinas computacionais e inteligência”, de 1950, ele questionava até que ponto uma máquina poderia pensar autonomamente. Propôs o “Teste de Turing” — um diálogo em que uma pessoa tenta distinguir se está conversando com uma máquina ou um humano. Na época, as limitações técnicas tornavam essa diferenciação óbvia, mas Turing acreditava que, no final do século XX, isso mudaria. Hoje, assistentes virtuais como Siri e Alexa confirmam sua visão.

Além disso, Turing e seu colega David Champernowne (1912-2000) criaram o Turochamp, um algoritmo de xadrez projetado para jogar como humanos. Naquela época, o hardware disponível era insuficiente para executar o jogo adequadamente.

Falando em IA e xadrez, vale lembrar o marco de 1997, quando o computador Deep Blue da IBM surpreendeu ao vencer o campeão mundial Garry Kasparov em uma série de seis partidas.

Embora Kasparov tenha vencido a primeira disputa no ano anterior, após ajustes, o Deep Blue demonstrou que os computadores começavam a ocupar com força o espaço até então reservado à inteligência humana. Assim como o pioneiro Enxadrista, porém em um nível muito mais avançado, o Deep Blue parecia pensar por si só.

As diversas fases da inteligência artificial

A partir dessa época, o termo inteligência artificial passou a ser mais usado no mundo da tecnologia — um sistema lógico que, além de seguir comandos, aprende com grandes quantidades de dados, reconhece padrões e aprimora seu desempenho progressivamente. Quanto maior a base de dados e a capacidade de processamento, maior a eficiência do “agente de IA” (como o ChatGPT) em gerar respostas adequadas. Esse avanço também ocorre conforme os softwares assimilam a linguagem humana, reforçando a ideia de Turing.

Na década de 1990, a IA aplicava-se inicialmente em recomendações personalizadas por algoritmos, o que fomentou o crescimento de gigantes como Amazon e Google, que entenderam profundamente seus mercados a partir do vasto fluxo de informações geradas pelos usuários, embora com pouca transparência. Os bancos de dados da “memória coletiva da internet” começaram a ser abastecidos.

Depois, a IA ganhou força nos setores corporativo e governamental, com foco em finanças, saúde e entretenimento, sempre buscando oportunidades de negócio, segurança e previsão de riscos, suportada por técnicas como deep learning e big data.

Esse crescimento originou a IA Perceptiva ou Sensorial, com programas capazes de reconhecer rostos e vozes.

Hoje, fala-se principalmente em IA Generativa, que cria textos, imagens, aplicativos e outras produções a partir de comandos dados pelos usuários. O ChatGPT, lançado em 2022, popularizou essa categoria, seguida por ferramentas como Gemini, DALL-E, Midjourney e Canva, cada uma atuando em diferentes áreas.

Também avançamos para a IA Agêntica, que simula o raciocínio humano para tomar decisões e resolver problemas em tempo real. A máquina ganha autonomia para executar tarefas completas com mínima interferência humana, incluindo o uso de recursos externos. É como se a IA compreendesse a tarefa e, combinando análise, decisão e ação, interagisse com outros sistemas.

Isso impulsiona tecnologias como veículos autônomos, que utilizam dados em tempo real de sensores e GPS, exigindo vigilância constante por razões de segurança — o mesmo vale para a saúde.

Porém, essa não é a etapa final. A evolução em telecomunicações, como o 5G, aumenta rapidamente a capacidade de processar e transmitir dados, replicando uma tendência de crescimento em escala crescente. Discute-se já a IA Quântica, que usa tecnologias quânticas para ampliar exponencialmente o processamento simultâneo de grandes volumes de dados.

Assim, ainda não chegamos à autonomia total da IA, mas isso não parece impossível no futuro.

Nesse cenário, as possibilidades são ilimitadas.