Por Antonio Cerella
Publicado orginalmente em https://thephilosophicalsalon.com/
Se você quer esconder um problema, não há lugar melhor do que uma generalização. E talvez em nenhum lugar as generalizações encontrem um lugar tão fácil quanto no campo da chamada “inteligência artificial” — começando pelo próprio nome. A IA não se refere a uma única tecnologia, mas a um conjunto heterogêneo de ferramentas e aplicações: desde grandes modelos de linguagem até sistemas de armas autônomos, desde análise de imagens retinianas baseadas em aprendizado profundo para diagnóstico precoce de doenças até carros autônomos. Cada um desses sistemas levanta questões políticas, sociais e éticas profundamente diferentes.
Essa diversidade interna dentro do que chamamos de “IA” é bem compreendida por especialistas na área. Como observou Michael Wooldridge, Professor de Fundações da Inteligência Artificial na Universidade de Oxford, a maioria dos subcampos da IA possui suas próprias comunidades de pesquisa especializadas — a ponto de, em alguns casos, “a comunidade de aprendizado de máquina simplesmente não se define como parte da ‘IA'”.
A questão que quero abordar aqui diz respeito a duas generalizações recorrentes incentivadas pela adoção acrítica do termo ‘IA’: primeiro, estender um modelo de inteligência baseado no cérebro para toda a experiência humana; Segundo, aplicar a lógica subjacente do aprendizado de máquina às práticas sociais como um todo.
Não há dúvidas de que o deep learning — uma forma de computação estatística inspirada nas redes neurais do cérebro humano — representa o avanço mais significativo da geração atual de ‘IAs’. Além da metáfora neurológica, porém, essa inovação se baseia principalmente em uma capacidade matemática: a capacidade de processar grandes quantidades de dados para otimizar o aprendizado estatístico. A lógica subjacente do aprendizado de máquina, e de sua variante de deep learning, portanto, permanece a mesma: otimização estatística em relação a objetivos definidos externamente — por exemplo, em uma busca no Google, identificar o resultado mais “relevante” no menor tempo possível.
Esse poder computacional é extremamente eficaz em domínios governados por uma lógica essencialmente estatística, como diagnósticos médicos, onde a identificação rápida de indicadores de doenças permite intervenções mais rápidas. O problema surge quando essa lógica é estendida indiscriminadamente por toda a vida social — e especialmente para a educação. Aqui, a falha em distinguir entre diferentes tipos e aplicações do que chamamos de “IA” corre o risco de produzir uma redução estatística inadequada das práticas que não podem ser reduzidas a simples funções de otimização.
Que o cérebro humano não é uma “caixa cognitiva” atravessada por meros processos computacionais está bem estabelecido na psicologia e na neurociência. A noção de mente que informa muitas teorias em psicologia e paleoantropologia evolutiva é muito mais ampla do que a do cérebro sozinho. Pressupõe uma relação contínua entre objetos, práticas e desenvolvimento cognitivo. Como diz a tese da mente estendida de Andy Clark, “quem somos é em grande parte uma função das teias da estrutura ao redor”.
O paleoantropólogo francês André Leroi-Gourhan foi um dos primeiros a desenvolver uma teoria da evolução humana baseada não apenas na cognição, mas também na cultura. Em Gesture and Speech, ele mostrou como a evolução humana emerge de processos relacionais que ligam ações individuais, práticas coletivas e ferramentas simbólicas como a linguagem. A talha de pedra, por exemplo, longe de ser uma atividade simples e repetitiva, ajudava a liberar o aparelho facial e vocal para o desenvolvimento da fala. Com o tempo, a socialização dessas práticas permitiu a criação de memórias compartilhadas — a externalização dos gestos — que a linguagem então transmitia entre gerações.
A percepção central da teoria de Leroi-Gourhan é que o desenvolvimento humano é codeterminado pelas ferramentas que usamos e pelas práticas que elas tornam possíveis. E isso nos leva à segunda questão.
Hoje, graças à chamada IA generativa, os estudantes podem completar trabalhos universitários — e até cursos inteiros — simplesmente formulando alguns temas. Pela primeira vez na história, tornou-se possível ser estudante sem praticar o estudo em si. Para usar uma metáfora esportiva, isso seria como um tenista vencer torneios de Grand Slam sem nunca pisar em quadra: um paradoxo que tiraria do tenista a própria prática que o define.
Frequentemente ouvimos que os estudantes devem estar preparados para o mercado de trabalho e, portanto, para o uso “crítico” dessas ferramentas. O que frequentemente é negligenciado, no entanto, é que o verdadeiro poder da “IAgen” está justamente em sua capacidade de processar a linguagem natural — a linguagem que usamos todos os dias. Isso marca uma diferença crucial em relação a softwares como Excel, que exige que usuários aprendam e pratiquem linguagens de programação específicas. Não é coincidência que os mercados de trabalho falem cada vez mais de uma futura “escassez” de habilidades interpessoais como pensamento crítico e criatividade — outro clichê amplamente invocado, mas raramente definido.
Se seguirmos os argumentos de estudiosos como Clark, Leroi-Gourhan e, mais recentemente, Lambros Malafouris, descobrimos que criatividade e pensamento crítico não são traços inatos ou abstratos, mas práticas reflexivas. Em ambientes educacionais, essas formas de pensamento surgem da leitura imersiva sustentada, do engajamento com a diversidade dos argumentos, do debate e do atrito intelectual. Isso tem sido assim há séculos.
Estamos realmente preparados, hoje, para normalizar a lógica da otimização estatística e da eficiência — máximo resultado com esforço mínimo — em um domínio humano onde esforço e sacrifício pela compreensão são os únicos verdadeiros trampolim para ideias novas e criativas?
Políticas públicas e governança universitária deveriam refletir muito mais cuidadosamente sobre como evitar as duas generalizações discutidas aqui — a brainização (cérebro) da inteligência e a redução estatística do conhecimento — se não quiserem que a escassez de pensamento crítico se torne tão extrema que, no fim, se torne algo que nem possamos mais reconhecer.
O Autor
Antonio Cerella
Antonio Cerella é Professor Sênior de Política e Relações Internacionais na Nottingham Trent University, Reino Unido, e Pesquisador do Grupo de Pesquisa em Religião e Sociedade Civil do Instituto de Cultura e Sociedade da Universidade de Navarra, Espanha. Ele é autor de Genealogies of Political Modernity (2020) e editor de Heidegger & the Global Age (2017) e The Sacred and the Political (2016). Ele pode ser contatado em: Antonio.Cerella@ntu.ac.uk