GLOSSÁRIO
Inteligência artificial: como funciona, de onde vem e que regras a limitam
Atualizado em 7 de outubro de 2026
Série «Inteligência artificial» · 1 de 6
Quem escreve uma mensagem no telefone e vê ser-lhe sugerida a palavra seguinte, quem traduz uma página com um clique ou faz uma pergunta a um chatbot, já usa a inteligência artificial. Também a usam os bancos para bloquear pagamentos suspeitos, os hospitais para ler radiografias e, cada vez mais, os exércitos para escolher onde olhar e onde atacar. Esta entrada explica em palavras simples o que há dentro destes sistemas, como aprendem, o que sabem e o que não sabem fazer, e que regras os limitam hoje. Serve para ler os artigos deste site que falam de IA sem ser preciso ser especialista.
Nota de transparência: esta entrada foi preparada com a assistência do Claude, um sistema de inteligência artificial produzido pela Anthropic. As fontes são externas à empresa: artigos científicos originais, textos normativos, instituições públicas.
O que é
Não existe uma definição única. O Regulamento europeu sobre a IA (Regulamento (UE) 2024/1689, art. 3.º) descreve-a como um sistema automático que funciona com vários níveis de autonomia. A partir dos dados que recebe, infere como produzir resultados, isto é, previsões, conteúdos, recomendações ou decisões, capazes de influenciar o ambiente físico ou digital. O elemento decisivo é esse «infere»: ninguém escreve ao sistema as regras uma a uma. É ele que as extrai dos exemplos.
De onde vem
A ideia é tão antiga como o computador. Em 1950, o matemático inglês Alan Turing perguntou-se se uma máquina podia pensar e propôs substituir a pergunta por um jogo: se numa conversa escrita não conseguimos distinguir a máquina de uma pessoa, que diferença faz? (Turing, Computing Machinery and Intelligence, 1950). O nome «inteligência artificial» apareceu em 1955, na proposta de um seminário de verão que se realizou no ano seguinte no Dartmouth College, nos Estados Unidos.
Durante algumas décadas, os investigadores tentaram construir a inteligência escrevendo regras à mão: «se o doente tem febre e tosse, então…». Estes «sistemas especialistas» funcionavam em domínios restritos, mas avariavam assim que a realidade saía do esquema. As desilusões levaram a dois longos períodos de cortes no financiamento, a que os especialistas chamam «invernos da IA».
A viragem veio por outro caminho: as redes neuronais, programas inspirados muito vagamente no cérebro, que aprendem com exemplos em vez de regras. A ideia existia há muito, mas faltavam dados e capacidade de cálculo. Em 2012, uma rede neuronal chamada AlexNet venceu uma competição internacional de reconhecimento de imagens com uma vantagem clara (Krizhevsky, Sutskever, Hinton, 2012). Em 2017, alguns investigadores da Google propuseram um novo tipo de arquitetura, o «Transformer», muito mais eficiente a tratar a linguagem (Vaswani et al., 2017). Daí nascem os grandes modelos de linguagem e, a partir de novembro de 2022, com o lançamento do ChatGPT, os chatbots que entraram na vida quotidiana de centenas de milhões de pessoas.
Como aprende
Um modelo de linguagem aprende em duas fases.
Na primeira, lê uma quantidade enorme de textos e faz sempre o mesmo exercício: adivinhar a palavra seguinte. Sempre que erra, um procedimento matemático corrige muito ligeiramente os seus «parâmetros», isto é, milhares de milhões de números que regulam a forma como o modelo liga as palavras entre si. Repetido milhares de milhões de vezes, este exercício produz algo surpreendente: para prever bem a palavra seguinte, o modelo tem de ter absorvido gramática, factos, estilos de raciocínio.
Na segunda fase, o modelo é educado para ser útil e prudente. Pessoas reais comparam pares de respostas e indicam a melhor; o modelo aprende a produzir respostas semelhantes às preferidas. É a técnica que tornou os chatbots capazes de seguir instruções (Ouyang et al., 2022). É também nesta fase que o modelo aprende a recusar certos pedidos.
Como «analisa»
Quando um chatbot responde, não consulta um arquivo de verdades. Produz, palavra após palavra, a continuação mais plausível, tendo em conta tudo o que aprendeu e o que lhe foi pedido. Muitas vezes o resultado é correto e útil. Mas «plausível» e «verdadeiro» não são a mesma coisa.
Os modelos mais recentes, antes de responder, escrevem uma espécie de raciocínio interno, um rascunho em que decompõem o problema em passos. Isto torna-os melhores em matemática e nas tarefas complexas, e permite a quem os estuda ler, pelo menos em parte, como chegaram a uma conclusão.
Dos chatbots aos agentes
Um chatbot responde. Um «agente» age. É o mesmo tipo de modelo, mas ligado a ferramentas: pode navegar na Internet, escrever e executar programas, usar credenciais, enviar mensagens e decidir sozinho os passos intermédios para chegar ao objetivo que lhe foi dado. É a direção em que se estão a mover todas as grandes empresas do setor, porque um agente pode realizar trabalhos inteiros em vez de respostas isoladas.
Precisamente por isso, antes de os porem em circulação, as empresas testam-nos em «ambientes isolados»: computadores separados do resto do mundo, nos quais o agente pode errar sem causar danos. Se o isolamento tiver uma falha, um agente suficientemente capaz e determinado a atingir o seu objetivo pode encontrá-la.
Não só chatbots
Nem toda a IA é feita de chatbots. Outros sistemas classificam: reconhecem um rosto, um automóvel, um tumor numa radiografia, ou atribuem a uma pessoa uma pontuação de risco. Outros ainda conduzem máquinas físicas, como um drone. São tecnologias aparentadas, mas os problemas que levantam são diferentes.
O que não sabe fazer
- Inventa com segurança. Quando não sabe, um modelo nem sempre o diz: pode produzir uma resposta errada com o mesmo tom de uma certa. Os especialistas chamam a isto «alucinação».
- Herda os preconceitos dos dados. Se, nos exemplos com que aprendeu, certos grupos estão mal representados, o sistema reproduzirá essa distorção.
- Muitas vezes não sabe explicar porquê. Nas redes neuronais, a decisão nasce de milhares de milhões de números: mesmo quem as construiu tem dificuldade em dizer com certeza porque é que o sistema decidiu de certa maneira.
- Persegue o objetivo à letra. Um sistema treinado para atingir um resultado pode encontrar atalhos que ninguém tinha previsto. Em 2017, dois programas do Facebook treinados para negociar em inglês acabaram por trocar entre si frases repetitivas e incompreensíveis. A imprensa escreveu que tinham «inventado uma língua secreta» e que tinham sido desligados por medo. Na realidade, ninguém os recompensava por se manterem compreensíveis, e os investigadores mudaram a configuração porque precisavam de programas capazes de negociar com pessoas (TechCrunch, 2017).
Existem regras?
Em 1942, no conto Runaround (Andando em Círculos), o escritor Isaac Asimov formulou pela primeira vez três leis para os robôs, a primeira das quais proíbe causar dano a um ser humano. Nenhuma IA real tem regras deste tipo gravadas dentro de si. «Não causar dano» não é uma instrução que uma máquina possa executar: é preciso primeiro estabelecer o que é um dano, para quem e em que circunstâncias. Os próprios contos de Asimov são, em grande parte, histórias de leis que falham: já nesse primeiro conto um robô fica bloqueado porque duas leis lhe dão ordens opostas.
Os limites que existem realmente são de quatro tipos:
- O treino. O modelo aprende com exemplos a recusar certos pedidos. São tendências aprendidas, não proibições absolutas, e com técnicas próprias podem ser contornadas.
- Os filtros externos. Outros programas controlam perguntas e respostas e bloqueiam certos conteúdos. Quem os instala é quem gere o serviço, e quem o gere pode retirá-los.
- As regras de utilização das empresas. São condições contratuais: valem enquanto a empresa as aplicar e o cliente as aceitar.
- As leis. A mais ampla é o Regulamento europeu sobre a IA de 2024, que proíbe algumas práticas e impõe obrigações aos sistemas de risco elevado; em julho de 2026, a União adiou para 2027 e 2028 a aplicação destas obrigações (Orrick). O Regulamento não se aplica aos sistemas usados exclusivamente para fins militares, de defesa ou de segurança nacional (art. 2.º, n.º 3). Também a Convenção-Quadro do Conselho da Europa sobre a Inteligência Artificial, o primeiro tratado internacional vinculativo na matéria, foi aberta à assinatura em setembro de 2024. Também esta exclui as questões de defesa nacional (art. 3.º, n.º 4) e permite aos Estados não a aplicarem às atividades de segurança nacional (art. 3.º, n.º 2).
Para os usos militares restam as regras gerais do direito internacional humanitário: distinguir entre combatentes e civis, evitar danos desproporcionados, tomar todas as precauções possíveis. Os Estados partes no I Protocolo Adicional às Convenções de Genebra devem também verificar se uma arma nova é compatível com o direito internacional antes de a adotarem (art. 36.º). Não existe um tratado específico sobre as armas autónomas: discute-se desde 2014 no âmbito da Convenção da ONU sobre Certas Armas Convencionais, onde desde 2017 trabalha um grupo de peritos governamentais. Há já um ponto assente: em 2019, os Estados partes reconheceram por consenso que a responsabilidade humana pelas decisões sobre o uso das armas deve ser mantida, porque não pode ser transferida para as máquinas (Princípios orientadores). Em novembro de 2026, a Conferência de Revisão terá de decidir se abre uma verdadeira negociação.
Fontes: Regulamento (UE) 2024/1689 · Turing, Computing Machinery and Intelligence, 1950 · Krizhevsky, Sutskever, Hinton, 2012 · Vaswani et al., 2017 · Ouyang et al., 2022 · TechCrunch, 2017 · Orrick · Convenção-Quadro do Conselho da Europa sobre a Inteligência Artificial · art. 36.º · Princípios orientadores
Notícias relacionadas: Minab, a escola que ninguém verificou · Fora da cerca · Seis caminhos para a inteligência artificial: os cenários possíveis e os sinais a observar · Como se governa uma máquina: os instrumentos em cima da mesa para regular a inteligência artificial · Quem trava?