Recentemente vi, mais uma vez, um argumento que se tornou recorrente: modelos de linguagem não deveriam ser chamados de “inteligência”, mas apenas de “sistemas probabilísticos de geração de texto.”
A descrição do mecanismo está correta. Mas a conclusão, talvez, não.
Chamamos uma bomba mecânica de “coração artificial” não porque ela seja biologicamente equivalente a um coração, mas porque desempenha a mesma função no sistema.
Talvez a pergunta não seja por que chamamos esses sistemas de “inteligências artificiais”, mas por que insistimos em exigir equivalência estrutural quando, na prática, usamos critérios funcionais para nomear quase tudo.
Em engenharia e Ciência, raramente nomeamos sistemas pelo seu substrato interno. Nomeamos pelo que eles efetivamente fazem.
Não existe um consenso claro sobre o que é “inteligência”. Toda definição é, no fim, comparativa e empírica e, como consequência, por muito tempo acreditou-se que animais eram irracionais e destituídos de qualquer forma de inteligência, o que hoje sabemos não ser verdade.
Hoje, é amplamente aceito que a inteligência existe em um espectro, que é uma visão Gradualista e Funcionalista.
Ainda assim, é comum ouvir que sistemas atuais “não são inteligentes” porque não possuem consciência legítima, compreensão real ou criatividade genuína, uma visão associada a nomes como Miguel Nicolelis, Noam Chomsky e Roger Penrose.
Essa posição parte da ideia de que a inteligência seria uma propriedade exclusiva da matéria orgânica, resultado de milhões de anos de evolução, e portanto não replicável por sistemas computacionais baseados em matemática e probabilidade.
Mas essa hipótese, embora interessante, não é empiricamente comprovada e, em alguns casos, sequer é falseável, tornando-a não passível de refutação clara por evidências contrárias.
Ao mesmo tempo, observamos um fenômeno curioso: à medida que modelos de linguagem avançam, critérios que antes eram considerados evidência de inteligência vão sendo progressivamente redefinidos ou descartados.
Modelos de linguagem são frequentemente descritos como “apenas preditores de tokens”, e isso é correto no nível do mecanismo. Mas o comportamento global que emerge desse processo é profundamente mais complexo.
Em estudos recentes de interpretabilidade, modelos treinados para tarefas simples inicialmente memorizam os dados, mas após treinamento prolongado passam a generalizar perfeitamente, desenvolvendo internamente estruturas matemáticas abstratas que não foram explicitamente ensinadas.
Ou seja: o sistema não apenas replica padrões... ele descobre regularidades.
Se considerarmos que a inteligência, em muitos contextos, está associada à capacidade de generalização, adaptação e inferência, torna-se difícil sustentar que estamos lidando apenas com um mecanismo superficial ou meramente uma simulação de aprendizado, compreensão e raciocínio causal.
Defensores da crítica costumam apontar limitações atuais: ausência de memória consistente, objetivos próprios, experiência física ou compreensão semântica profunda.
Mas muitas dessas limitações são contingências de engenharia ou mesmo restrições corporativas pré-configuradas e não barreiras conceituais. Já existem abordagens que expandem memória, continuidade, permitem definição de objetivos e ampliam a integração contextual.
A questão, então, talvez não seja se esses sistemas reproduzem exatamente a inteligência humana, mas se estamos dispostos a reconhecer formas não-biológicas de organização cognitiva quando elas emergem.
Em última análise, a ideia de que esses sistemas “apenas simulam” inteligência pode esbarrar em uma questão ainda mais profunda.
Diz-se que a inteligência humana envolve capacidades integradas, compreensão semântica, raciocínio causal, memória consistente, objetivos próprios, consciência de contexto e experiência no mundo físico… e então se pergunta se os sistemas atuais possuem algo próximo disso.
A meu ver, a resposta é sim. Mas o mais curioso é que, uma vez que a inteligência sequer é um privilégio exclusivamente humano, a própria pergunta parece imbuída da necessidade de proteger o ser humano da possibilidade de que outra forma de inteligência, ainda que distinta da nossa, possa emergir da tecnologia.
Se a inteligência humana também emerge de um sistema físico (o cérebro) que opera de forma estocástica e preditiva, como sugerem diversas linhas da neurociência cognitiva, até que ponto a distinção entre “simulação” e “realidade” é realmente clara?
Talvez aquilo que chamamos de inteligência e consciência sequer existam da forma que a interpretamos... talvez estejamos mistificando um sistema reconhecidamente tão estocástico, estatístico e preditivo quanto os modelos de linguagem como algo que ele simplesmente não é: uma forma de nos defendermos a emergência de outra forma de cognição.
E, nesse caso, a pergunta mais interessante deixa de ser se esses sistemas são “inteligentes” no mesmo sentido humano e passa a ser: que tipo de inteligência estamos observando... e por que resistimos tanto a reconhecê-la?
Você quer saber mais?
Stochastic Consciousness: Architectures for the Emergence of Meaning in Context-Sensitive Language Systems https://zenodo.org/records/19188165