Os 70 anos que levaram à IA dos dias atuais — e por que Google e ChatGPT não são médicos 🧵 Vou explicar como chegamos a uma era em que algoritmos imitam conversas humanas, quais são os limites desses sistemas e os riscos de confiar apenas neles.

Imagem indisponível

Começo de tudo: 1950, Alan Turing pergunta se máquinas podem 'pensar'. Anos 60 trazem perceptrons e primeiras redes neurais. Depois vieram os 'invernos da IA' — períodos de promessa demais e financiamento de menos. Entender isso ajuda a ver por que progresso é ciclicamente desigual.

Renascimento: GPUs + big data nos anos 2000 impulsionaram o deep learning. Modelos passaram a reconhecer imagens, traduzir e responder textos com fluência. Importante: treinar esses gigantes consome muita energia e depende de grandes corporações e universidades.

Imagem indisponível

Em 2017 os transformers mudaram o jogo. Modelos como GPT preveem palavras com base em padrões — resultado: respostas convincentes, porém sem 'compreensão' humana. Isso gera as chamadas 'alucinações' (informações falsas, mas plausíveis). Saber disso é essencial pra avaliar respostas.

Por que Google e ChatGPT não substituem um médico: 1) Não têm formação clínica nem acesso a histórico completo; 2) Podem alucinar; 3) Dados de treino têm vieses; 4) Falta de responsabilidade legal direta. Em saúde, confirme tudo com profissionais e fontes científicas.

Imagem indisponível

Impactos sociais: nas compras, educação e seleção de vagas fica difícil saber se você fala com humano ou IA. Isso exige novas práticas (verificação, métodos de avaliação, proteção a trabalhadores) e políticas públicas que promovam inclusão e justiça no acesso à tecnologia.

Reflexão final: IA é uma ferramenta poderosa, não um substituto da autoridade humana. Exija transparência, apoio a regulação inteligente e democratização do acesso — só assim minimizamos danos (desinformação, vieses, impactos ambientais) e ampliamos benefícios para todos.

Imagem indisponível