Como nasceu a inteligência artificial: uma viagem de 70 anos pela história das máquinas pensantes

Em 1950, o matemático britânico Alan Turing publicou um artigo que mudaria para sempre a história da ciência e da tecnologia: Computing Machinery and Intelligence. Nele, Turing propôs uma pergunta provocadora — “As máquinas podem pensar?” — e sugeriu um teste para determinar se um computador poderia demonstrar comportamento inteligente indistinguível do humano. Sete décadas depois, essa questão não só continua relevante como também ganhou novas dimensões com o avanço da inteligência artificial (IA), que hoje permeia praticamente todas as áreas da vida moderna — dos celulares aos diagnósticos médicos.

Mas como chegamos até aqui? A trajetória da IA é feita de ideias revolucionárias, avanços tecnológicos e momentos de crise que quase enterraram o campo. A seguir, uma viagem pelos 70 anos que moldaram o que hoje conhecemos como inteligência artificial.

As origens: o sonho de máquinas que pensam (1950–1960)

A semente da IA foi plantada oficialmente na Conferência de Dartm0outh, em 1956, nos Estados Unidos, considerada o marco fundador da disciplina. O termo “inteligência artificial” foi cunhado por John McCarthy, que acreditava que seria possível “fazer uma máquina se comportar como se fosse inteligente”. Entre os participantes estavam nomes que se tornariam lendas, como Marvin Minsky, Allen Newell e Herbert Simon.

Naquela época, o entusiasmo era enorme. Pesquisadores acreditavam que, em poucas décadas, máquinas poderiam traduzir línguas, jogar xadrez e até compreender a linguagem humana. Em 1951, já havia sido criado o Ferranti Mark I, o primeiro computador a executar um programa de xadrez rudimentar. Pouco depois, em 1956, o programa Logic Theorist, de Newell e Simon, foi capaz de provar teoremas matemáticos — um feito impressionante para a época.

A década de 1960 viu os primeiros passos da IA simbólica, baseada em regras lógicas e raciocínio formal. Sistemas como o ELIZA (1966), criado por Joseph Weizenbaum, simulavam conversas com humanos, reproduzindo o estilo de um psicoterapeuta. Apesar de suas limitações, o programa causou espanto — algumas pessoas realmente acreditaram estar conversando com uma máquina “consciente”.

O primeiro “inverno da IA” e a era da decepção (1970–1980)

O entusiasmo inicial deu lugar à frustração. As promessas de máquinas que pensam esbarraram em problemas técnicos e limitações computacionais. Os computadores da época eram lentos e incapazes de lidar com a complexidade do mundo real. Além disso, os sistemas baseados em regras mostraram-se frágeis: bastava uma pequena mudança no contexto para que o programa deixasse de funcionar.

Esse período ficou conhecido como o primeiro “inverno da IA”, uma fase de cortes de verbas e desinteresse científico. Governos e empresas, especialmente nos Estados Unidos e no Reino Unido, reduziram investimentos. Ainda assim, alguns avanços discretos mantiveram o campo vivo. Um deles foi o desenvolvimento dos sistemas especialistas, que usavam bases de conhecimento para resolver problemas específicos, como diagnósticos médicos.

No Japão, o Projeto Quinta Geração, lançado em 1982, prometia criar computadores com raciocínio lógico avançado. Apesar da ambição, o projeto não atingiu seus objetivos, mas impulsionou a pesquisa em outras partes do mundo.

A retomada e o aprendizado de máquina (1990–2000)

Com o avanço do poder computacional e a chegada dos microprocessadores, a IA começou a sair do laboratório e se aproximar de aplicações práticas. Nos anos 1990, um novo paradigma começou a ganhar força: o aprendizado de máquina (machine learning), que propunha ensinar as máquinas a aprender com dados, em vez de apenas seguir regras fixas.

Um dos momentos simbólicos dessa fase ocorreu em 1997, quando o supercomputador Deep Blue, da IBM, derrotou o campeão mundial de xadrez Garry Kasparov. Pela primeira vez, uma máquina superava um humano em um jogo que exigia raciocínio estratégico.

Na virada do milênio, o aprendizado de máquina ganhou impulso com o surgimento da internet e a explosão de dados digitais. Empresas como Google e Amazon começaram a usar algoritmos para recomendar produtos e otimizar buscas. A IA, antes restrita a laboratórios acadêmicos, agora encontrava aplicações no cotidiano.

A revolução do deep learning (2010–2020)

O verdadeiro salto, no entanto, veio com o deep learning — o aprendizado profundo —, uma técnica baseada em redes neurais artificiais que simulam o funcionamento do cérebro humano. Embora o conceito existisse desde os anos 1980, foi só na década de 2010, com o aumento do poder computacional e o acesso a grandes volumes de dados, que ele se tornou viável.

Em 2012, um marco: um sistema criado pelo Google, conhecido como AlexNet, venceu uma competição internacional de reconhecimento de imagens com uma margem impressionante. Era o início de uma nova era.

A partir daí, assistentes virtuais como Siri, Alexa e Google Assistant tornaram-se populares. Aplicativos passaram a reconhecer rostos, traduzir textos em tempo real e prever preferências de consumo. No campo da medicina, IA começou a auxiliar em diagnósticos de câncer e em pesquisas genéticas.

Em 2016, outro momento histórico: o programa AlphaGo, da DeepMind (empresa do Google), derrotou o campeão mundial de Go, Lee Sedol — um jogo muito mais complexo que o xadrez. O feito demonstrou o poder das redes neurais profundas e consolidou o domínio do deep learning.

Da automação à criatividade: a era dos modelos generativos (2020–2025)

Nos últimos cinco anos, a IA deu um salto ainda mais impressionante com o surgimento dos modelos generativos, capazes de criar textos, imagens, músicas e vídeos originais. Ferramentas como ChatGPT, DALL·E, Midjourney e Gemini (do Google) popularizaram o conceito de IA criativa, antes restrito à ficção científica.