FCW Cultura Científica – Professor Novais, estamos cercados por uma quantidade de dados cada vez maior e impossível de ser processada por humanos sem a ajuda de máquinas. Nesse cenário, a inteligência artificial deixa de ser opcional, de ser uma simples ferramenta, e se torna condição necessária para se fazer ciência?

Osvaldo Novais de Oliveira Jr. – A resposta curta e simples é sim. Mas gostaria de contextualizar essa resposta a partir de algo mais fundamental, que é o seguinte: ao longo de toda a história, a humanidade tem gerado e transferido conhecimento por meio de três linguagens, e apenas três. A primeira, mais primordial, é a das línguas naturais – português, inglês, japonês, mandarim. A segunda é a linguagem dos formalismos matemáticos, porque muito do conhecimento que temos – sobre a estrutura da matéria, sobre como projetar uma nave espacial – não pode ser expresso apenas em palavras: exige modelagem matemática. E a terceira, um pouco menos visível para um cientista, é a linguagem das artes e da expressão artística. Não há outras.

Isso tem duas implicações diretas. A primeira é que se uma máquina ou qualquer entidade, artificial ou natural, dominar essas três linguagens, ela poderá fazer tudo que o humano faz, sem exceção. A segunda é que, ao pensar em como reformular a educação para o mundo da inteligência artificial, a resposta passa necessariamente por essas linguagens. Os filósofos gregos já apontavam isso: retórica, lógica e artes estavam no centro do que consideravam essencial. Não poderia ser diferente, pois não há outras linguagens para gerar e transmitir conhecimento. Isso vale para qualquer época, inclusive para a nossa.

Dito isso, o ponto central é que a inteligência artificial não está trazendo apenas novas ferramentas. Ela representa uma nova maneira de gerar conhecimento. Pela primeira vez na história, a máquina passa a ser capaz de produzir conhecimento por conta própria. 

Quando pensamos o que isso significa para qualquer setor da sociedade, minha sugestão é sempre partir não do que temos hoje – com suas muitas limitações –, mas daquilo que podemos esperar em poucos anos, quando a máquina dominar completamente as linguagens do conhecimento. Nenhum setor ficará imune. Não há escolha a não ser aprender a conviver e trabalhar com isso, pois é impossível, na prática, frear esse desenvolvimento.

FCW Cultura Científica – O que torna a inteligência artificial diferente das grandes transformações anteriores na ciência?

Osvaldo Novais de Oliveira Jr. – A maior diferença é que a máquina vai poder gerar conhecimento por si mesma. Para compreender o alcance disso, que é um assunto caro para mim, podemos recorrer ao quinto paradigma de geração do conhecimento, conceito que lancei há cerca de 15 anos. Até hoje, tivemos quatro paradigmas. O primeiro foi a ciência empírica, vigente desde a Grécia Antiga, quando ainda não havia um aparato matemático suficiente para contrastar observações com experimentos. O segundo surgiu com Newton e Galileu, a partir do século 17, com teoria e experimento juntos. O grande sucesso desse paradigma, no século 20, permitiu decifrar a estrutura da matéria e, com isso, fabricar materiais, dispositivos e equipamentos que antes eram impossíveis, incluindo o próprio computador. 

O computador trouxe o terceiro paradigma, de gerar conhecimento com teoria, experimento e simulação computacional. E, muito rapidamente, chegamos ao quarto paradigma, do big data ou e-science, em que se minera informação em grande escala para transformar dados em conhecimento. Mas em todos esses quatro paradigmas, ao fim e ao cabo, todo conhecimento é gerado com intervenção humana. A máquina não gera conhecimento autonomamente. 

É essa barreira que a inteligência artificial está começando a cruzar, inaugurando um quinto paradigma. Isso vai acelerar imensamente a geração de conhecimento, que é o maior patrimônio de qualquer sociedade. É óbvio que não elimina os possíveis maus usos nem as consequências de uma produção acelerada de conhecimento, mas é preciso ter clareza sobre o tamanho da transformação em curso.

Para dimensionar, valem duas comparações. A primeira é a capacidade de processamento. Os supercomputadores usados para treinar os grandes modelos de linguagem são, em ordem de grandeza, entre 10 bilhões e 100 trilhões de vezes mais rápidos do que um humano. Em uma estimativa conservadora, o que uma dessas máquinas faz em um segundo levaria 1 milhão de anos para um ser humano realizar. 

A segunda comparação diz respeito ao corpus, o conjunto de textos que internalizam todo o nosso aprendizado. Um humano, mesmo supondo que nunca esqueceu nada, internaliza algo em torno de 1 bilhão de palavras ao longo da vida. Os modelos de linguagem mais recentes são treinados com trilhões de palavras. Estatisticamente, uma entidade que conhece um corpus um milhão de vezes maior que o nosso tende a produzir combinações mais ricas e criativas do que qualquer humano. Essa é uma previsão simples de ser feita, embora suas implicações sejam profundas.

Há ainda uma hipótese que acho especialmente interessante, a de que toda a nossa inteligência, incluindo nossa capacidade de criar, tem a ver com o corpus que internalizamos. Os modelos de linguagem parecem compreender e raciocinar sem que tenham sido explicitamente programados para isso, o que sugere que talvez tudo o que fazemos intelectualmente esteja também contido, de alguma forma, no nosso corpus.

FCW Cultura Científica – Poderia explicar o que é o Núcleo Interinstitucional de Linguística Computacional (NILC) e qual é a importância de desenvolver tecnologias próprias de IA para a língua portuguesa?

Osvaldo Novais de Oliveira Jr. – O processamento de línguas naturais já existia no Brasil antes da fundação do NILC. O que mudou com a criação do núcleo, em 1993, foi a escala e a organização. A origem é curiosa: no início dos anos 1990, estávamos desenvolvendo em São Carlos ferramentas de auxílio à escrita científica em inglês, sem nenhuma intenção de criar um centro dedicado ao português. Um dos primeiros produtos dessa pesquisa, publicado em 1991, foi um gerador de texto para artigos científicos desenvolvido pela professora Sandra Aluisio – um sistema baseado em corpus de 50 sentenças e 23 parâmetros ajustáveis. Era uma espécie de bisavô do ChatGPT. A estratégia era a mesma, a diferença é que o ChatGPT foi treinado com trilhões de sentenças e quase 1 trilhão de parâmetros ajustáveis.

Em 1993, a Itautec nos procurou porque queria desenvolver um revisor gramatical para o português brasileiro e não havia equipes no país com essa experiência. Investiram cerca de US$ 2 milhões em alguns anos no desenvolvimento do ReGra, o que permitiu formar a primeira grande equipe multidisciplinar do Brasil com linguistas e especialistas em computação trabalhando juntos. Desde o início, negociamos que todo o material produzido – corpora, léxicos, recursos linguísticos – ficaria disponível abertamente para toda a comunidade. Eles concordaram. Essa decisão fez com que o NILC se tornasse o maior provedor de recursos linguístico-computacionais para o português em todo o mundo.

Ao longo de 33 anos, o NILC desenvolveu pesquisas em revisão gramatical, tradução automática, sumarização, semântica, simplificação de textos para pessoas com baixo letramento, diagnóstico a partir de corpus escrito ou falado e reconhecimento de voz e fala, entre muitas outras áreas. O núcleo reúne pesquisadores da USP de São Carlos, da UFSCar, da Unesp e do Instituto Federal de São Paulo, além de colaborações com instituições do Brasil e do exterior. Ex-membros do NILC estão espalhados em universidades e centros de pesquisa em muitos países.

Nesse novo mundo em que o processamento de línguas naturais passou a ser feito por todos – e não apenas por núcleos especializados –, o papel do NILC continua sendo estratégico. A IA gerativa, como qualquer máquina, é genérica. Aliás, é bom aproveitar para lembrar que o nome correto, que deveríamos usar, é IA gerativa, não “generativa”. É uma distinção pequena, mas útil para ter clareza. Pois então, o processamento de fala, por exemplo, depende muito da língua específica, inclusive de regionalismos. Um modelo genérico não captura essas nuances com fidelidade. 

Há também uma questão que não podemos deixar de mencionar: o uso da IA é crucial para a preservação das línguas originárias brasileiras. É uma obrigação de quem trabalha em áreas correlatas manter esse tema na agenda. As línguas originárias do Brasil não podem ser perdidas e a IA oferece possibilidades concretas para sua documentação e transmissão.

FCW Cultura Científica – A IA não substitui o cientista, mas redefine seu papel. Que competências passam a ser centrais nesse novo perfil de pesquisador? E por que devemos pensar a IA como um agente ativo na geração de conhecimento?

Osvaldo Novais de Oliveira Jr. – A IA não substitui o cientista, ainda, mas isso é uma questão de tempo e de aprendizado. Há uma parte que ela demorará mais para absorver, que é a pesquisa experimental. Não por uma impossibilidade conceitual, mas porque automatizar experimentos é extremamente caro: provavelmente será muito mais barato contratar pesquisadores humanos para executar experimentos do que manter robôs para isso. Por outro lado, a decisão sobre o que pesquisar e como pesquisar – a estratégia científica – deverá vir crescentemente da inteligência artificial. O cientista humano passará a atuar, em parte, como executor qualificado de uma agenda definida ou fortemente orientada pela IA. A escolha das técnicas, a análise dos dados: tudo isso será tarefa da máquina. O trabalho de bancada, o manuseio físico de equipamentos, ainda será nosso.

Nosso grupo trabalha exatamente nessa direção: desenvolver um sistema computacional capaz de conduzir uma pesquisa do começo ao fim, como se fosse um cientista. Já existe até um nome em inglês para isso: AI scientist. É uma realidade que se aproxima, e quando chegar, alterará completamente a forma como a ciência é feita. As publicações científicas serão muito diferentes: a partir do momento em que a máquina puder gerar artigos em escala, a produção será tão vasta que apenas outras máquinas terão capacidade de processá-la.

Nesse cenário, o papel mais importante do cientista será definir a agenda: determinar quais problemas as IAs devem atacar. E aqui reside algo fundamental: os problemas mais relevantes e mais difíceis que a humanidade enfrenta não são os de engenharia ou ciências exatas – esses já avançamos bastante. Os mais complexos estão nas ciências sociais e nas humanidades: compreender o comportamento humano, atacar a desigualdade, explicar conflitos, resolver o paradoxo de se ter fome num planeta com excesso de comida. Esses problemas exigem conhecimento das ciências sociais combinado com a capacidade de modelar sistemas complexos. Qualquer problema complicado se resolve com conhecimento. Por isso investir em educação continua sendo insubstituível.

Já temos algumas evidências do que está por vir. Nosso grupo montou no ano passado um sistema inteligente que realiza revisão bibliográfica automaticamente. A qualidade ainda não é a de um especialista humano – havia, à época, muitas restrições que estão diminuindo paulatinamente. Mas a direção é clara.

FCW Cultura Científica – Como equilibrar produtividade e originalidade quando sistemas como o ChatGPT mudam a forma de escrever ciência?

Osvaldo Novais de Oliveira Jr. – A IA gerativa tem dois componentes: os modelos de linguagem, que são a base, e as aplicações, que só funcionam com esses modelos. O valor comercial estará muito mais nas aplicações do que nos modelos em si.

Para a escrita científica, isso significa que não faz sentido resistir ao uso dessas ferramentas. Faz sentido, sim, usá-las com critério. A produtividade aumenta de forma inegável: tarefas de estruturação, revisão, síntese e até formulação de hipóteses iniciais tornam-se muito mais rápidas. Mas a responsabilidade pelo conteúdo, pela validade das conclusões e pela integridade científica continua sendo do pesquisador. A IA pode auxiliar a escrever, mas não pode substituir o julgamento sobre o que vale a pena escrever.

Há um risco real de uso acrítico, especialmente entre jovens pesquisadores: aceitar o que a máquina produz sem a devida verificação. Isso compromete tanto a originalidade quanto o rigor. A forma de equilibrar é precisamente o que sempre distinguiu o bom cientista do mediano: capacidade de questionamento, pensamento crítico e dominar as linguagens do conhecimento com profundidade suficiente para avaliar o que a máquina produz – e para ir além dela.

FCW Cultura Científica – A IA pode reduzir desigualdades no acesso ao conhecimento, mas e quanto aos riscos, como o uso não crítico, a dependência excessiva e os desafios éticos? A formação científica precisará se adaptar para garantir qualidade e rigor?

Osvaldo Novais de Oliveira Jr. – A concentração do desenvolvimento da IA nas mãos de poucos países e de menos empresas ainda é um problema sério. Não é exclusivo da IA: na nanotecnologia temos o mesmo fenômeno. Isso aprofunda desigualdades entre nações e, dentro de cada nação, entre grupos sociais. É inevitável? Em larga medida, sim. Sistemas complexos compostos por elementos não idênticos geram desigualdade naturalmente. Nossos estudos em redes complexas confirmam isso: a desigualdade emerge como traço dos próprios sistemas, não apenas como escolha política. Não é possível eliminá-la, mas é possível diminuir seus efeitos, ampliando a base e reduzindo a inclinação entre os que têm mais e os que têm menos.

Para países como o Brasil, a boa notícia é que ainda há espaço para ser competitivo. A IA gerativa depende muito de trabalho humano, de criatividade e conhecimento – algo que países com sistemas científicos bem estruturados possuem. O Brasil é pequeno em ciência em termos relativos, mas tem instituções de pesquisa de qualidade e desenvolvedores capacitados. Há oportunidades concretas, especialmente no desenvolvimento de aplicações específicas para o português brasileiro e para as necessidades locais. Não podemos competir com os gigantes nos modelos de linguagem de base, mas podemos ser muito competitivos nas aplicações.

Quanto à formação científica: sim, ela precisará se adaptar, mas não de forma tão radical quanto pode parecer. O que é fundamental hoje é o que sempre foi fundamental: dominar as linguagens do conhecimento. O que muda é o contexto. O pesquisador precisará saber usar ferramentas de inteligência artificial com responsabilidade, entender seus limites, verificar o que elas produzem e desenvolver julgamento crítico sobre os resultados. 

A ética não é uma camada adicional a ser sobreposta ao uso da IA, ela precisa ser constituída integralmente no processo de formação. Não se trata de impedir o desenvolvimento da tecnologia, isso não é factível. Trata-se de desenvolver agentes inteligentes com ética e constranger ao máximo os maus usos, ao mesmo tempo que se aceleram os bons.