O final de 2022 não trouxe apenas números de vendas de fim de ano. Trouxe um terremoto digital.
ChatGPT explodiu em cena. Sem implementação gradual. Nenhum sussurro de teste beta. Um dia virou nota de rodapé em blogs de tecnologia; no próximo, estava conversando com todo mundo.
A reação foi imediata e polarizada. Os meios de comunicação não paravam de se maravilhar com as conversas tranquilas. Escreveu artigos. Ele fez um brainstorming de ideias. Ele até mergulhou na ficção criativa. Mas junto com o espanto veio uma ansiedade profunda e perturbadora. As pessoas perceberam que essa ferramenta não respondia apenas a perguntas. Invadiu aquilo de que os humanos se orgulham: a capacidade intelectual.
A aposta de um bilhão de dólares
Para entender o bot, você precisa observar o dinheiro por trás dele.
A OpenAI foi fundada em dezembro de 2015 com um objetivo singular e agressivo: levar a inteligência artificial o mais longe possível. O rosto desta missão é Sam Altman. Você pode saber o nome de outras saídas. Ele foi cofundador do Airbnb. Ele ajudou a financiar gigantes como Reddit, Twitch e Dropbox por meio do Y Combinator.
Altman inicialmente fez parceria com Elon Musk para lançar o OpenAI. Desde o primeiro dia, o pote era enorme. A startup garantiu uma rodada de financiamento de US$ 1 bilhão.
Mas a Microsoft viu o que estava escrito na parede. Eles ingressaram como investidores em 2019. Depois, em janeiro de 2023, apostaram tudo. A Microsoft investiu vários bilhões a mais em OpenAI.
Por que? Para verificar o Google.
Ambos os gigantes da tecnologia estavam competindo pelo domínio da IA. A injeção massiva da Microsoft não foi apenas de suporte. Foi um ataque estratégico para contrariar a pesquisa avançada do Google.
Esse financiamento não comprou apenas servidores. Comprou resultados. A pesquisa da OpenAI já havia produzido o DALL-E, a ferramenta de geração de imagens que fez sucesso na primavera de 2022 com o lançamento da versão 2. ChatGPT foi o próximo passo lógico. O gerador de texto. O conversador.
O motor sob o capô
ChatGPT não é mágico. É matemática. Matemática pesada.
A tecnologia principal depende de Large Language Modeling (LLM). O objetivo é simples no papel: compreender a estrutura da linguagem humana. A execução é terrivelmente complexa. A principal tarefa do algoritmo é prever a próxima palavra em uma frase. Ao encadear essas previsões, gera um texto coerente.
Mas você não pode simplesmente alimentar um script em um servidor e torcer pelo melhor. Você precisa de treinamento. Grandes quantidades disso.
ChatGPT ingeriu um conjunto de dados de 500 bilhões de documentos. Estamos falando de toda a web até 2021. Além de centenas de milhares de livros. Artigos científicos. Tudo.
Teve que aprender a pesar a importância de cada termo em uma frase para extrair o conceito central.
A escala é difícil de visualizar.
- 500 bilhões de documentos analisados.
- 175 bilhões de parâmetros no modelo.
- 2 milhões de dólares em custos de formação (em euros).
- US$ 100.000 por dia em custos operacionais apenas para mantê-lo funcionando.
Foi necessário um protótipo do ChatGPT-3 para mostrar ao mundo o que era possível. Lançado em 30 de novembro de 2022.
A resposta quebrou a internet.
Um milhão de registros de usuários em cinco dias.
Não é apenas uma barra de pesquisa
As pessoas queriam saber o que isso poderia fazer.
Basicamente, ChatGPT é uma interface conversacional. Mas ele se comporta menos como um banco de dados e mais como um assistente de pesquisa incansável, ansioso demais para agradar.
Nós testamos. Jogamos tudo nisso.
Fatos enciclopédicos? Manipulado.
Receitas culinárias? Ordenado.
Filmografias? Ordenado.
A qualidade da síntese foi geralmente alta. Quando solicitado a explicar as nuances entre dois tópicos complexos, o desempenho foi surpreendentemente bom.
Mas é aqui que fica complicado.
ChatGPT não recupera apenas dados. Ele improvisa. Cada vez que você faz uma pergunta, ela gera uma nova resposta baseada na probabilidade. Não é tirar uma resposta estática de uma prateleira. É construir a resposta em tempo real.
E isso lembra.
Ele rastreia o contexto da conversa. Ele escuta.
Durante o teste, fizemos uma pergunta básica de geografia.
“Qual é o maior rio do mundo?”
ChatGPT respondeu: “O Nilo.”
Nós recuamos.
“O Amazonas não é mais longo que o Nilo?”
O bot se corrigiu imediatamente.
“Peço desculpas. Cometi um erro na minha resposta anterior. O Amazonas é de fato o maior rio do mundo.”
Essa capacidade de autocorreção dentro de uma janela de contexto é o que separa os LLMs modernos dos algoritmos de pesquisa mais antigos. Não se trata apenas de pesquisar fatos. É manter um diálogo.
Mas isso o torna mais inteligente? Ou apenas melhor em simular uma conversa?
Essa é a questão que paira sobre todo trabalhador de tecnologia, estudante e usuário curioso que tenta descobrir se está olhando para uma ferramenta ou um rival.
Capacidades de geração de conteúdo
O utilitário vai além de simples perguntas e respostas. Testamos o sistema com prompts específicos e um pouco caóticos. Um pedido era simples: gerar exemplos de comentários sobre um artigo polêmico, completos com emojis. O resultado foi a tarifa padrão da Internet. Uma expressão genérica de choque combinada com um rosto triste. Típico.
Mas fomos mais longe. O modelo gerou postagens no Facebook. Elaborou dicas de negociação para carros usados. Sugeriu software de edição de imagens. O alcance era amplo. Queríamos ver o teto, então pedimos o esboço do enredo de um romance policial. O resultado foi surpreendentemente coerente. Ele mapeou um mistério com estrutura real.
Existem limites, no entanto. As tarefas de escrita criativa falharam. Pedimos um rap sobre 2023. O resultado foi vazio. Um poema de amor não se saiu melhor. O ritmo estava errado. A emoção estava faltando. Parecia mecânico.
O modelo é menos inspirado quando tenta capturar emoções humanas cruas ou nuances culturais.
Essa inconsistência pode ser reconfortante. Isso prova que a IA não é onipotente nos domínios artísticos. No entanto, a questão permanece. Esse conforto é temporário. A lacuna entre um enredo lógico e um verso sincero provavelmente diminuirá. Só que ainda não.
Quando a IA escreve para você
O resumo é um daqueles recursos que torna o ChatGPT genuinamente útil, em vez de apenas um truque de festa. Eu testei alimentando-o com um artigo extenso sobre geradores de imagens de IA da Futura Sciences. O resultado não foi apenas preciso; foi conciso.
O artigo discute o uso de inteligência artificial para gerar imagens a partir de texto. Vários aplicativos usam esse recurso, como Dall-e 2, Stable Diffusion e MidJourney. Seu funcionamento consiste em inserir texto e gerar uma imagem correspondente, com alto nível de qualidade artística. O artigo também menciona a OpenAI, uma organização sem fins lucrativos que criou o Dall-e 2 e pretende ultrapassar os limites da IA com uma ética que preserva a segurança humana.
Ele capturou a essência do Dall-e 2, Stable Diffusion e MidJourney sem se prender ao jargão técnico. Até identificou corretamente o estatuto de organização sem fins lucrativos da OpenAI e os seus objetivos éticos declarados. Esse é um salto significativo em relação aos primeiros modelos de IA que muitas vezes alucinavam o contexto ou perdiam a floresta pelas árvores.
Geração de código como atalho
Se o resumo é a vitória rápida, a codificação é onde a utilidade aumenta. ChatGPT pode gerar trechos de código funcionais que você pode copiar e colar em um projeto. Pedi para criar um formulário de contato. O resultado foi HTML e CSS válidos, prontos para implantação.
Mas aqui está o problema: ele também pode gerar código especificamente adaptado para WordPress. Para desenvolvedores e proprietários de sites que não escrevem PHP do zero todos os dias, isso reduz significativamente o tempo de desenvolvimento. Não fornece apenas a sintaxe; ele entende o contexto de um ambiente CMS.
O lado negro: fraude acadêmica e de conteúdo
Naturalmente, nem todo mundo vê isso como um assistente útil. Alguns o veem como uma ferramenta para atalhos que prejudicam a integridade. Os professores já notaram que os alunos o usam para escrever redações.
Consideremos uma questão colocada por um professor da Universidade de Lyon: Até que ponto o herói é responsável pelas suas ações?
Enviei exatamente esse prompt para o ChatGPT. A resposta foi filosófica, estruturada e inteiramente plausível:
O herói é responsável por seus atos porque tem consciência do que está fazendo e assume as consequências. Eles são capazes de tomar decisões e implementá-las, seja de forma positiva ou negativa. Eles também são responsáveis pelas suas ações porque devem responder às autoridades e à sociedade, e são capazes de reconhecer e arrepender-se dos seus erros. Por fim, o herói é responsável por seus atos porque é um indivíduo livre e autônomo que deve responder a si mesmo e aos seus entes queridos.
Quando fiz o acompanhamento, pedindo uma redação de 500 palavras sobre esse tema, o ChatGPT atendeu. O tom era acadêmico. A estrutura era sólida. Seria considerado uma submissão de estudante competente. É aqui que a promessa do “código utilizável” se transforma em um mecanismo de trapaça.
Onde a IA tropeça
Apesar do seu polimento, o ChatGPT não é infalível. Isso alucina. Mais importante ainda, interpreta os factos de forma errada, por vezes de forma flagrante.
Tomemos como exemplo René Descartes. No início de janeiro, se você perguntasse ao ChatGPT onde morava o filósofo, ele afirmaria que ele passou um tempo na América do Sul. Isso é historicamente falso. Descartes morreu na Suécia e viveu principalmente na França e na Holanda. Um mês depois, o modelo se corrigiu. Quando questionado especificamente sobre a América do Sul, negou.
O modelo parece aprender ou ajustar seus pesos ao longo do tempo, mas não há transparência sobre como ele corrige esses erros. Ao contrário da Wikipedia, que cita suas fontes, o ChatGPT fornece uma resposta sem trilha de citação. Se você o estiver usando para pesquisa, estará confiando em uma caixa preta. Se você precisar verificar um fato, ainda terá que voltar às fontes primárias.
O problema da previsão
Sejamos claros: o ChatGPT não pretende ter uma bola de cristal. Quando pressionado sobre as eleições presidenciais francesas de 2027, o modelo desvia. Questionado sobre uma data específica em que os humanos pisarão em Marte, ele se recusa a adivinhar. Variamos o fraseado. Ultrapassámos os limites. Não iria mudar.
Parte disso é estrutural. O ChatGPT 3 é construído em um reservatório de dados que congela em 2021. Qualquer coisa depois disso fica invisível para ele. Mas o silêncio é mais profundo do que a falta de dados.
Recusando-se a tomar partido
Pedimos opiniões. Muitos deles. As respostas caíram diretamente no domínio do politicamente correto. Cada resposta parecia um comunicado de imprensa cuidadosamente calibrado.
Veja a comparação entre Joe Biden e Donald Trump. A modelo observa que eles têm posições diferentes. Afirma que determinar quem é “melhor” depende de critérios individuais. Não escolhe um vencedor.
Pergunte se a energia nuclear é ecológica. O modelo lista argumentos a favor e contra. Ele fica em cima do muro.
Mas há uma exceção. Uma linha dura.
A Linha Vermelha do Clima
Cada vez que surge o tema dos “céticos do clima”, o tom muda. O modelo se torna firme. Rejeita opções alternativas. Não há nenhuma nuance quando se trata do aquecimento global.
Isso levanta uma questão incômoda. Os programadores programaram suas próprias tendências no código?
Não devemos ignorar a possibilidade de os desenvolvedores terem influenciado o modelo em tópicos que lhes interessam profundamente.
Vale a pena perguntar se essa rigidez é uma característica dos dados de treinamento ou uma proteção deliberada. O modelo não vai especular. Apenas reforça o consenso.
Por que as piadas não dão certo
O humor é um ponto cego. Quando solicitada a fazer uma piada, a modelo não produziu nada que acertasse. Não é só que eles eram ruins; eles eram estruturalmente incoerentes ou dolorosamente óbvios. A IA carece do salto intuitivo necessário para a inteligência. Ele simula o formato de uma piada sem entender o momento ou o subtexto.
A muleta dos clichês
Há também uma tendência ao preenchimento. A saída muitas vezes se arrasta, preenchida com frases detalhadas que dizem muito pouco. Você obtém frases longas e sinuosas que poderiam ser cortadas pela metade sem perder o significado. Pior ainda, depende fortemente de frases stock. As mesmas transições aparecem repetidamente, com apenas pequenas trocas de palavras. É um padrão de hesitação disfarçado de prosa. Quando o modelo não sabe a resposta, ele não faz uma pausa. Apenas fala mais.
