Investimentos bilionários fizeram a Inteligência Artificial (IA) evoluir de maneira rápida e constante ao longo de 2024. A alta capacitação aplicada no desenvolvimento dessa tecnologia, mais uma vez, trouxe ao centro do debate a possibilidade de existir, em um futuro próximo, uma IA totalmente autônoma, algo que abriria uma nova era em que máquinas seriam capazes de aprender não apenas com dados externos, mas também com os seus processos próprios.

Antes de falarmos do futuro, falemos do presente. A IA que temos hoje é especializada em tarefas específicas, como reconhecimento de imagem, tradução de idiomas e jogos. Ela é excelente em executar essas tarefas, mas não possui a capacidade de raciocinar de forma ampla ou de generalizar seus conhecimentos para novas situações, demandando assistência humana – a real protagonista ao final – para entregar os seus melhores resultados.

A IA também possui uso constante no Machine Learning (ML), técnica pela qual é possível fazer com que máquinas aprendam com dados, sem serem explicitamente programadas. Trata-se da base para muitos avanços recentes na IA, como os carros autônomos e os assistentes virtuais. Ainda dentro do ML encontramos o Deep Learning, que faz uso de redes neurais artificiais para aprender padrões complexos em grandes conjuntos de dados (LLMs, na sigla em inglês). É nela que encontramos muitos dos avanços mais impressionantes da IA nos últimos anos.

Para os desenvolvedores e entusiastas da IA, o próximo passo seria ir além desses ganhos conhecidos, caminhando rumo a uma ferramenta capaz de a avaliar criticamente seus próprios resultados e refinar iterativamente o seu próprio desempenho. Os benefícios seriam notáveis: maior confiabilidade com redução de erros; maior adaptabilidade a tarefas novas; autoaperfeiçoamento contínuo; decisões tomadas de forma mais transparente; e oportunidade de gerir sistemas de IA ainda mais complexos no futuro.

No mundo acadêmico, estão em andamento várias frentes pelo desenvolvimento de LLMs que raciocinem e se aprimorem, com métodos como o Recursive IntroSpEction (RISE), que converte problemas de turno único em processos de vários turnos; ou os Retrieval Augmented Language Models (RALMs), estruturas de autoraciocínio que melhoram a confiabilidade e rastreabilidade das informações. De maneira mais ampla, a criação de múltiplos sistemas de IA que possam raciocinar por etapas busca se aproximar dos processos cognitivos dos humanos – atualmente, só por meio da utilização de prompts direcionados é possível imitar isso.

No mundo real, OpenAI, Meta, AWS e GCP têm liderado as pesquisas e desenvolvimentos de arquiteturas de IA autônomas. Estas trabalham por ferramentas – chamadas de "agentes", algo que o meu colega Marco Silva e Silva já abordou em um artigo neste ano – que serão capazes, segundo as Big Techs, de executar uma ampla diversidade de tarefas, com ou sem supervisão mínima de pessoas. Da compra de produtos a tomada de decisões financeiras, passando pela análise de dados de setores como o de Saúde ou Seguros. Essas arquiteturas prometem mais eficiência e produtividade, porém o fator humano continua tendo grande relevância nelas.

O fomento dos agentes de IA, aliás, pode ser visto como o que conecta uma automação com essa tecnologia com a autonomia, abrindo oportunidades para muitos players do mercado corporativo com a seu potencial diversidade de funcionalidades e aplicações. Cada agente de IA leva a um novo degrau a resposta gerada por meio dos LLMs, operando com maior complexidade, de maneira autônoma e oferecendo respostas mais apuradas, analisando várias áreas de um determinado negócio (cadeia de produção, comportamento dos clientes, etc.).

Ao pensarmos em uma IA autoconsciente, é natural termos algumas referências na cultura pop, como os computadores HAL 9000 (de "2001: Uma Odisséia no Espaço") ou J.A.R.V.I.S (fiel aliado tecnológico do Homem de Ferro). Contudo, quando pensamos de forma realista em uma IA capaz de raciocinar plenamente o caminho ainda é longo. Ela não possui consciência de si mesma ou do mundo ao seu redor, e tampouco não tem sentimentos, emoções ou desejos.

A tecnologia também não compreende ainda o significado profundo das informações, embora possa processar grandes quantidades de dados e ser boa em encontrar correlações entre eles. Mas ela tem dificuldades em entender as relações causais entre eventos, o que é uma habilidade fundamental para a resolução de problemas complexos. O mesmo vale para gerar conteúdo novo, como textos e imagens, porém sem criatividade genuína, que envolve a capacidade de pensar fora da caixa e de gerar ideias originais.

Quando e se chegaremos a ver uma IA desenvolvida em sua plenitude é algo que não me arrisco a estimar. O que espero sim é uma evolução contínua e rápida dessa tecnologia, com novas aplicações surgindo em diversas áreas, coexistindo lado a lado aos humanos como mais uma peça da engrenagem da sociedade e dos negócios. Há muito trabalho a ser feito e a IA pode ser uma grande aliada por mais inovações – e esta é uma afirmação mais do que racional e autônoma da minha parte.

Sobre o autor: Alessandro Buonopane é CEO Brasil da GFT Technologies.