Inteligência artificial: refletindo sobre o passado e mirando a próxima mudança de paradigma

A inteligência artificial (IA) passou por grandes avanços nas últimas décadas, impulsionada por inovações-chave em aprendizado de máquina e pela disponibilidade de big data e poder computacional. Este artigo faz uma revisão do progresso histórico da IA desde suas origens em sistemas baseados em lógica, como o Logic Theorist, até os recentes avanços em deep learning como Bidirectional Encoder Representations from Transformers (BERT), Generative Pretrained Transformer 3 (GPT-3) e Large Language Model Meta AI (LLaMA). Os primeiros sistemas baseados em regras com expertise manual deram lugar a técnicas estatísticas de aprendizado e redes neurais treinadas em grandes conjuntos de dados. Marcos como AlexNet e AlphaGo estabeleceram o deep learning como uma abordagem dominante em IA. O transfer learning permitiu que modelos pré-treinados em diversos corpora se destacassem em tarefas especializadas subsequentes. O escopo da IA expandiu-se de aplicações de nicho, como jogar xadrez, para capacidades multifacetadas em visão computacional, processamento de linguagem natural e agentes de diálogo. Contudo, a IA atual ainda precisa alcançar a inteligência humana em aspectos como raciocínio, criatividade e empatia. Abordar limitações relacionadas ao conhecimento do mundo real, vieses e transparência continua sendo vital para o progresso futuro e para alinhar a IA com valores humanos. Esta revisão oferece uma visão abrangente da evolução da IA e documenta as inovações que moldaram seu avanço nas últimas seis décadas.