Ciência cognitiva fundamenta a evolução da inteligência artificial e a criação de redes neurais

A evolução da inteligência artificial contemporânea não é fruto apenas da computação, mas de uma base profunda na ciência cognitiva. Diferente da percepção comum de que modelos como o ChatGPT funcionam como bancos de dados ou sequências lógicas de passos, esses sistemas foram concebidos para mimetizar a mente humana, priorizando o aprendizado por exemplos em vez de regras rígidas.

A transição do determinismo para as redes neurais

O conceito de inteligência artificial surgiu em 1956, no Dartmouth College, sob a premissa de que máquinas poderiam ser inteligentes se seguissem conjuntos de regras. No entanto, em 1958, o psicólogo Frank Rosenblatt propôs uma abordagem distinta com o Perceptrón, criando a primeira rede neural artificial. Inspirado na arquitetura cerebral, o projeto de Rosenblatt buscava a inteligência através do aprendizado, baseando-se nos estudos de Donald Hebb sobre o fortalecimento das conexões neurais durante o uso.

Essa trajetória evoluiu nos anos 80, quando a colaboração entre cientistas cognitivos e informáticos — especificamente David Rumelhart, Geoffrey Hinton e Ronald Williams — resultou no desenvolvimento de redes neurais multicamadas. Essa inovação, denominada aprendizado profundo (ou deep learning), permitiu que as máquinas generalizassem informações e realizassem tarefas complexas. Posteriormente, a expansão da capacidade de processamento, com a chegada dos processadores gráficos e da arquitetura de transformadores, viabilizou a fluidez das conversas em linguagem natural observadas hoje.

O impacto da natureza probabilística no uso real

A arquitetura baseada no cérebro humano torna a IA um sistema probabilístico e não determinístico. Enquanto uma calculadora entrega sempre o mesmo resultado para a mesma operação, a IA pode oferecer respostas variadas para a mesma pergunta, dependendo de como o comando inicial é formulado.

Essa característica explica a ocorrência de alucinações da IA, onde o sistema afirma falsidades com segurança. Esse comportamento assemelha-se à memória humana, que, conforme estudos da psicóloga Elizabeth Loftus, é reconstrutiva e imperfeita, preenchendo lacunas com detalhes plausíveis. A capacidade de generalizar para novas tarefas traz como contrapartida a propensão à confabulação.

Riscos da interpretação equivocada

A confusão entre a IA e um mecanismo de busca gera riscos práticos. Muitos usuários utilizam o ChatGPT para obter dados comprovados, ignorando que as respostas são, na verdade, conjeturas elaboradas. Essa falha de percepção pode levar a decisões financeiras ou profissionais baseadas em informações falsas, dispensando a verificação necessária.

No ambiente educacional, essa divergência de modelos mentais cria conflitos. Professores dividem-se entre a proibição total da ferramenta ou a sua integração como um colaborador cujas respostas exigem revisão constante.

Atualmente, a computação retoma questões da psicologia. Como os sistemas modernos são opacos até para seus criadores, a análise inicial focou no conductismo — observando apenas a entrada e a saída de dados. O foco atual dos pesquisadores migrou para a interpretabilidade, buscando abrir os modelos para compreender os processos internos de processamento.