O início de tudo

Em 2012, uma rede neural chamada AlexNet venceu uma competição de reconhecimento de imagens por uma margem que ninguém esperava. Não foi apenas uma melhoria incremental — foi um salto. O tipo de salto que faz as pessoas levantarem a cabeça e perguntarem: o que acabou de acontecer?

O que aconteceu foi que três ingredientes convergiram ao mesmo tempo: dados massivos (o ImageNet tinha milhões de imagens rotuladas à mão), poder de computação (as GPUs de gaming se mostraram perfeitas para multiplicar matrizes) e um algoritmo que esperava seu momento há décadas (as redes neurais profundas).

"Trabalhamos nisso por 30 anos. A diferença é que agora temos os dados e o hardware para fazer funcionar." — Geoffrey Hinton, 2012

Mas o início real não foi em 2012. Para entender a corrida atual é preciso ir mais atrás, aos anos 50, quando um grupo de pesquisadores se reuniu em Dartmouth com uma ideia ambiciosa: criar uma máquina que pudesse pensar.

A proposta de Dartmouth, escrita por John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon, é um dos documentos mais otimistas da história da ciência. Estimaram que um verão de trabalho seria suficiente para fazer avanços significativos no problema da inteligência artificial. Levaram décadas.

O que se seguiu foram dois "invernos da IA" — períodos onde o financiamento secou, os resultados não apareceram e a comunidade perdeu credibilidade. O primeiro ocorreu nos anos 70, quando as promessas iniciais não se cumpriram. O segundo nos anos 90, quando os sistemas especialistas — a grande aposta dos anos 80 — mostraram suas limitações.

Cada inverno deixou uma lição. A primeira: a inteligência não pode ser programada com regras escritas à mão. A segunda: os dados importam tanto quanto os algoritmos. A terceira, a mais importante: a paciência é um recurso escasso em tecnologia, e as ideias certas frequentemente chegam décadas antes da infraestrutura para executá-las.