A inteligência artificial (IA) se tornou um dos tópicos mais discutidos na comunidade científica e entre o público em geral. No Google Trends, houve um aumento acentuado no número de pesquisas por “inteligência artificial” e tópicos relacionados desde o final de 2022. Isso coincide com a introdução do ChatGPT em novembro de 2022. Este grande modelo de linguagem (LLM) ofereceu ao público uma experiência em primeira mão das capacidades da IA de conversação moderna: um sistema interativo baseado em diálogo totalmente funcional, capaz de interações linguísticas naturais com os usuários. Sua introdução demonstrou não apenas a utilidade prática da IA, mas também sua capacidade de aumentar a produtividade, a criatividade e o compartilhamento de conhecimento.

Para especialistas em IA, a revelação do ChatGPT não foi tão surpreendente, mas sim o ápice de décadas de desenvolvimento contínuo no campo. As raízes da IA podem ser rastreadas até a década de 1980, quando sistemas especializados, construídos em lógica baseada em regras predefinidas, estavam entre as primeiras implementações práticas de inteligência artificial. Esses sistemas eram capazes de resolver tarefas específicas dentro de domínios restritos, mas careciam de adaptabilidade e flexibilidade. De forma muito ampla, o termo "inteligência artificial" (IA) é usado para descrever sistemas de computador que são capazes de executar tarefas que normalmente exigiriam inteligência humana. Essas tarefas incluem raciocínio, aprendizado e compreensão da linguagem. Enquanto as abordagens computacionais e estatísticas tradicionais se concentram na aplicação de fórmulas, regras e modelos fixos para a análise de dados, a IA é capaz de transcender esses métodos. Na década de 1990, o paradigma mudou com o advento do aprendizado de máquina (ML), que introduziu algoritmos capazes de aprender com dados. Ao contrário dos sistemas baseados em regras, esses algoritmos podiam se adaptar e melhorar seu desempenho por meio da experiência, um salto significativo. O ML marcou o início de uma transição para sistemas mais autônomos e orientados por dados. Em sua essência, um algoritmo é um sistema projetado para resolver tarefas de forma eficiente, e o ML permitiu que esses sistemas se tornassem mais dinâmicos e responsivos (Cormen et al. 2022).

A próxima onda transformadora chegou na década de 2010 com o surgimento do aprendizado profundo, um subconjunto avançado de ML. O aprendizado profundo alavanca redes neurais artificiais, que são estruturas computacionais inspiradas nas conexões sinápticas do cérebro humano. Essas redes se destacam no processamento e na análise de grandes conjuntos de dados multidimensionais. O crescimento simultâneo de big data organizados em conjuntos de dados estruturados impulsionou o rápido desenvolvimento de métodos de aprendizado profundo. Essa sinergia de aprendizado profundo e big data encontrou aplicações críticas em diversos campos, incluindo medicina, onde as redes neurais demonstraram sucesso notável na análise de imagens médicas, prevendo resultados de doenças e adaptando estratégias de tratamento personalizadas.

A evolução de sistemas especialistas para aprendizado profundo representa uma jornada de crescente complexidade e capacidade em IA. O que antes dependia de regras codificadas agora fez a transição para sistemas que não apenas aprendem com dados, mas também demonstram raciocínio diferenciado, resolução de problemas e criatividade. A introdução do ChatGPT sintetizou esse salto, mostrando o quão longe a IA chegou em permitir interações humanas significativas. Essa jornada também ressalta o potencial mais amplo da IA em todos os setores, desde saúde e educação até entretenimento e além.