1  O que é Inteligência Artificial

Pergunta central: O que torna uma LLM diferente das gerações anteriores de IA?

1.1 Introdução

Poucos termos técnicos atravessaram tão rápido a fronteira entre o laboratório e a conversa cotidiana quanto “inteligência artificial”. Antes de discutir o que distingue um Grande Modelo de Linguagem (uma Large Language Model, ou LLM) das tecnologias que o antecederam, é preciso situá-lo dentro de uma história mais longa, que começa muito antes dos assistentes de conversação atuais. Compreender essa genealogia não é um exercício de erudição: cada limitação que veremos nos capítulos seguintes tem raízes em escolhas conceituais feitas décadas atrás, e cada avanço recente é, em boa medida, uma resposta a um impasse herdado.

Este capítulo constrói o mapa do território. Ele apresenta a Inteligência Artificial (IA) não como uma tecnologia única, mas como um campo amplo que abriga paradigmas muito distintos, alguns deles conceitualmente opostos. Veremos como o sonho de “máquinas que pensam” se desdobrou em duas grandes tradições, por que uma delas acabou predominando, e em que ponto exato dessa árvore as LLMs estão localizadas. Ao final, a pergunta central do capítulo, que indaga o que torna uma LLM diferente das gerações anteriores de IA, deixará de ter uma resposta vaga (“ela é mais avançada”) para ganhar contornos precisos.

A abordagem aqui é deliberadamente conceitual. Não nos interessa, neste momento, como construir um sistema de IA, mas o que cada tipo de sistema é, de onde veio e por que funciona, ou deixa de funcionar. Esse enquadramento acompanhará todo o livro.

1.2 Objetivos de Aprendizagem

Ao concluir este capítulo, espera-se que o leitor seja capaz de:

• Distinguir Inteligência Artificial, Aprendizado de Máquina, Aprendizado Profundo e IA Generativa, compreendendo que são níveis aninhados e não sinônimos.
• Explicar a diferença conceitual entre a tradição simbólica (baseada em regras) e a tradição conexionista (baseada em aprendizado a partir de dados), com um exemplo prático de cada paradigma.
• Compreender por que sistemas baseados em regras são determinísticos e por que as LLMs introduzem não-determinismo.
• Situar as LLMs dentro da taxonomia da IA e enunciar, com precisão, o que as distingue das gerações anteriores.

1.3 Perguntas Norteadoras

• Se uma calculadora resolve operações que um humano acharia difíceis, por que não a chamamos de “inteligente”?
• O que significa, exatamente, dizer que uma máquina “aprende”?
• Por que sistemas baseados em regras explícitas, apesar de transparentes e previsíveis, fracassaram em tarefas como reconhecer um rosto ou traduzir um texto?
• Por que a mesma pergunta, feita duas vezes a uma LLM, pode receber respostas diferentes, enquanto um sistema de regras responde sempre o mesmo?

1.4 Mapa Conceitual do Capítulo

A Figura 1.1 organiza os conceitos centrais do capítulo e suas relações. Ela antecipa a estrutura argumentativa: a IA se divide em duas tradições; uma delas, o aprendizado a partir de dados, ramifica-se até chegar às LLMs.

Figura 1.1 - Mapa conceitual: paradigmas da IA e a posição das LLMs

Fonte: elaborado pelo autor (2026).

1.5 IA, Machine Learning e Deep Learning: quem é quem

1.5.1 O que é Inteligência Artificial

Em sentido amplo, Inteligência Artificial é o campo de estudo que busca construir sistemas capazes de realizar tarefas que, quando executadas por seres humanos, associaríamos à inteligência: perceber, raciocinar, aprender, decidir, comunicar-se em linguagem natural. Essa definição intuitiva é útil para começar, mas tem um defeito que acompanha a IA desde a origem: ela é móvel. À medida que uma tarefa é automatizada com sucesso, tendemos a deixar de considerá-la “inteligente”, fenômeno tão recorrente que recebeu nome próprio, o efeito IA. Jogar xadrez já foi o exemplo canônico de inteligência; hoje, um programa que vence campeões mundiais é visto como mera computação. A fronteira do que chamamos de IA se desloca com o tempo.

Tecnicamente, prefere-se uma definição menos psicológica. O tratado de referência da área caracteriza a IA por meio de quatro abordagens, conforme o sistema busque pensar como humanos, agir como humanos, pensar racionalmente ou agir racionalmente, sendo a última, a do agente racional que age para maximizar o cumprimento de seus objetivos, a mais influente na pesquisa contemporânea (Russell & Norvig, 2021). A importância dessa definição para o nosso percurso está em deslocar o critério de “imitar a mente humana” para “comportar-se adequadamente diante de um objetivo”, exatamente o tipo de critério sob o qual as LLMs são avaliadas.

A própria expressão “inteligência artificial” nasceu de um documento específico: a proposta, redigida em 1955 por John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon, para um encontro de verão em Dartmouth no ano seguinte (McCarthy et al., 1955). Esse seminário de 1956 é amplamente reconhecido como o ato fundador do campo. Mas a pergunta que o motivava já havia sido formulada, de modo mais preciso, alguns anos antes.

1.5.2 A pergunta de Turing

Em 1950, Alan Turing publicou no periódico Mind o artigo que abriria a discussão filosófica e técnica sobre máquinas pensantes (Turing, 1950). Em vez de enfrentar diretamente a pergunta “máquinas podem pensar?”, que ele considerava mal definida, pois depende do que se entende por “pensar”, Turing propôs substituí-la por um teste operacional, o jogo da imitação: se um interrogador humano, conversando por escrito com um humano e com uma máquina sem saber qual é qual, não consegue distingui-los de forma confiável, então recusar à máquina o atributo de “inteligente” passa a ser uma posição difícil de sustentar. O mérito duradouro da proposta foi reposicionar a questão: o critério deixa de ser a natureza interna do sistema e passa a ser seu comportamento observável em linguagem. Convém guardar esse ponto, pois ele reaparecerá, transformado, quando discutirmos como avaliamos uma LLM.

1.5.3 Duas tradições: simbólica e conexionista

A história técnica da IA pode ser lida como a tensão entre duas tradições. A primeira, simbólica, parte da hipótese de que a inteligência consiste em manipular símbolos segundo regras lógicas explícitas. Construir um sistema, nessa visão, é codificar o conhecimento de especialistas humanos em regras do tipo “se a condição X, então a conclusão Y”. Essa tradição, apelidada retrospectivamente de Good Old-Fashioned AI por Haugeland (Haugeland, 1985), dominou as primeiras décadas e produziu, nos anos 1970 e 1980, os sistemas especialistas: programas que reproduziam o raciocínio de profissionais em domínios estreitos.

A segunda tradição, conexionista, parte de uma aposta oposta: em vez de programar o conhecimento, deixa-se o sistema extraí-lo de exemplos. Não se escreve a regra que distingue um gato de um cachorro; mostram-se milhares de imagens rotuladas e permite-se que o sistema ajuste seus parâmetros internos até acertar. É dessa tradição que descendem o Aprendizado de Máquina, o Aprendizado Profundo e, por fim, as LLMs. As subseções a seguir percorrem cada paradigma, do mais antigo ao mais recente, com um infográfico e um exemplo prático para cada um.

1.6 Do perceptron à IA generativa

1.6.1 Aprendizado por regras (sistemas simbólicos)

No paradigma simbólico, todo o conhecimento do sistema é fornecido de fora, por seres humanos, na forma de regras explícitas. O programa não descobre nada: ele aplica, de modo mecânico, condições previamente escritas. A virtude desse arranjo é a transparência total, pois cada decisão pode ser rastreada até a regra que a produziu, o que torna o sistema previsível e auditável. Sua fraqueza aparece quando o conhecimento necessário é tácito, isto é, quando sabemos executar a tarefa mas não conseguimos enunciar as regras que usamos. Reconhecer um rosto, entender uma frase ambígua ou perceber ironia são casos assim. Some-se a isso a explosão combinatória: o número de regras necessárias para cobrir as exceções do mundo real cresce de forma incontrolável, e a manutenção torna-se proibitiva.

Um exemplo prático ilumina o paradigma. O sistema MYCIN, desenvolvido na Universidade de Stanford no início dos anos 1970 por Edward Shortliffe, diagnosticava infecções bacterianas a partir de um conjunto de cerca de 600 regras do tipo “se-então” e recomendava antibióticos com a dosagem ajustada ao peso do paciente (Shortliffe, 1976). Uma de suas características notáveis era a capacidade de explicar a conclusão, refazendo a cadeia de regras que a sustentava. A Figura 1.2 esquematiza esse funcionamento: uma entrada percorre um motor que aplica regras escritas por especialistas, até produzir uma saída cuja origem é inteiramente rastreável.

Figura 1.2 - Aprendizado por regras: um motor que aplica condições escritas por humanos

Fonte: elaborado pelo autor (2026), com base em Shortliffe (1976).

1.6.2 Aprendizado de Máquina (aprender de exemplos)

O Aprendizado de Máquina (Machine Learning) inverte a lógica anterior: em vez de receber regras prontas, o sistema as infere a partir de dados. O termo foi cunhado por Arthur Samuel em 1959, no contexto de um programa que jogava damas e melhorava seu desempenho com a experiência (Samuel, 1959). A formulação que se tornou padrão é a de Tom Mitchell: diz-se que um programa aprende a partir de uma experiência \(E\), em relação a uma classe de tarefas \(T\) e a uma medida de desempenho \(P\), se seu desempenho em \(T\), medido por \(P\), melhora com \(E\) (Mitchell, 1997). A definição é deliberadamente operacional. Não invoca consciência nem compreensão: aprender, aqui, significa exclusivamente melhorar uma métrica numa tarefa à medida que se acumula experiência.

Considere, como exemplo prático, a filtragem de mensagens indesejadas (spam). Na abordagem por regras, alguém precisaria antecipar manualmente cada padrão suspeito. Na abordagem por aprendizado, apresenta-se ao sistema um grande conjunto de mensagens já rotuladas como “spam” ou “não spam”, e ele ajusta sozinho a importância de cada pista. A Figura 1.3 ilustra esse mecanismo: os exemplos rotulados alimentam o modelo, que gira seus “botões” internos, os pesos das pistas, até separar as duas classes da melhor forma. Quando surge um truque novo, não é preciso reescrever regra alguma; basta reapresentar exemplos atualizados.

Figura 1.3 - Aprendizado de máquina: o modelo ajusta os pesos a partir de exemplos rotulados

Fonte: elaborado pelo autor (2026).

1.6.3 Aprendizado Profundo

Dentro do Aprendizado de Máquina, o Aprendizado Profundo (Deep Learning) designa o uso de redes neurais com muitas camadas, capazes de aprender representações dos dados em níveis crescentes de abstração, das bordas de uma imagem até o conceito de “rosto”, por exemplo (LeCun et al., 2015). A ideia de rede neural é antiga e já havia conhecido um inverno: em 1969, Minsky e Papert demonstraram que o perceptron, modelo neural elementar, sequer era capaz de representar a função lógica “ou exclusivo”, o que esfriou o entusiasmo e o financiamento da área por anos (Minsky & Papert, 1969). A Figura 1.4 abre a “caixa” de uma rede neural: cada conexão carrega um peso, um número que regula a influência de uma unidade sobre a seguinte, e é esse conjunto de pesos que o treino ajusta. As camadas mais profundas combinam o que as anteriores extraíram, indo do simples ao complexo.

Figura 1.4 - Rede neural profunda: abstração crescente entre camadas e pesos nas conexões

Fonte: elaborado pelo autor (2026). Os valores de peso são ilustrativos.

O exemplo prático mais célebre do Aprendizado Profundo é o reconhecimento de imagens. Até 2012, identificar automaticamente o objeto presente numa fotografia era uma tarefa em que os sistemas erravam com frequência. Naquele ano, uma rede neural profunda treinada em unidades de processamento gráfico (GPUs) venceu por ampla margem a competição ImageNet, reduzindo a taxa de erro de referência de cerca de 26% para 15% (Krizhevsky et al., 2012). O resultado não introduziu uma ideia inteiramente nova; ele mostrou que a conjunção de três fatores, grandes volumes de dados rotulados, capacidade de cálculo paralelo e ajustes algorítmicos, tornava o Aprendizado Profundo subitamente competitivo. A Figura 1.5 acompanha a queda contínua do erro nos anos seguintes, até cair abaixo do nível de acerto humano estimado, em torno de 5% (Russakovsky et al., 2015).

Figura 1.5 - Queda do erro de classificação no ImageNet (ILSVRC) por ano

Fonte: elaborado pelo autor (2026), com base em Krizhevsky et al. (2012) e Russakovsky et al. (2015). A linha tracejada marca o nível de erro humano estimado (cerca de 5%).

1.6.4 IA Generativa e a posição das LLMs

Os modelos descritos até aqui eram, em sua maioria, discriminativos: classificavam, isto é, atribuíam rótulos a entradas. A IA Generativa designa modelos que produzem conteúdo novo, como imagens, texto ou áudio, em vez de apenas rotular. Um marco dessa virada foram as redes adversárias generativas propostas por Goodfellow e colaboradores em 2014, em que duas redes competem, uma gerando amostras e outra tentando distingui-las das reais (Goodfellow et al., 2014). No domínio da linguagem, a inflexão arquitetural veio em 2017 com o Transformer, introduzido no artigo Attention Is All You Need (Vaswani et al., 2017), arquitetura que será objeto inteiro do Módulo 4. Foi sobre ela que se construíram as LLMs: modelos treinados sobre enormes corpora de texto para prever a continuação de uma sequência e que, ao serem escalados, exibiram a capacidade de resolver tarefas a partir de poucos exemplos no próprio enunciado, como documentado para o GPT-3 em 2020 (Brown et al., 2020).

A Figura 1.6 mostra, de forma esquemática, o que uma LLM faz a cada passo: dadas as palavras já presentes, ela calcula uma distribuição de probabilidade sobre qual será a próxima palavra e então sorteia uma delas. É esse sorteio que explica por que a mesma pergunta pode gerar respostas diferentes, um ponto que retomaremos ao falar de determinismo.

Figura 1.6 - Como uma LLM gera texto: prever e amostrar o próximo token

Fonte: elaborado pelo autor (2026). Probabilidades ilustrativas.

É aqui que a pergunta central do capítulo encontra resposta. Uma LLM é, simultaneamente, um sistema de Aprendizado de Máquina (aprende de dados), de Aprendizado Profundo (usa redes neurais multicamadas) e de IA Generativa (produz conteúdo novo). O que a distingue das gerações anteriores não é apenas a escala, mas a combinação de três traços: a generalidade (um mesmo modelo lida com tradução, resumo, programação e diálogo, sem ter sido programado para cada tarefa), o aprendizado de propósito geral a partir de texto não rotulado e a interação em linguagem natural como interface. As gerações anteriores eram, em regra, especializadas: um sistema para xadrez, outro para diagnóstico, outro para reconhecimento de imagens. A novidade das LLMs é a amplitude.

Convém fixar a posição da LLM nesse mapa, porque dela dependem decisões práticas. Modelos que apenas classificam ou preveem, como um filtro de spam ou um detector de fraude, são chamados de discriminativos; os que produzem conteúdo novo formam o ramo generativo, ao qual a LLM pertence. Mas ela não é o único membro desse ramo: modelos de difusão geram imagens, vídeo e áudio, e há modelos especializados em código. Todos partilham a mesma lógica de origem, a de um modelo de grande escala pré-treinado que serve de base para muitas aplicações, razão pela qual recebem o nome de modelos de fundação (foundation models). Reconhecer que a LLM é um caso específico, e não um motor universal, previne um equívoco recorrente, o de tratá-la como solução para todo problema, quando parte das tarefas é mais bem atendida por um modelo discriminativo enxuto ou por outra família generativa, uma escolha que o Módulo 11 retoma sob a ótica de custo e adequação.

O que tornou esse salto possível foi menos uma única invenção e mais a convergência de escala, isto é, dados, parâmetros e capacidade de cálculo, sem a qual as mesmas arquiteturas não exibiriam o comportamento que hoje exibem, como o Módulo 5 detalha ao tratar do treinamento. E nada nessa posição confere à LLM agência: ela não persegue objetivos próprios nem “quer” coisa alguma, tema que o Módulo 12 desenvolve ao discutir a colaboração humano-IA.

1.6.5 Determinismo e não-determinismo

Um conceito atravessa toda essa trajetória e ajuda a entender o comportamento das LLMs: o determinismo. Um sistema é determinístico quando a mesma entrada produz sempre a mesma saída. Sistemas baseados em regras são determinísticos por construção: diante da mesma situação, aplicam as mesmas regras e chegam à mesma conclusão, o que os torna previsíveis e auditáveis. Modelos clássicos de Aprendizado de Máquina, uma vez treinados, também costumam ser determinísticos na previsão, pois os parâmetros estão fixos e a operação é o cálculo direto de uma saída.

As LLMs introduzem uma diferença de comportamento que é central para compreendê-las. Como mostrou a Figura 1.6, a geração de texto normalmente envolve amostragem de uma distribuição de probabilidade sobre o próximo token, com um grau de aleatoriedade controlado por um parâmetro chamado temperatura, detalhado no Módulo 6. Por isso, a mesma pergunta pode receber respostas diferentes em execuções distintas. Esse não-determinismo não é um defeito, e sim uma escolha de projeto que favorece diversidade e fluência; ainda assim, tem consequências importantes para reprodutibilidade, testabilidade e avaliação, retomadas no Módulo 7. Vale notar que, mesmo quando se reduz a temperatura a zero para buscar a saída mais provável, pequenas variações de hardware e de paralelismo podem impedir reprodutibilidade perfeita. A previsibilidade absoluta dos sistemas de regras, portanto, dá lugar a um comportamento probabilístico, e essa é uma das mudanças de mentalidade mais importantes ao passar das gerações anteriores de IA para as LLMs.

1.7 Analogias: a IA como aprendiz, não como cérebro

Uma analogia recorrente descreve a diferença entre as duas tradições como a diferença entre ensinar por manual e ensinar por exemplos. O sistema simbólico é como um funcionário que recebe um manual exaustivo de procedimentos e segue cada regra à risca; o sistema que aprende é como um aprendiz que observa milhares de casos e, aos poucos, desenvolve um “faro” para a tarefa. A analogia funciona para transmitir a inversão metodológica, de codificar conhecimento para extraí-lo de dados. Ela deixa de funcionar, porém, em dois pontos que convém marcar desde já. Primeiro, o “faro” do aprendiz humano se apoia em compreensão de mundo, ao passo que o modelo ajusta parâmetros para minimizar erro numa métrica, sem que disso decorra qualquer compreensão (tema do Módulo 7). Segundo, o aprendiz humano generaliza a partir de pouquíssimos exemplos, enquanto os modelos clássicos exigiam volumes enormes de dados. A analogia, portanto, ilumina o como superficial e encobre o porquê profundo, e é por isso que ela nunca substitui a explicação técnica.

1.8 O mapa dos campos da IA

A Figura 1.7 representa a relação entre os campos discutidos como uma estrutura de contenção: cada nível está contido no anterior. O diagrama torna visível o que a linguagem corrente costuma embaralhar, que “IA”, “Aprendizado de Máquina” e “Aprendizado Profundo” não são sinônimos intercambiáveis, mas camadas aninhadas. Ele vai além da simples contenção, porém: distingue os modelos discriminativos, que classificam e preveem, do ramo generativo, que cria conteúdo novo; mostra as LLMs como um caso ao lado de outras famílias generativas; e indica, na base, o eixo de escala que tornou essa trajetória possível.

Figura 1.7 - Mapa dos campos da IA: contenção, tipos discriminativo e generativo, e escala

Fonte: elaborado pelo autor (2026).

O aninhamento indica contenção, não fluxo temporal: todo Aprendizado Profundo é Aprendizado de Máquina, mas a recíproca é falsa. As LLMs herdam as propriedades de cada camada acima, o que explica por que falhas típicas de modelos estatísticos, como a sensibilidade a dados de treino e a ausência de garantias lógicas, reaparecem nelas, por mais sofisticadas que pareçam.

A Figura 1.8 organiza os marcos citados ao longo do capítulo em uma linha temporal, deixando explícito o intervalo de mais de meio século entre a formulação da pergunta de Turing e o surgimento das LLMs.

Figura 1.8 - Marcos selecionados na trajetória da IA até as LLMs

Fonte: elaborado pelo autor (2026), com base nas referências do capítulo.

1.9 Principais Conceitos

• Inteligência Artificial (IA): campo que busca sistemas capazes de tarefas associadas à inteligência humana; sob a definição técnica dominante, o estudo de agentes racionais que agem para cumprir objetivos (Russell & Norvig, 2021).
• Tradição simbólica (GOFAI): abordagem baseada em regras lógicas explícitas e conhecimento codificado por especialistas (Haugeland, 1985).
• Tradição conexionista: abordagem em que o sistema extrai conhecimento de exemplos, ajustando parâmetros internos.
• Aprendizado de Máquina: subcampo da IA dedicado a sistemas que melhoram seu desempenho com a experiência (Mitchell, 1997; Samuel, 1959).
• Aprendizado Profundo: uso de redes neurais com muitas camadas, que aprendem representações hierárquicas dos dados (LeCun et al., 2015).
• IA Generativa: modelos que produzem conteúdo novo, em vez de apenas classificar entradas (Goodfellow et al., 2014).
• Determinismo: propriedade de um sistema cuja mesma entrada produz sempre a mesma saída; presente nos sistemas de regras, contrasta com o comportamento probabilístico das LLMs.
• LLM: modelo de linguagem de grande escala, baseado na arquitetura Transformer, treinado para prever continuações de texto e capaz de generalizar a múltiplas tarefas (Brown et al., 2020; Vaswani et al., 2017).

1.10 Mitos: “a IA pensa”, “é só estatística”

O primeiro equívoco frequente é tratar IA, Aprendizado de Máquina e Aprendizado Profundo como sinônimos. Como a Figura 1.7 evidencia, são níveis aninhados; usá-los de forma intercambiável apaga distinções que importam para entender capacidades e limites.

O segundo é supor que toda IA aprende de dados. A tradição simbólica, baseada em regras, é IA e não aprende nesse sentido, e segue em uso em domínios que exigem auditabilidade. As LLMs pertencem ao ramo que aprende, mas a IA não se reduz a ele.

O terceiro equívoco é esperar de uma LLM a previsibilidade de um sistema de regras. Quem supõe que a mesma pergunta sempre gerará a mesma resposta confunde dois paradigmas: a geração de uma LLM é probabilística, não determinística, conforme discutido acima.

O quarto, e mais consequente para os capítulos seguintes, é interpretar “aprender” e “inteligência” em sentido humano. Sob a definição de Mitchell, aprender é melhorar uma métrica com experiência (Mitchell, 1997); nada nessa definição implica compreensão, intenção ou consciência. Boa parte das interpretações equivocadas sobre o que uma LLM “entende” nasce de transportar, sem aviso, a conotação cotidiana desses termos para um processo que é, em sua natureza, estatístico.

1.11 Conexão com os Próximos Capítulos

Situadas as LLMs no mapa da IA, o livro passa a abri-las por dentro. O Módulo 2 enfrenta a pergunta que a tradição conexionista pressupõe mas não responde sozinha: como transformar texto, que é feito de símbolos sem valor numérico, em algo que uma rede neural possa processar, por meio de tokenização e embeddings. O Módulo 3 detalha o que é, afinal, uma rede neural e o que significa, mecanicamente, ajustar parâmetros. E o Módulo 4 dedica-se à arquitetura Transformer, a inovação de 2017 que, mencionada aqui apenas de passagem, foi a condição de possibilidade de tudo o que chamamos hoje de LLM.

1.12 Leituras Recomendadas

• TURING, A. M. Computing Machinery and Intelligence. Mind, 1950. Texto fundador da pergunta, ainda surpreendentemente atual.
• RUSSELL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 4. ed., 2021. Tratado de referência; os capítulos iniciais cobrem as definições e a história do campo.
• LECUN, Y.; BENGIO, Y.; HINTON, G. Deep Learning. Nature, 2015. Síntese acessível, pelos próprios protagonistas, do paradigma que prevaleceu.