Um minuto antes da meia-noite
Para falar de tecnologia, é preciso falar antes de tempo. Não porque toda invenção precise de uma data, mas porque a distância que separa umas transformações de outras faz parte do seu significado. Há escalas que podemos representar porque cabem dentro da nossa experiência: um ano, uma década, a duração de uma vida. Para além desse limite, o tempo torna-se um número que compreendemos sem chegar a imaginá-lo. Sabemos que um milhão de anos é muito mais do que cem mil, mas ambos acabam por ocupar um lugar semelhante na nossa intuição: um passado remoto em que as diferenças se tornam quase indistinguíveis.
Essa dificuldade deforma a maneira como pensamos a técnica. A pedra, o fogo, a agricultura, a escrita, a máquina a vapor e o computador aparecem como etapas sucessivas de um mesmo percurso, ordenadas com uma regularidade que nunca existiu. Entre as primeiras transformações decorreram centenas de milhares de anos; entre as mais recentes, apenas alguns anos. Para tornar visível essa aceleração, percorreremos a história técnica da humanidade dentro de um calendário de um único ano. O dia 1 de janeiro começará com a técnica olduvaiense, uma das primeiras tradições de talhe em pedra amplamente difundidas e reconhecíveis. A meia-noite de 31 de dezembro assinalará o presente. Não se trata de afirmar que cada avanço conduziu inevitavelmente ao seguinte, mas de reconstruir a trajetória que tornou o nosso mundo possível: que capacidade apareceu, quanto tempo demorou a fazê-lo e que novas condições deixou disponíveis.
Durante grande parte deste calendário, uma mesma forma técnica podia durar mais do que espécies inteiras. Agora, em contrapartida, várias transformações sucessivas podem atravessar a vida de uma única pessoa. Podemos experimentá-las como indivíduos, mas como espécie não dispomos do mesmo tempo para as compreender. Aprendemos a transformar o mundo a uma velocidade muito superior àquela com que conseguimos entender em que o estamos a transformar.
1 de janeiro — O mundo pode ser modificado
O ano começa com a técnica olduvaiense. Um hominídeo golpeia uma pedra contra outra; do impacto desprende-se uma lasca afiada, enquanto o núcleo fica marcado por bordas cortantes. O gesto parece elementar, mas contém uma diferença decisiva em relação ao uso ocasional de um objeto encontrado: a pedra já não é aceite tal como aparece, mas é intervencionada para produzir uma propriedade que antes não tinha.
A importância do olduvaiense reside não apenas nas ferramentas conservadas, mas no facto de constituir uma tradição reconhecível, estendida durante um período imenso através de territórios e gerações. Essa continuidade indica que a operação podia ser transmitida e ensinada. O importante não era apenas produzir um fio, mas saber como o fazer novamente.
Uma capacidade que o corpo não possui por si só passa assim a residir num objeto exterior. Uma garra mais afiada teria necessitado de muitas gerações de mudança biológica; uma lasca capaz de cortar podia ser fabricada durante a vida do indivíduo que a necessitava, transportada e reproduzida. A técnica começa quando uma transformação deixa de depender de uma descoberta isolada e pode converter-se em tradição.
Durante os primeiros meses do nosso calendário, essa tradição muda a uma velocidade que, do presente, parece quase imóvel. Gerações incontáveis nascem e desaparecem dentro de uma mesma forma técnica que, para cada uma delas, era tão estável como as montanhas da paisagem.
29 de abril — O objeto existe antes de estar terminado
Será preciso esperar até 29 de abril, uns 840.000 anos, para encontrar os primeiros bifaces acheulenses. A diferença não consiste simplesmente em talhar mais uma pedra. Fabricar um biface exige trabalhar as suas duas faces, encadear extrações, corrigir irregularidades e manter uma forma geral durante uma sequência prolongada. Quem o talha não responde apenas ao resultado do último golpe: compara o produzido com um objeto que ainda existe unicamente na sua mente. A forma final está ausente da matéria, mas já dirige o trabalho. A ferramenta aparece primeiro como projeto.
Essa distância estabelece o primeiro grande período de espera na nossa história técnica: cerca de 840.000 anos para passar de uma forma de talhe centrada em obter lascas e fios úteis para outra que exige planear e configurar o conjunto da pedra em ambas as faces.
5 de novembro — Sustentar uma transformação no tempo
Decorreram 1,36 milhões de anos desde o aparecimento dos primeiros bifaces. No nosso calendário já é 5 de novembro quando se pode situar um controlo deliberado do fogo capaz de o produzir, conservar e utilizar sem depender de um incêndio natural. A pedra tinha permitido modificar a matéria através de um objeto; o fogo permite dirigir energia e sustentar uma transformação enquanto se mantiverem as condições necessárias.
Cozinhar desloca para fora do corpo uma parte do trabalho da digestão, amplia o que pode ser comido e elimina substâncias nocivas. O fogo também protege, ilumina e transforma materiais. A sua novidade mais profunda, contudo, não reside apenas nos seus usos, mas no facto de introduzir um processo que deve ser mantido no tempo. É preciso alimentá-lo, protegê-lo, vigiá-lo e produzi-lo novamente.
Essa continuidade não depende unicamente de um indivíduo, mas do grupo. O fogo pode sobreviver porque diferentes pessoas sustentam sucessivamente as condições que o mantêm ativo. A capacidade técnica deixa assim de residir apenas num objeto e passa também para um processo coletivo que deve ser conservado através de uma cadeia contínua de ações. Durante mais de dez meses do nosso ano, cada noite tinha devolvido o mundo à escuridão.
30 de dezembro, pela manhã — Agir sobre um futuro que ainda não existe
A próxima grande transformação chega na manhã de 30 de dezembro, cerca de 390.000 anos depois. A agricultura não surge num único lugar nem substitui imediatamente a caça e a recolha, mas introduz uma relação distinta com o futuro. Cultivar exige selecionar sementes, preparar o terreno, controlar a água, proteger a cultura e esperar um resultado que ainda não existe. O biface tinha exigido antecipar uma forma; a agricultura obriga a antecipar um ciclo e a modificar o ambiente para que possa repetir-se.
Essa intervenção não se limita às plantas. Ao escolher que animais se reproduzem, quais se conservam e que características são úteis, as comunidades começam também a transformar outras espécies ao longo das gerações. A técnica deixa de atuar unicamente sobre objetos ou processos localizados e começa a modificar a paisagem, ciclos biológicos e seres vivos.
Em algumas sociedades, o excedente agrícola permite que parte da população se dedique de forma mais estável a outras tarefas. A experiência concentra-se, o conhecimento coletivo aumenta e distribui-se entre pessoas especializadas. Mas, à medida que a comunidade sabe mais, cada indivíduo reúne menos das destrezas necessárias para sustentar a sua vida por si só. A capacidade do conjunto cresce ao mesmo tempo que aumenta a dependência entre os seus membros.
Quando essa organização atinge escala suficiente, aparece, além disso, a necessidade de registar armazéns, propriedades, trocas e obrigações. A agricultura não produz apenas alimentos. Produz também contas.
31 de dezembro, pela manhã — A memória abandona o corpo
A escrita aparece na manhã de 31 de dezembro, cerca de sete mil anos depois. A memória abandona então a sua dependência exclusiva das pessoas que se lembram. Uma quantidade converte-se numa marca; um nome permanece quando aquele que o pronunciou já não está; uma obrigação pode ser consultada quando os seus protagonistas esqueceram os seus termos.
Essa permanência amplia também a capacidade do poder para organizar a sociedade e estender a sua influência. As leis podem ser fixadas como referência, os tributos e excedentes registados, os recursos administrados e as ordens transmitidas a territórios distantes. A escrita permite coordenar pessoas, produção e obrigações sem depender da presença direta de quem governa nem da memória de quem participa em cada troca.
Uma ideia escrita pode atravessar gerações sem que ninguém tenha de a conservar continuamente na sua memória. Também pode ser relida, dividida, comparada e corrigida. O conhecimento adquire assim uma estabilidade nova, embora durante milénios continue a ser escasso: cada tabuinha deve ser inscrita e cada rolo ou códice copiado à mão. A escrita resolve a permanência do conhecimento, mas ainda não a sua difusão.
31 de dezembro, 22:00 — O conhecimento multiplica-se
Será preciso esperar até às dez da noite do último dia para que a imprensa europeia multiplique a reprodução de textos. Decorreram aproximadamente 4.600 anos desde as primeiras escrituras. O copista repete o trabalho sobre cada exemplar; a imprensa desloca esse esforço para a preparação de uma matriz capaz de produzir muitos. A mudança não consiste apenas em fabricar livros mais depressa, mas em separar a produção do conteúdo da reprodução de cada cópia.
O conhecimento entra assim numa lógica que depois será própria da fábrica: o esforço concentra-se em construir um sistema capaz de repetir uma unidade, em vez de a reconstruir por completo de cada vez. Um mesmo texto pode chegar a leitores distantes entre si, as versões podem ser comparadas e uma edição corrigir a anterior.
A imprensa não só multiplica livros: multiplica os locais de onde pode ser produzido novo conhecimento. Quanto mais conhecimento circula, mais pessoas podem partir dele, combiná-lo e ampliá-lo. A aceleração começa então a atuar sobre as suas próprias condições. Depois da imprensa, bastarão apenas duas horas do nosso calendário para que apareçam a indústria, a computação, a internet, o smartphone e a inteligência artificial.
31 de dezembro, 23:00 — A máquina começa a fabricar máquinas
Às onze da noite, apenas uma hora depois no nosso calendário, a máquina a vapor converte a energia em trabalho mecânico regular. Em 1712, a máquina de Newcomen bombeia a água das minas de carvão; esse mesmo carvão alimenta depois novas máquinas que permitem extrair ainda mais. A técnica começa a produzir as condições materiais do seu próprio crescimento.
As melhorias posteriores reduzem o consumo e transformam o movimento do pistão em rotação. O vapor deixa de acionar unicamente bombas e torna-se uma fonte geral de potência capaz de mover teares, martelos, moinhos e veículos. A produção já não depende completamente da força humana, animal ou do local onde sopra o vento ou circula a água. A energia pode concentrar-se e ser utilizada de forma contínua onde a indústria a necessita.
A fábrica reúne essa energia com materiais, trabalhadores e máquinas dentro de um mesmo espaço. Na oficina, a ferramenta seguia o ritmo do artesão; na fábrica, o trabalho começa a seguir o ritmo constante da máquina. O dia, a pontualidade e a sincronização adquirem um novo valor económico. O relógio deixa de se limitar a medir o passar do dia e começa também a organizar a produção, dividir o tempo e medir o rendimento.
A transformação industrial não fica confinada dentro da fábrica. O vapor extrai carvão; o carvão alimenta motores e fornos; o ferro e o aço permitem construir novas ferramentas, carris, navios, pontes e edifícios. O caminho de ferro conecta minas, fábricas, portos e cidades, enquanto o telégrafo coordena à distância os movimentos de mercadorias, pessoas e informação. Produção, transporte, energia e comunicação começam a formar um mesmo circuito interdependente.
As próprias máquinas exigem, além disso, peças cada vez mais precisas. Tornos, perfuradoras e fresadoras permitem fabricar componentes para outros mecanismos com uma exatidão que já não depende completamente da destreza individual. Uma máquina melhor torna possível construir a seguinte com maior precisão. A indústria deixa assim de se limitar a produzir objetos: produz as ferramentas, a energia e as infraestruturas necessárias para acelerar o seu próprio desenvolvimento.
31 de dezembro, 23:45 — A máquina que pode ser programada
Às 23:45, uns 235 anos depois da máquina de Newcomen, surge o computador. Os primeiros computadores eletrónicos ocupam salas inteiras e utilizam milhares de componentes para realizar cálculos que antes exigiam longos processos humanos. Em 1947 aparece o transistor, mais pequeno, resistente e eficiente que as válvulas utilizadas até então para controlar sinais elétricos. A sua importância não reside unicamente no que cada unidade pode fazer, mas na quantidade que pode ser reunida dentro de um circuito.
A indústria aplica assim a sua capacidade de produção em série a componentes capazes de representar e transformar informação. O circuito integrado reúne vários transistores dentro de uma mesma peça, e a miniaturização começa a reforçar-se a si mesma: os computadores ajudam a projetar circuitos mais complexos, e esses circuitos produzem computadores mais potentes com os quais projetar e fabricar a geração seguinte.
Mas a transformação decisiva não é apenas o aumento da capacidade de cálculo. Uma máquina industrial é construída para executar uma operação concreta; o computador pode realizar funções diferentes segundo as instruções que receber. A programação permite descrever essas instruções, armazená-las, copiá-las, melhorá-las e executá-las novamente sem reconstruir fisicamente a máquina.
O procedimento deixa assim de estar completamente fixado na forma do mecanismo. Para mudar a função da máquina, já não é necessário construir outra: basta mudar o programa que organiza o seu comportamento. A técnica começa a operar não só sobre a matéria e a energia, mas também sobre os seus próprios procedimentos.
Faltam apenas quinze minutos para a meia-noite. Nesse breve período, aparecerão o computador pessoal, a internet, o smartphone e a inteligência artificial.
31 de dezembro, 23:50 — A informação digital multiplica-se
Cinco minutos depois, o nosso calendário marca as 23:50. Em 1971 aparece o microprocessador, que concentra as funções centrais de um computador dentro de um único chip. A capacidade de cálculo começa a abandonar as grandes instalações e, com o posterior surgimento do computador pessoal, entra progressivamente em escritórios, escolas e lares.
Até então, digitalizar consistia sobretudo em converter informação que já existia noutros suportes — documentos, registos, imagens ou cálculos — para um formato que a máquina pudesse processar. Com o computador pessoal ocorre algo distinto: uma parte crescente do trabalho intelectual começa a nascer diretamente em formato digital. Textos, cálculos, desenhos, programas e imagens já não precisam de ser transformados depois em dados, porque são produzidos desde o princípio dentro de uma máquina.
A imprensa tinha reduzido o custo de reproduzir um conteúdo; o computador distribui também a capacidade de o produzir e transformar. Um ficheiro pode ser procurado, copiado, comparado, reorganizado e combinado com outros sem abandonar o ambiente digital. A informação deixa de ser unicamente algo que deve ser convertido para que a máquina possa processar: uma parte crescente dela nasce já num formato sobre o qual pode atuar desde o princípio.
31 de dezembro, 23:53 — A digitalização torna-se global
Às 23:53, em 1991, a abertura pública da World Wide Web permite organizar e consultar, através de páginas ligadas, a informação que circula pela Internet. Um arquivo deixa de estar limitado ao computador ou ao suporte físico em que foi criado: pode ser publicado num ponto e consultado por milhões de pessoas de qualquer parte do mundo. A informação digital já não só pode ser reproduzida com facilidade, mas circular de forma contínua através de uma infraestrutura comum.
Essa capacidade gera uma abundância nova. Quando os documentos se contam por milhões, publicá-los deixa de ser suficiente: é preciso encontrá-los, relacioná-los e decidir quais devem aparecer antes de outros. Para resolver esse problema surgem os motores de busca, que percorrem a rede, registam as páginas disponíveis, analisam os seus links e constroem índices capazes de responder a uma consulta.
No entanto, as relações entre páginas não bastam para determinar qual resultado pode ser mais útil para uma pessoa. Os motores de busca começam então a registar também que palavras são empregadas, que resultados são escolhidos, quais são ignorados e o que acontece depois de cada pesquisa. A atividade dos utilizadores fornece sinais que permitem reorganizar a informação segundo a sua provável relevância e corrigir progressivamente a ordem em que é apresentada.
As plataformas ampliam essa lógica. Uma parte crescente da atividade deixa de ocorrer em páginas abertas e passa a desenvolver-se dentro de serviços controlados por empresas. Conversar, comprar, orientar-se, ouvir música, ver vídeos, trabalhar ou mostrar-se produzem conteúdos, mas também deixam registos sobre a forma como esses conteúdos são utilizados: quem acede a eles, de onde, durante quanto tempo, em que sequência e com que reação posterior.
A rede começa assim a conter duas camadas de informação diferentes. A primeira é formada pelos textos, imagens, vídeos, programas e mensagens que circulam por ela. A segunda regista as relações entre esses conteúdos e as pessoas que os utilizam: o que procuram, o que escolhem, o que abandonam, o que repetem e o que associam a quê. Uma descreve o que existe na rede; a outra, a maneira como milhões de pessoas a percorrem e lhe atribuem valor.
A diferença decisiva aparece na forma como ambas as camadas são distribuídas. Os conteúdos podem estar repartidos entre milhões de páginas, dispositivos e utilizadores, enquanto os registos do seu uso se concentram principalmente nas empresas que controlam os motores de busca, as plataformas e os centros de dados. Essas organizações não possuem toda a informação da internet, mas acumulam algo que nenhum utilizador pode reconstruir separadamente: uma visão agregada de como milhões de pessoas encontram, relacionam, selecionam e valorizam os conteúdos. Não controlam unicamente uma parte dos arquivos, mas o mapa que conecta a informação com a conduta de quem a utiliza.
31 de dezembro, 23:56 — A vida quotidiana transforma-se em dados
Decorreram trinta e seis anos desde o aparecimento do microprocessador e cerca de dezasseis desde a expansão da World Wide Web. No nosso calendário são 23:56. Em 2007 surge o smartphone moderno: um computador conectado que reúne câmara, microfone, geolocalização, navegação, contactos, pagamentos, entretenimento, trabalho e acesso a serviços dentro de um objeto que acompanha permanentemente o seu utilizador. A computação deixa de ser um lugar a que se vai e começa a converter-se num meio dentro do qual transcorre uma parte crescente da vida quotidiana.
A digitalização já tinha atravessado várias fases. Primeiro foi uma atividade especializada: instituições, empresas e administrações convertiam determinados documentos ou registos em informação que as máquinas pudessem processar. Depois, com o computador pessoal, uma parte crescente do trabalho intelectual começou a nascer diretamente em formato digital. A Internet adicionou outra dimensão: as buscas, os cliques e as escolhas realizadas dentro de determinadas plataformas começaram a deixar informação sobre a conduta dos utilizadores.
O smartphone amplia essa digitalização da conduta até uma nova escala. O registo já não fica limitado aos momentos em que uma pessoa se senta diante de um computador ou entra num serviço concreto. Uma conversa, uma fotografia, uma busca, uma compra, um deslocamento ou uma escolha podem deixar uma pegada digital como parte da própria ação. Ao acompanhar o utilizador durante todo o dia, o dispositivo conecta essas atividades com a sua hora, a sua localização, a sua sequência e o contexto em que ocorrem. A vida quotidiana começa assim a produzir não só conteúdos, mas também uma representação cada vez mais contínua de quem os gera e utiliza.
A diferença entre as duas formas de digitalização é decisiva. A digitalização da cultura produz textos, imagens, música, programas, mensagens e vídeos. A digitalização da conduta regista as relações que se estabelecem em torno deles. Uma fotografia pode ficar associada a uma data, um lugar, uma pessoa e uma descrição. Uma busca conserva a pergunta, os resultados mostrados e a escolha realizada. Um percurso deixa posições, horários e destinos. Uma música, um vídeo ou uma notícia podem ser vinculados ao tempo de atenção, ao abandono, à repetição e à reação posterior. Já não se regista unicamente que conteúdo existe, mas também como circula, quem o utiliza e o que faz depois.
Durante quase toda a história da humanidade, produzir um registo duradouro foi uma atividade minoritária. Com a Internet e o smartphone, milhares de milhões de pessoas tornam-se simultaneamente produtoras de textos, imagens, vídeos, mensagens e programas, mas também de informação sobre as suas preferências, percursos, relações e decisões. Não entram nas plataformas para construir conjuntos de dados, mas para comunicar, trabalhar, comprar, orientar-se, entreter-se ou mostrar-se. No entanto, ao fazê-lo geram continuamente uma quantidade de conteúdos, associações, escolhas e respostas que nenhuma instituição anterior tinha podido reunir a essa escala.
Essa produção está extraordinariamente distribuída, mas o seu registo não está. Os conteúdos podem circular entre milhões de utilizadores e serviços, enquanto a informação sobre a conduta se concentra principalmente nas empresas que controlam as plataformas, os sistemas operativos, os motores de busca e os centros de dados. Milhões de pessoas produzem os sinais; um número muito reduzido de organizações conserva a possibilidade de os reunir, relacionar e analisar como um conjunto.
31 de dezembro, 23:57 — A máquina aprende com os exemplos
Decorreram apenas cinco anos desde o aparecimento do smartphone moderno. No nosso calendário são já 23:57. Até então, os programas executavam instruções formuladas de forma explícita: para resolver uma tarefa, alguém devia descrever que propriedades procurar e que resposta produzir. Este método funcionava em problemas redutíveis a regras precisas, mas encontrava um limite em capacidades como reconhecer um rosto ou identificar um objeto, que as pessoas exercem sem poder enumerar todas as operações necessárias para o conseguir.
A aprendizagem automática propõe uma via diferente. Em vez de introduzir uma descrição completa da capacidade, fornece-se ao sistema uma grande quantidade de exemplos. A máquina produz uma resposta, compara-a com o resultado correto e modifica os seus parâmetros para reduzir o erro. Ao repetir o processo sobre milhões de casos, encontra regularidades que pode aplicar a imagens que nunca tinha visto.
Em 2012, a AlexNet demonstra o alcance deste procedimento. A rede é treinada com aproximadamente 1,2 milhões de imagens da ImageNet, distribuídas entre mil categorias e classificadas previamente por pessoas. Para cada imagem, calcula a que categoria poderia pertencer, compara a sua resposta com a etiqueta correta e ajusta as suas conexões internas. Através dessa repetição, aprende a reconhecer contornos, texturas, partes e configurações cada vez mais complexas sem que ninguém tenha de as descrever uma a uma.
A ideia de treinar redes neuronais não era nova. O que muda é a escala disponível. As câmaras digitais e a internet tinham produzido e reunido milhões de imagens; o trabalho humano de classificação tinha-as convertido em exemplos utilizáveis; os processadores gráficos permitiam realizar em paralelo uma quantidade de cálculos antes inatingível. A AlexNet aparece quando o arquivo digital, a sua organização e a capacidade de o processar atingem conjuntamente um limiar suficiente para produzir resultados muito superiores aos anteriores.
A consequência vai além do reconhecimento de imagens. Uma coleção suficientemente grande de arquivos classificados pode ser utilizada para gerar uma capacidade que não estava escrita explicitamente em nenhum deles. Nenhuma fotografia explica por si só como reconhecer todas as imagens semelhantes; essa capacidade surge das relações que o sistema constrói ao comparar milhões de casos.
A informação digital deixa assim de ser unicamente aquilo que um programa armazena, ordena ou transforma seguindo instruções previamente definidas. Pode converter-se num conjunto de exemplos que modifica o próprio sistema até permitir-lhe responder a casos novos. A capacidade já não tem de ser descrita por completo de antemão: pode ser construída a partir de regularidades encontradas nos dados.
31 de dezembro, 23:58 — A linguagem transforma-se em treino
Cinco anos depois da AlexNet, em 2017, o nosso calendário marca as 23:58. A aprendizagem por exemplos tinha demonstrado que uma máquina podia adquirir capacidades difíceis de expressar através de regras, mas continuava a depender de uma intervenção humana dispendiosa: para classificar imagens, cada fotografia devia estar previamente associada a uma categoria correta. Aplicar o mesmo procedimento a uma parte significativa da cultura teria exigido rotular manualmente uma quantidade inatingível de palavras, frases e textos.
A linguagem colocava ainda uma dificuldade distinta. Uma palavra não possui um significado que possa ser determinado de forma isolada, mas depende das relações que mantém com as demais. A sua função muda segundo a frase em que aparece, o parágrafo que a precede ou uma referência introduzida muito antes. Para processar a linguagem, uma máquina precisa de representar não só cada unidade, mas também como umas modificam o sentido de outras dentro de cada contexto.
Em 2017 surge uma nova arquitetura projetada para resolver esse problema: o Transformer. Em vez de processar o texto unicamente como uma sucessão de palavras, introduz um mecanismo de atenção que calcula que relações são relevantes para interpretar cada uma. O texto é dividido em unidades representadas por números, e cada unidade pode relacionar-se com o sujeito da frase, com um pronome escrito várias linhas antes ou com outro termo que altera o seu sentido. Ao repetir esta operação em diferentes camadas, o modelo constrói representações cada vez mais complexas das dependências gramaticais, concetuais e estruturais que percorrem o texto.
A sua importância não reside unicamente em representar melhor o contexto. A arquitetura permite calcular muitas relações simultaneamente e distribuir o trabalho entre numerosos processadores. Em comparação com sistemas que deviam percorrer o texto passo a passo, pode ser ampliada com maior facilidade para modelos maiores e para quantidades de linguagem muito superiores. Mas ainda falta resolver de onde obter as respostas corretas necessárias para os treinar.
A própria linguagem digital proporciona a solução. Ao contrário de uma fotografia, que necessita de uma etiqueta adicionada para indicar o que contém, um texto conserva dentro de si a sequência que deve ser aprendida. Pode-se mostrar ao modelo uma parte e pedir-lhe que preveja qual será a seguinte, ou esconder uma unidade e exigir-lhe que a reconstrua. A resposta já se encontra no documento original. Cada texto pode converter-se assim numa sucessão de exercícios sem que uma pessoa tenha de classificar manualmente cada frase.
Para reduzir os seus erros, o modelo deve descobrir que palavras costumam aparecer juntas, como se constroem as orações, que conceitos mantêm relações estáveis, como se desenvolve uma explicação ou que estrutura adota um argumento. Ninguém introduz uma lista completa dessas regularidades. O sistema modifica os seus parâmetros ao comparar cada previsão com a continuação real e, depois de repetir o processo sobre quantidades imensas de texto, incorpora relações que pode aplicar a sequências que nunca tinha encontrado.
O treino não introduz os documentos dentro da máquina como uma biblioteca que depois possa ser consultada exemplar por exemplar. Ajusta uma estrutura de parâmetros para reproduzir regularidades presentes no conjunto: associações entre conceitos, formas sintáticas, estilos, dependências entre fragmentos e procedimentos expressos através de palavras.
A expansão da informação digital é, por isso, indispensável. Durante décadas tinham-se produzido livros, artigos, manuais, páginas web, programas, repositórios de código, conversas, traduções e explicações com finalidades muito distintas. Esses materiais não tinham sido criados para treinar uma inteligência artificial, mas para investigar, ensinar, informar, vender, discutir, colaborar ou resolver problemas. Ao ficarem disponíveis em formato digital, podiam ser reunidos e processados a uma escala que nenhuma coleção elaborada expressamente para ensinar uma tarefa teria podido alcançar.
O arquivo digital deixa então de ser unicamente um depósito que uma máquina pode armazenar, ordenar ou consultar. Torna-se a matéria com a qual se pode construir uma capacidade linguística geral. A escrita tinha separado o conhecimento da memória daqueles que o possuíam; a imprensa tinha multiplicado as suas cópias; a internet tinha-as ligado dentro de uma rede global. O Transformer permite agora processar uma parte desse arquivo e ajustar uma estrutura capaz de produzir uma nova capacidade a partir das regularidades nele acumuladas.
31 de dezembro, 23:59 — A linguagem transforma-se em instrução
Apenas três anos depois, em 2020, o nosso calendário marca as 23:59: falta um minuto para a meia-noite. A arquitetura Transformer tinha permitido treinar modelos cada vez maiores sobre enormes quantidades de texto. No entanto, dispor de uma capacidade linguística geral não resolvia por si só como aplicá-la a tarefas concretas. Traduzir, resumir, classificar ou responder a perguntas continuava a exigir habitualmente ajustar o modelo, adicionar componentes específicos ou prepará-lo de novo para cada função.
Em 2020 aparece o GPT-3, um modelo linguístico de grande escala construído sobre essa arquitetura. A sua contribuição decisiva consiste em mostrar que uma mesma estrutura pode deduzir que tarefa deve realizar a partir do texto que recebe. Não necessita que cada função seja incorporada através de um novo treino: a instrução, os exemplos e o resultado esperado podem ser incluídos dentro do próprio contexto.
Se lhe forem mostradas várias frases juntamente com as suas traduções, pode continuar o padrão com uma nova. Se receber um texto acompanhado de um resumo, pode tentar resumir outro. Se lhe forem apresentados exemplos associados a diferentes categorias, pode classificar um caso posterior. O modelo não modifica os seus parâmetros enquanto realiza estas tarefas. Interpreta as relações presentes no contexto e orienta temporalmente para elas uma capacidade adquirida durante o treino.
O GPT-3 não converte, portanto, uma máquina em muitas máquinas diferentes. Converte uma mesma capacidade linguística numa base a partir da qual podem ser definidas funções diferentes através da linguagem. A tarefa deixa de depender exclusivamente de uma programação ou de um ajuste prévio e pode ser formulada dentro da própria entrada que o sistema recebe.
A linguagem adquire assim uma nova função. Tinha sido primeiro o material do qual o modelo aprendia; agora torna-se também o meio com que se dirige o seu comportamento. Durante a etapa industrial, mudar a função de uma máquina exigia modificar o seu mecanismo. Com o computador programável bastava substituir o programa. Com o GPT-3, uma parte da função pode ser configurada descrevendo em linguagem comum que resultado se procura, que condições deve respeitar e que exemplos deve seguir.
No entanto, prever uma continuação provável não equivale ainda a responder adequadamente a um pedido. O arquivo digital contém explicações rigorosas e erros, instruções úteis e fragmentos contraditórios, conversas cooperativas e agressões. Ter aprendido as suas regularidades permite produzir linguagem coerente, mas não determina por si só que tipo de resposta deve ser oferecida a uma intenção concreta.
Para converter essa capacidade geral numa ferramenta, é necessária uma nova intervenção humana. Preparam-se exemplos de instruções e respostas, comparam-se diferentes saídas e indica-se quais são mais úteis, claras ou seguras. O treino inicial tinha permitido aprender que continuações eram prováveis dentro da linguagem; o ajuste posterior incorpora critérios sobre quais são preferíveis quando alguém formula um pedido.
Neste ponto reaparece a segunda camada de informação gerada pela digitalização. As escolhas, correções e valorizações humanas podem ser transformadas em exemplos com os quais se orienta o comportamento do modelo. Uma pessoa compara duas respostas, assinala um erro ou mostra como deveria ser resolvida uma tarefa, e essa intervenção fornece informação que não estava contida unicamente nos textos originais. Nem toda a conversa é utilizada para treinar os sistemas nem toda a ação do utilizador cumpre essa função, mas as reações humanas podem ser empregadas para decidir como deve ser aplicada uma capacidade construída previamente a partir do arquivo cultural.
Em 30 de novembro de 2022, o ChatGPT é tornado público. A conversação leva um passo mais além a possibilidade aberta pelo GPT-3. A tarefa já não tem de ser definida por completo numa única instrução: pode ser construída de forma progressiva. O utilizador solicita um resultado, observa-o, corrige o que não funciona, adiciona condições e continua a partir da resposta anterior. Cada mensagem modifica o contexto a partir do qual será produzida a seguinte.
A abertura ao público muda também a escala em que essa capacidade é explorada. Milhões de pessoas começam a utilizar o sistema para redigir, traduzir, programar, explicar, classificar, desenhar, resumir ou reorganizar informação. Os seus pedidos revelam aplicações, erros e limites que os desenvolvedores não poderiam ter enumerado por completo de antemão. O modelo deixa de ser testado unicamente em tarefas preparadas e entra em contacto com problemas reais, intenções diversas e formas imprevistas de as formular.
Durante os anos seguintes, esta lógica expande-se para imagens, som e vídeo, e os modelos são conectados com motores de busca, bases de dados, programas e outras ferramentas. A linguagem deixa de servir unicamente para solicitar uma resposta textual. Pode expressar um objetivo que o sistema divide em operações, executa através de recursos diferentes e revê segundo os resultados obtidos.
A abertura pública adiciona além disso uma nova fonte de informação. O sistema já não se confronta unicamente com materiais produzidos anteriormente, mas com milhões de pedidos, reformulações e avaliações geradas durante o seu uso. Nem toda a conversação é incorporada diretamente no treino, mas o conjunto das interações permite descobrir que tarefas interessam, onde o modelo falha e que resultados as pessoas esperam. A sociedade tinha fornecido o arquivo cultural do qual aprendeu; agora começa também a fornecer o mapa das suas possíveis aplicações.
A chegada da meia-noite
Ao chegar à meia-noite, o modelo já pode traduzir, explicar, classificar, programar ou produzir imagens a partir de uma mesma estrutura. Essas capacidades não surgiram de uma regra única nem de um procedimento descrito de antemão, mas do processamento conjunto de quantidades imensas de textos, programas, imagens, exemplos e avaliações. O que antes aparecia distribuído entre atividades, profissões e pessoas distintas pode agora ser reunido num sistema capaz de o aplicar a situações novas.
Mas essa capacidade não se origina dentro da máquina nem pode ser sustentada à margem do mundo de onde procede. A inteligência artificial depende de uma sociedade que continue a produzir linguagem, conhecimento, acontecimentos, problemas, imagens e critérios com os quais interpretar os seus resultados. Não gera por si só a realidade da qual aprende nem decide o que deve ser considerado verdadeiro, útil ou valioso. Necessita de materiais anteriores a ela e de novas intervenções que assinalem erros, formulem objetivos e definam que tipo de resposta se espera. A sociedade não é apenas o contexto em que o sistema funciona: é a fonte contínua daquilo que pode aprender.
Mas a necessidade da sociedade como conjunto não garante a necessidade de cada indivíduo. Para construir uma capacidade de tradução foram necessárias gerações de falantes, escritores e tradutores; para aplicá-la a um documento concreto pode bastar uma instrução. O modelo necessitou de programas escritos por inúmeras pessoas, mas não precisa de recorrer novamente a cada programador quando produz uma função. Necessitou de imagens, descrições e critérios criados por uma multidão, embora possa gerar uma peça nova sem convocar aqueles que contribuíram com os materiais dos quais aprendeu.
O coletivo e o individual começam a separar-se de forma decisiva. O sistema pode depender cada vez mais da produção conjunta da sociedade e, ao mesmo tempo, depender cada vez menos de qualquer um dos seus integrantes individualmente. A sociedade continua a ser indispensável como origem do conhecimento; uma pessoa concreta pode deixar de o ser para aplicar uma parte desse conhecimento.
A produção que alimenta os modelos encontra-se extraordinariamente distribuída. Universidades, administrações, meios de comunicação, editoras, empresas, comunidades técnicas e milhões de utilizadores escrevem, traduzem, programam, fotografam, classificam, corrigem e avaliam sem fazer parte de um projeto comum. Cada um publica um texto, responde a uma pergunta, partilha um programa ou corrige um resultado para resolver uma necessidade própria. Raramente conhece a relação que essa atividade acabará por ter com uma capacidade construída posteriormente em grande escala.
A possibilidade de reunir essas contribuições não está distribuída da mesma maneira. Treinar e operar os maiores modelos requer enormes conjuntos de informação, processadores especializados, centros de dados, energia, pessoal técnico e recursos financeiros. A produção cultural e comportamental procede de uma multidão, mas a infraestrutura capaz de a transformar numa capacidade geral fica concentrada num número muito reduzido de organizações.
Aqueles que controlam essa infraestrutura podem transformar uma produção coletiva num serviço cujas condições decidem: quem acede a ele, quanto custa, que funções incorpora, que limites impõe e para que aplicações se desenvolve. As pessoas que produziram os materiais não adquirem por isso uma participação equivalente no sistema construído a partir deles. A contribuição fica distribuída; a capacidade de a organizar, processar e decidir sobre o seu uso concentra-se cada vez mais.
A abertura pública dos modelos prolonga essa assimetria. Os utilizadores levantam problemas, descobrem aplicações, encontram erros e mostram que resultados consideram aceitáveis. Cada um tenta resolver a sua própria tarefa, mas a soma de milhões de interações revela um mapa geral: que usos se repetem, onde o sistema falha, que funções encontram procura e que capacidades convém ampliar. Nenhum utilizador pode reconstruir sozinho esse mapa; as organizações que operam o serviço podem observá-lo de forma agregada.
Nem toda a conversação é incorporada diretamente no treino, mas o uso público produz conhecimento sobre o próprio sistema. A sociedade não tinha gerado apenas os textos, imagens e programas dos quais aprendeu. Agora gera também as situações através das quais se descobre como pode ser aplicado, onde precisa de ser corrigido e para que funções pode ser desenvolvido.
A relação adota assim uma forma circular. A sociedade produz cultura, conhecimento, comportamento e avaliações. Um número reduzido de organizações reúne uma parte dessa atividade e a transforma numa capacidade do modelo. Depois devolve essa capacidade como um serviço cujo uso produz novos sinais para corrigi-la, ampliá-la e encontrar mais aplicações. O sistema continua a necessitar da participação coletiva, mas cada melhoria pode reduzir a necessidade de indivíduos concretos nas tarefas que aprende a realizar.
A inteligência artificial não elimina a sua dependência da sociedade. Reorganiza-a. As pessoas contribuem como multidão, muitas vezes sem conhecer o destino técnico da sua atividade; as organizações que reúnem essas contribuições podem observá-las como um conjunto, processá-las através de uma infraestrutura própria e decidir como a capacidade resultante será utilizada. A sociedade fornece a escala; poucas organizações concentram a possibilidade de a converter em poder técnico.
A meia-noite não representa o instante em que a máquina deixa de precisar da humanidade. Representa o momento em que a necessidade coletiva da humanidade pode separar-se da necessidade de cada ser humano concreto. Durante quase todo o ano, a técnica ampliou o que as pessoas podiam fazer. No último minuto começou a reconstruir, dentro de uma infraestrutura concentrada, capacidades que antes permaneciam distribuídas entre milhões delas.
A pergunta que a meia-noite abre já não é unicamente quanto a máquina poderá fazer, mas que posição conservarão aqueles que produzem coletivamente aquilo que depois pode ser utilizado sem eles.