Especialistas alertam que IA baseada em texto reproduz linguagem, sem capturar o pensamento
Pesquisadores e cientistas vêm questionando a ideia de que a IA baseada em texto esteja, por si só, caminhando para uma inteligência equivalente à humana. Modelos como ChatGPT, Gemini e Claude brilham ao gerar respostas coerentes e parecerem ‘inteligentes’, mas, segundo especialistas, isso não significa que essas máquinas estejam realmente raciocinando como nós.
O argumento central é simples: **linguagem e pensamento não são a mesma coisa**. Enquanto humanos usam palavras para comunicar ideias, a linguagem não necessariamente origina o raciocínio. Decisões recentes de pesquisa em neurociência e ciência cognitiva mostram que o pensamento humano envolve redes e processos que vão além da conversão estatística de palavras em previsões.
Por que linguagem não equivale a raciocínio
Modelos de linguagem grandes, ou LLMs, são essencialmente mecanismos de previsão de texto, treinados em enormes volumes de palavras para identificar correlações estatísticas. Eles operam com base em relações matemáticas, não em processos cognitivos biológicos. Isso explica por que, em muitos cenários, essas IAs produzem respostas plausíveis, sem possuir compreensão profunda do mundo.
Um artigo publicado na revista Nature por Evelina Fedorenko, Steven T. Piantadosi e Edward A.F. Gibson resume esse entendimento. Os autores defendem que “a linguagem é principalmente uma ferramenta de comunicação, não a fonte do pensamento”. Eles também apontam que pessoas com danos cerebrais severos podem perder a capacidade de falar sem perder a habilidade de raciocinar, interpretar situações, resolver problemas ou fazer deduções lógicas.
Observações comportamentais reforçam a separação entre fala e cognição. Crianças exploram, testam e aprendem causalidade antes de dominarem a linguagem, o que indica que raciocínio e representação do mundo existem independentemente das palavras.
O que dizem os líderes de tecnologia
Apesar das ressalvas científicas, executivos das big techs mantêm previsões otimistas sobre o avanço rumo à AGI. Em declarações repercutidas na indústria, Mark Zuckerberg diz que “desenvolver superinteligência está à vista”. A aposta dessas empresas é que, ampliando dados e capacidade computacional, sistemas poderão replicar todas as facetas do raciocínio humano.
Outros nomes também divulgaram visões ambiciosas. Dario Amodei acredita que sistemas mais inteligentes do que ganhadores do Nobel podem surgir já em 2026. Sam Altman, da OpenAI, afirma estar confiante de que já existe clareza sobre como construir AGI. Essas falas, usadas como referência em debates públicos, contrastam com a visão de muitos cientistas sobre as limitações conceituais dos LLMs.
Limites práticos e filosóficos da IA baseada em texto
Mesmo que se desenvolvam modelos com memória persistente, capacidades visuais e planejamento, há um problema mais profundo: um sistema treinado apenas em dados existentes tende a reproduzir padrões em vez de gerar rupturas conceituais. Para filósofos como Thomas Kuhn e Richard Rorty, avanços paradigmáticos surgem quando alguém questiona modelos vigentes e propõe interpretações novas. Algo que, segundo críticos, uma IA dependente de correlações históricas pode ter pouca motivação ou mecanismo para fazer.
Pesquisadores como Yoshua Bengio, Eric Schmidt e Gary Marcus defendem que a definição de AGI precisa incluir múltiplas capacidades, como memória, raciocínio, planejamento e interpretação visual, não apenas domínio da leitura e da escrita. A proposta é que inteligência seja uma composição de competências, não apenas a ampliação extrema de uma habilidade linguística.
Na prática, isso significa que avanços técnicos, como chips melhores e data centers maiores, ajudam a escala, mas não necessariamente resolvem a lacuna entre reproduzir linguagem e produzir pensamento original. Modelos podem reorganizar, combinar e aplicar informações com eficiência, mas podem continuar limitados ao vocabulário e aos padrões que receberam.
O debate segue aberto. Enquanto executivos vendem horizonte promissor para a IA baseada em texto, cientistas pedem cautela e propostas que integrem múltiplas formas de representação e raciocínio. A conclusão provisória é que, por ora, temos máquinas de linguagem poderosas, não máquinas de pensamento autônomo e criativo.
Deixe um comentário