⌬ Será preciso ter um pé de cada lado (IV)

BARCINO ○ Usuari no identificat Temps estimat de lectura: 52 min Ajuda Funcions disponibles per a usuaris registrats. Entrar / Registrar-se

Català |

English | ⌬ ATP

IV. A face oculta da Inteligência Artificial

Quando a inteligência que nos ajuda a olhar também decide o que podemos ver

Os três primeiros artigos desta série nasceram de uma pergunta que inicialmente parecia geopolítica: o que pode significar para o futuro da Inteligência Artificial que os Estados Unidos e a China avancem em direção à construção de ecossistemas tecnológicos cada vez mais diferenciados? Aquela pergunta nos levou progressivamente mais longe. Dos semicondutores, das infraestruturas, da energia e das estratégias das grandes potências, chegamos a um território muito mais próximo de cada um de nós: a maneira como essas novas inteligências começam a intermediar nossa relação com o conhecimento. Daí surgia a ideia que deu nome a toda a série: diante de arquiteturas cognitivas diferentes, preservar a capacidade de nos relacionarmos com mais de uma amplia o espaço a partir do qual podemos observar, contrastar e construir critério próprio.

Poucos dias depois de completar aquele percurso, o trabalho cotidiano com diferentes sistemas de Inteligência Artificial acrescentou uma nova dimensão àquela reflexão. Algumas experiências vividas durante o desenvolvimento de projetos que exigem continuidade, memória, pesquisa e uma relação intensa com essas ferramentas colocaram diante de nós questões que até então havíamos observado principalmente de fora. As condições de acesso a um sistema, a previsibilidade de seu funcionamento, a informação disponível sobre as restrições que podem surgir, os critérios com os quais seleciona as fontes e a maneira como constrói uma resposta fazem parte de uma mesma arquitetura. Quando essa arquitetura ocupa uma posição cada vez mais importante entre a pessoa e o conhecimento, compreendê-la amplia também nossa capacidade de decisão.

Este quarto artigo nasce dessa experiência. Seu ponto de partida encontra-se diante de uma tela e em uma relação cotidiana com ferramentas extraordinariamente poderosas que já participam ativamente de processos de pesquisa, desenvolvimento, escrita, programação, contraste e construção de conhecimento. Observar de perto essa relação permite descobrir que a qualidade de uma Inteligência Artificial incorpora dimensões muito diferentes: a precisão de suas respostas e a potência de seus modelos, mas também a transparência das condições sob as quais opera, a previsibilidade que oferece a quem lhe confia uma parte de seu trabalho e a possibilidade de compreender o percurso por meio do qual uma realidade complexa acaba convertida em algumas linhas diante de nossos olhos.

Entre a realidade e a resposta existe uma arquitetura que seleciona, hierarquiza, relaciona, contextualiza e formula. Conhecê-la amplia nossa capacidade de utilizar a Inteligência Artificial com critério próprio. Quando dispomos, além disso, de diversas inteligências construídas sobre arquiteturas, fontes, culturas empresariais e ambientes políticos diferentes, o contraste entre elas pode converter-se em uma nova ferramenta de conhecimento. A pergunta que se abre afeta diretamente nossa maneira de pensar: o que podemos chegar a descobrir quando, além de olhar aquilo que uma Inteligência Artificial nos mostra, começamos a observar também a partir de onde ela está nos mostrando?

1. Este artigo não estava previsto

Este quarto artigo não estava previsto. Os três primeiros haviam levado o percurso até o conceito de soberania cognitiva: conservar na pessoa a capacidade de escolher as fontes e as inteligências com as quais se relaciona, contrastar perspectivas e assumir a responsabilidade última sobre seu próprio julgamento. A continuação apareceu poucos dias depois, durante o trabalho cotidiano.

Há algum tempo utilizo intensamente diferentes sistemas de Inteligência Artificial e, de maneira particular, o ChatGPT, desenvolvido pela OpenAI. A relação com essas ferramentas foi adquirindo profundidade à medida que suas capacidades permitiam incorporá-las a processos cada vez mais complexos. Uma conversa podia começar com uma reflexão conceitual, continuar com uma pesquisa, converter-se na estrutura de um artigo, desembocar em uma decisão de design ou de programação e ser retomada dias depois conservando uma parte importante do contexto acumulado. A IA começava, assim, a ocupar um espaço estável dentro de um processo de trabalho que combina pesquisa, escrita, desenvolvimento tecnológico, contraste de informação e construção de conhecimento.

Nesse contexto surgiram restrições que afetavam a continuidade do trabalho. Algumas conversas chegavam a limites que impediam continuar desenvolvendo-as, determinadas condições de uso podiam variar e a informação disponível para compreender com precisão a origem, o alcance ou a duração de algumas dessas restrições era insuficiente a partir da posição do usuário. O fato material era observável: um processo que havia acumulado contexto, decisões e conhecimento podia encontrar-se subitamente diante de uma condição que alterava a maneira de continuá-lo. A causalidade interna que havia produzido aquela situação permanecia fora do alcance imediato de quem a experimentava.

A OpenAI administra uma arquitetura técnica, políticas de produto, mecanismos de segurança, recursos computacionais e regras destinadas a gerir um serviço utilizado por milhões de pessoas. Esses elementos geram limites, prioridades e condições de acesso. Do outro lado da tela, o usuário recebe principalmente o resultado visível dessas decisões. A informação sobre a origem, a duração e as alternativas disponíveis diante de uma restrição determina a capacidade de incorporá-la às próprias decisões. Quando essa informação é parcial, aparece uma assimetria: uma parte conhece a arquitetura que produz a decisão e a outra conhece principalmente suas consequências.

Essa assimetria abriu uma nova pergunta. Os três artigos anteriores haviam observado as grandes arquiteturas de Inteligência Artificial a partir da geopolítica, do poder e do conhecimento. Agora uma parte daquele problema aparecia diante de nós em escala individual: o que acontece quando uma ferramenta que participa de maneira crescente de nossos processos de conhecimento funciona sob condições que só podemos compreender parcialmente? A teoria havia entrado, literalmente, pela porta de casa.

2. Quando uma ferramenta de trabalho se converte em infraestrutura

Uma ferramenta resolve uma função concreta. Uma infraestrutura ocupa uma posição mais profunda: outras atividades começam a se organizar contando com sua existência. Essa diferença ajuda a compreender a transformação que está ocorrendo na relação entre muitas pessoas e a Inteligência Artificial. Quando um sistema participa cotidianamente de processos de pesquisa, programação, documentação, escrita, organização de projetos, recuperação de decisões anteriores e desenvolvimento de conhecimento, começa a fazer parte da arquitetura sobre a qual essas atividades se desenvolvem.

A construção do CIATP permitiu-me experimentar essa transformação com especial intensidade. A Inteligência Artificial participa do desenvolvimento conceitual do projeto e de aspectos de sua arquitetura tecnológica; ajuda a revisar decisões anteriores, relacionar ideias surgidas em momentos diferentes, desenvolver funcionalidades, examinar incidentes, preparar documentação e contrastar hipóteses. Uma parte importante de seu valor provém da continuidade: cada decisão pode conectar-se às anteriores e cada nova fase pode aproveitar o conhecimento acumulado durante o percurso. A IA adquire, assim, uma função que combina assistência, memória contextual, capacidade analítica e instrumento de desenvolvimento.

Essa integração amplia os critérios com os quais convém avaliar um sistema. Potência, velocidade, capacidade de raciocínio, dimensão do contexto, multimodalidade e qualidade das respostas convivem com outras dimensões decisivas: estabilidade, previsibilidade, continuidade, portabilidade do conhecimento acumulado, compreensibilidade das regras e capacidade do usuário para antecipar as consequências de uma mudança. Uma infraestrutura cognitiva madura combina capacidade intelectual com condições operacionais que permitem construir processos duradouros ao seu redor.

O conhecimento acumulado dentro dessa relação adquire valor com o tempo. Conversas, memórias, projetos, instruções, metodologias e formas de trabalho constituem uma espécie de capital cognitivo: cada nova interação acrescenta contexto, reduz o tempo necessário para reconstruir antecedentes e permite trabalhar sobre estruturas progressivamente mais complexas. A localização desse capital estabelece também uma relação de dependência, porque a continuidade do trabalho fica vinculada às condições sob as quais aquela arquitetura continua disponível.

Aqui aparece uma dimensão do poder tecnológico especialmente significativa. A qualidade de uma infraestrutura cognitiva incorpora a continuidade, a previsibilidade e a compreensibilidade das condições sob as quais pode ser utilizada. Quanto mais profundamente integramos uma tecnologia em nossa arquitetura de trabalho, mais relevante se torna nossa capacidade de compreender o terreno sobre o qual estamos construindo.

3. As restrições que o usuário não consegue explicar

Durante o desenvolvimento do CIATP, algumas conversas com o ChatGPT haviam acumulado uma quantidade considerável de contexto: decisões arquitetônicas, critérios metodológicos, funcionalidades desenvolvidas, incidentes resolvidos, prioridades e passos pendentes. Em determinados momentos, a continuidade dessas conversas ficou condicionada por limites do sistema que apareciam durante o processo de trabalho. A transferência para uma nova conversa permitia continuar, mas exigia reconstruir uma parte do contexto e aumentava o risco de perder nuances, repetir decisões ou introduzir incoerências em relação ao trabalho anterior.

A questão relevante aparecia na informação disponível para compreender o que havia acontecido. A partir da perspectiva do usuário, era difícil determinar com precisão qual combinação de fatores havia ativado o limite, qual capacidade real permanecia disponível, qual relação existia com o volume acumulado da conversa, qual continuidade podia ser esperada em outras conversas ou quais condições poderiam ser modificadas posteriormente. A plataforma mostrava o efeito enquanto uma parte relevante da causalidade continuava situada dentro da arquitetura interna do provedor.

Essa situação permite distinguir entre a restrição e a percepção de arbitrariedade. Uma infraestrutura complexa administra recursos e estabelece condições de funcionamento. Quando o usuário conhece essas condições, pode incorporá-las ao seu planejamento, antecipar seus efeitos e construir alternativas. Quando a causalidade fica parcialmente fora de seu campo de visão, a descontinuidade torna-se difícil de prever. A visibilidade limitada sobre as causas de uma restrição faz com que o usuário a experimente como arbitrária.

Essa questão adquire uma importância especial em serviços que se convertem em espaços de trabalho persistentes. Uma empresa que integra um modelo em seus processos, um pesquisador que nele desenvolve uma linha de trabalho, um programador que acumula decisões durante semanas ou uma pessoa que constrói um projeto intelectual de longo percurso necessitam conhecer o terreno sobre o qual trabalham, as condições que podem afetar sua continuidade e os mecanismos disponíveis diante das mudanças. A confiança em uma infraestrutura constrói-se também sobre essa capacidade de antecipação.

A experiência concreta com a OpenAI permite observar, assim, um problema geral que afetará qualquer grande provedor de Inteligência Artificial. À medida que essas tecnologias avancem em direção à função de infraestrutura cognitiva, a relação entre provedor e usuário incorporará uma responsabilidade informativa crescente. A potência do modelo determinará uma parte de seu valor; a transparência operacional contribuirá para determinar a confiança que podemos depositar na arquitetura que o sustenta.

Por trás de cada restrição visível existem mecanismos que o usuário conhece em diferentes graus. Por trás de cada resposta existe também uma arquitetura que seleciona, ordena e interpreta informação antes de apresentá-la. A experiência operacional havia nos conduzido, assim, até a superfície de um problema mais profundo: quanta parte da arquitetura que intervém entre nós e a Inteligência Artificial podemos realmente chegar a ver?

4. Saber o que acontece e compreender por que acontece

Uma infraestrutura tecnológica complexa contém espaços que o usuário conhece com diferentes graus de profundidade. Nos sistemas de Inteligência Artificial, essa diferença adquire uma importância especial porque uma parte crescente de nossa atividade pode depender de processos que funcionam por trás de uma interface extraordinariamente simples. Escrevemos, perguntamos, anexamos documentos, desenvolvemos projetos e recebemos respostas. Entre essa experiência visível e a arquitetura que a torna possível existem modelos, sistemas de gestão de recursos, políticas de uso, mecanismos de segurança, critérios comerciais e decisões de produto que condicionam o funcionamento do conjunto.

Podemos chamar de zonas obscuras de informação aquelas áreas da arquitetura que produzem consequências perceptíveis para o usuário enquanto a informação disponível permite compreender apenas parcialmente sua causalidade. A obscuridade descreve aqui uma diferença de visibilidade. O provedor dispõe do conhecimento sobre a estrutura interna do sistema, os recursos disponíveis, as regras aplicadas, as mudanças introduzidas e os critérios que governam determinadas decisões; o usuário observa o comportamento resultante e tenta reconstruir suas causas a partir da informação que recebe.

Essa diferença de visibilidade determina capacidades diferentes. Conhecer qual mecanismo foi ativado, qual relação mantém com o modelo ou com o produto utilizado, qual duração pode ter, quais circunstâncias podem reproduzi-lo e quais alternativas permitem preservar a continuidade transforma um incidente em uma condição compreensível da arquitetura. A informação amplia a capacidade de antecipar, planejar e decidir. A informação parcial deixa uma parte da causalidade fora do campo de observação do usuário.

Essa assimetria constitui uma relação de poder no sentido mais elementar do termo. O provedor conhece a arquitetura; o usuário experimenta as consequências. Quem conhece as regras dispõe de uma capacidade superior para antecipar os efeitos e administrar as mudanças. Quem conhece principalmente os efeitos constrói suas decisões sobre um território parcialmente visível. Quando a infraestrutura participa de processos profissionais, empresariais, científicos ou intelectuais, essa diferença pode condicionar decisões, investimentos, tempo e continuidade.

As zonas obscuras de informação convertem-se, assim, em uma questão estrutural da era da Inteligência Artificial. Sua importância crescerá no mesmo ritmo que a integração dessas tecnologias em nossas atividades. Compreender as condições sob as quais uma infraestrutura opera amplia a capacidade do usuário para administrar sua dependência, construir alternativas e decidir qual papel concede a cada provedor dentro de sua própria arquitetura de trabalho.

5. A transparência também faz parte da qualidade

A competição entre modelos de Inteligência Artificial construiu uma cultura de medição extraordinariamente sofisticada. Observamos capacidade de raciocínio, qualidade de programação, contexto disponível, multimodalidade, velocidade, custo de inferência, desempenho em matemática, precisão científica e resultados em todo tipo de benchmarks. Essas medidas permitem comparar sistemas e acompanhar uma evolução tecnológica que avança a uma velocidade excepcional. À medida que a IA se converte em infraestrutura, a qualidade incorpora também dimensões diretamente relacionadas com a confiança operacional: previsibilidade, transparência, continuidade e capacidade do usuário para compreender as condições sob as quais trabalha.

Essa ampliação do conceito de qualidade modifica a maneira como podemos comparar os sistemas. Um modelo que se destaque menos em determinadas capacidades técnicas pode proporcionar mais valor em alguns ambientes quando oferece condições estáveis, compreensíveis e compatíveis com uma arquitetura que permite preservar dados, contexto e continuidade. Uma capacidade técnica extraordinária adquire todo o seu valor operacional quando o usuário pode integrá-la dentro de um processo que compreende e pode planejar. A potência determina aquilo que uma infraestrutura é capaz de fazer; a previsibilidade e a transparência contribuem para determinar a solidez daquilo que podemos construir sobre ela.

Esse critério afeta qualquer empresa que aspire a converter seus modelos em infraestrutura cognitiva para pessoas, empresas ou instituições. OpenAI, Google, Anthropic, xAI, Alibaba, DeepSeek e os atores que surgirem durante os próximos anos competirão também por algo mais difícil de quantificar do que os resultados de um benchmark: a confiança necessária para que outros atores decidam construir processos duradouros sobre suas arquiteturas. Essa confiança se desenvolve por meio da experiência acumulada, da qualidade das respostas, da continuidade do serviço e da compreensão que o usuário pode adquirir sobre as regras que governam a relação.

A transparência operacional converte-se, assim, em uma dimensão do poder tecnológico. Um provedor capaz de explicar com clareza as condições de sua infraestrutura proporciona aos seus usuários maior capacidade para tomar decisões próprias. Essa capacidade gera confiança, e a confiança pode acabar sendo um ativo tão importante quanto a própria sofisticação do modelo. Em uma tecnologia destinada a penetrar progressivamente nos processos por meio dos quais trabalhamos, pesquisamos e construímos conhecimento, compreender o terreno sobre o qual construímos fará parte da qualidade daquilo que podemos chegar a construir.

6. Da restrição operacional a uma pergunta mais profunda

A experiência com as restrições operacionais permite descobrir uma primeira camada de opacidade e abre uma pergunta que vai muito mais longe. Uma parte dos mecanismos que determinam as condições sob as quais utilizamos uma Inteligência Artificial fica situada dentro da arquitetura do provedor. O mesmo olhar pode ser aplicado aos mecanismos que intervêm na construção das respostas que recebemos. A questão passa, então, da continuidade do serviço para a própria natureza da intermediação cognitiva.

Quando formulamos uma pergunta a uma Inteligência Artificial, a simplicidade da experiência pode ocultar a complexidade do processo. Escrevemos algumas palavras e recebemos uma resposta coerente que relaciona antecedentes, estabelece causalidades, incorpora dados e formula conclusões. Essa imediatez constitui uma das grandes virtudes da tecnologia: concentra em segundos operações que anteriormente podiam exigir horas de pesquisa, seleção, leitura e síntese. Uma parte considerável do percurso entre a pergunta e o conhecimento chega já elaborada diante de nós.

Essa capacidade situa o sistema em uma posição especialmente relevante e introduz uma pergunta inevitável: até que ponto conhecemos os mecanismos que determinam o que uma Inteligência Artificial nos mostra e a maneira como nos mostra? A resposta envolve as fontes disponíveis, os critérios pelos quais essas fontes adquirem relevância, as instruções que orientam o comportamento do sistema, os mecanismos de alinhamento, as políticas do provedor, o contexto da conversa e os processos por meio dos quais uma quantidade potencialmente enorme de informação acaba convertida em uma resposta concreta.

As zonas obscuras de informação adquirem aqui uma dimensão cognitiva. A primeira experiência havia nos mostrado uma arquitetura que estabelecia condições operacionais conhecidas apenas parcialmente pelo usuário. Agora, o mesmo olhar se dirige para a resposta. A dependência tecnológica encontra-se, assim, com a intermediação cognitiva: confiamos uma parte de nosso processo de pesquisa e interpretação a uma arquitetura da qual conhecemos muito melhor o resultado do que o percurso que o produziu.

7. Uma resposta é o final de um processo invisível

Uma resposta de Inteligência Artificial é o resultado visível de um processo formado por múltiplas decisões e transformações. Dependendo do sistema, da consulta e das ferramentas disponíveis, esse processo pode incorporar informação aprendida durante o treinamento, recuperação de documentos, buscas externas, instruções do sistema, contexto fornecido pelo usuário e mecanismos destinados a orientar a geração final. Sobre esse conjunto estabelecem-se relações, determina-se quais elementos são relevantes, ordenam-se antecedentes, constroem-se explicações e formula-se uma resposta adaptada à pergunta apresentada. Conceitualmente, o percurso pode ser representado como uma sucessão de camadas: fontes, seleção, hierarquização, relações, contexto, causalidade, síntese e formulação.

Cada uma dessas camadas participa da interpretação. A seleção determina qual parte da informação disponível entra no campo da resposta; a hierarquização estabelece o que ocupa o centro e o que fica em segundo plano; a contextualização incorpora os antecedentes que ajudam a explicar um fato; a construção causal relaciona ações, atores e consequências; a síntese determina o que é preservado quando uma realidade extensa fica condensada em alguns parágrafos; e a formulação escolhe conceitos, intensidades, nuances e estruturas argumentativas que contribuem para dar significado ao conjunto. A resposta que aparece na tela concentra todas essas operações em um produto aparentemente unitário.

Essa arquitetura permite compreender uma característica essencial do viés cognitivo: a precisão factual e a representação do fenômeno pertencem a dimensões diferentes. Uma resposta pode conter dados corretos e construir uma representação parcial da realidade por meio da seleção dos antecedentes, do peso concedido a cada fator ou da causalidade que articula o conjunto. Dois sistemas podem compartilhar os mesmos fatos essenciais e produzir interpretações sensivelmente diferentes porque organizaram esses fatos de maneira diferente. A divergência aparece, então, na arquitetura que converte informação em significado.

Esse processo tem antecedentes profundamente humanos. Um historiador seleciona documentos; um jornalista hierarquiza fatos; um professor escolhe antecedentes; um pesquisador determina as variáveis relevantes. A Inteligência Artificial concentra operações semelhantes com uma escala, uma velocidade e uma amplitude temática extraordinárias. Essa capacidade multiplica o valor da tecnologia e converte os critérios que organizam suas respostas em uma questão central para compreender o novo ecossistema cognitivo.

A confiança aumenta ainda mais a transcendência do processo. Quando uma Inteligência Artificial acumula respostas úteis, precisas e bem construídas, o usuário desenvolve racionalmente uma confiança crescente em sua capacidade. Essa confiança economiza tempo e permite abordar problemas de uma complexidade superior. A maturidade no uso dessas ferramentas incorpora, portanto, um segundo olhar: observar o conteúdo que recebemos e examinar também a arquitetura que o converteu em resposta.

Quando formulamos perguntas semelhantes a inteligências diferentes, as divergências permitem ver partes desse processo que uma resposta considerada isoladamente mantém invisíveis. Aparecem fontes, antecedentes, silêncios, distribuições de responsabilidade e maneiras diferentes de estabelecer causalidades. A comparação começa a iluminar o processo que existe entre a realidade e a resposta. E é precisamente nesse espaço que o viés pode adquirir formas muito mais sutis do que uma simples falsidade.

8. Selecionar também é interpretar

A forma mais evidente de identificar um viés aparece diante de uma afirmação falsa: podemos contrastá-la com os dados disponíveis, demonstrar o erro e corrigi-lo. A questão adquire maior profundidade quando os fatos presentes em uma resposta são corretos e é a maneira de selecioná-los, ordená-los e relacioná-los que constrói uma determinada representação da realidade. Nesse território, o viés pode conviver perfeitamente com a veracidade de cada uma das afirmações consideradas individualmente.

As experiências recentes comparando respostas de diferentes motores de Inteligência Artificial permitem observar essa questão com especial clareza. Diante de um mesmo fenômeno, os sistemas podem selecionar antecedentes diferentes, atribuir uma importância desigual aos atores envolvidos, dedicar mais espaço a algumas consequências do que a outras ou incorporar espontaneamente determinados elementos de contexto. Também pode variar a intensidade da linguagem: uma mesma ação pode ser descrita como uma decisão, uma pressão, uma resposta, uma imposição ou uma medida de proteção, e cada uma dessas palavras incorpora uma relação diferente entre o fato e a interpretação. O viés atua, assim, sobre a arquitetura dentro da qual os fatos adquirem significado.

A omissão ocupa uma posição particular nesse processo. Qualquer resposta necessita selecionar porque um fenômeno complexo contém mais informação do que pode ser incorporada em alguns parágrafos. Os critérios que governam essa seleção são, portanto, determinantes. Um antecedente ausente pode modificar a compreensão de uma decisão posterior; uma relação causal situada em segundo plano pode alterar o peso atribuído aos diferentes atores; um dado separado de seu contexto temporal pode adquirir um significado diferente. Aquilo que fica fora de uma resposta também faz parte da arquitetura que a produziu, porque os silêncios contribuem para delimitar o território dentro do qual a interpretação é construída.

Examinar uma resposta exige, portanto, dois olhares complementares. O primeiro verifica os fatos. O segundo observa quais antecedentes foram selecionados, quais fontes sustentam a resposta, qual hierarquia foi estabelecida entre os elementos disponíveis, como a causalidade foi construída e quais perspectivas adquiriram centralidade. Esse segundo nível permite compreender a representação da realidade que a resposta está construindo.

9. Quando o equilíbrio deforma a realidade

Entre os mecanismos que intervêm nessa construção há um especialmente sutil: a tendência a distribuir a atenção, as responsabilidades ou os argumentos entre diferentes partes para produzir uma resposta aparentemente equilibrada. Essa prática agrega valor quando a realidade apresenta fatores comparáveis, interpretações legitimamente diferentes ou evidências que distribuem o peso causal. Quando os fatos apresentam uma assimetria profunda, a simetria da formulação pode acabar alterando sua representação.

A causalidade proporciona o critério para restituir as proporções do fenômeno. Diante de um fenômeno, podemos identificar os atores que nele intervêm, reconstruir a sequência temporal, examinar as decisões adotadas, avaliar os recursos disponíveis e observar as consequências produzidas. Esse percurso permite atribuir a cada elemento o peso que as evidências sustentam. O resultado pode ser equilibrado ou profundamente assimétrico. A qualidade da análise reside na correspondência entre essa distribuição e a realidade observada. A independência cognitiva exige atribuir a cada fator o peso que as evidências permitem estabelecer.

Essa questão é especialmente importante em geopolítica, história e política, territórios nos quais os sistemas de Inteligência Artificial operam sobre enormes quantidades de materiais procedentes de ecossistemas informativos que já incorporam seus próprios marcos interpretativos. Uma resposta pode apresentar dois atores como polos equivalentes de uma controvérsia enquanto a sequência causal mostra capacidades, decisões ou responsabilidades muito diferentes. Também pode incorporar uma contrapartida diante da avaliação de um ator, ainda que aquela contrapartida ocupe uma posição secundária na causalidade concreta analisada. O resultado transmite uma sensação de equilíbrio enquanto redistribui o peso causal do fenômeno.

O equilíbrio retórico desfruta de uma aparência de neutralidade. Uma resposta que concede espaços semelhantes às diferentes partes pode parecer prudente, moderada e objetiva. A causalidade introduz uma exigência diferente: a representação conserva as proporções que emergem dos fatos. Quando uma causa concentra uma parte dominante da capacidade explicativa, essa centralidade precisa aparecer na análise. Quando diversos fatores compartilham responsabilidade de maneira comparável, essa pluralidade também precisa estar representada. A objetividade constrói-se por meio da correspondência entre evidência, causalidade e peso argumentativo.

A Inteligência Artificial oferece aqui uma possibilidade extraordinária. Sua capacidade para examinar grandes quantidades de informação permite reconstruir sequências, contrastar fontes, identificar contradições e explorar hipóteses com uma amplitude dificilmente acessível para uma pessoa trabalhando sozinha. Essa capacidade pode converter-se em uma ferramenta poderosa para seguir a causalidade com maior profundidade quando o usuário mantém visível a pergunta sobre os critérios que organizaram a resposta.

O livre pensamento encontra aqui uma disciplina especialmente exigente. A independência permite chegar a conclusões assimétricas quando os fatos as sustentam e revisá-las quando novas evidências modificam a causalidade estabelecida. A realidade ocupa o centro; as fontes, os motores e as interpretações convertem-se em instrumentos para nos aproximarmos dela. Seguir os fatos até compreender a distribuição real das causas que os produziram torna-se, assim, uma exigência aplicável a qualquer Inteligência Artificial que utilizemos.

Essa exigência conduz diretamente ao universo informativo do qual cada resposta se alimenta. Os motores concedem diferentes graus de autoridade e confiança às fontes disponíveis, e essa hierarquia participa da construção do resultado. A fronteira seguinte encontra-se, portanto, nas fontes.

10. A arquitetura invisível das fontes

A qualidade de uma resposta depende também do universo informativo sobre o qual foi construída. Quando uma Inteligência Artificial consulta informação externa, centenas ou milhares de fontes potencialmente acessíveis podem ampliar enormemente o território disponível. Entre tudo aquilo que existe e aquilo que efetivamente chega até a resposta opera, porém, uma arquitetura que seleciona as fontes e determina qual confiança cada uma merece.

Essa seleção incorpora critérios imprescindíveis para uma pesquisa rigorosa: proximidade com a fonte primária, rastreabilidade dos dados, autoridade especializada, atualidade da informação, consistência histórica ou capacidade de comprovar aquilo que é publicado. Também intervêm as possibilidades de acesso, a indexação, a língua, o território, as restrições técnicas e os sistemas de recuperação utilizados pelo motor. A qualidade informativa necessita de hierarquias; compreender como essas hierarquias são construídas permite compreender melhor a resposta que delas resulta.

Essa arquitetura informativa precede a formulação final. Um sistema pode ter potencialmente ao seu alcance uma imensidade de documentos e construir habitualmente suas respostas sobre uma fração muito mais reduzida desse universo. Quando determinadas fontes ocupam sistematicamente posições elevadas de confiança, os marcos, as prioridades e as categorias presentes nessas fontes adquirem também uma probabilidade maior de chegar até o usuário. A própria arquitetura de seleção gera, assim, uma geometria do conhecimento: cria centros, periferias, proximidades e distâncias.

As experiências comparando motores apontam precisamente para essa questão. Uma mesma consulta pode conduzir sistemas diferentes a conjuntos de fontes diferentes e, a partir daí, a construções diferentes do fenômeno. As conclusões podem convergir enquanto os antecedentes, as perspectivas ou as hierarquias divergem. A observação sistemática e reproduzível dessas diferenças permite distinguir progressivamente a variabilidade própria de cada busca das regularidades que podem caracterizar uma determinada arquitetura.

A pergunta adquire, assim, uma formulação concreta: quando uma Inteligência Artificial afirma ter contrastado uma informação, qual universo informativo ela realmente contrastou? Conhecer as fontes citadas constitui uma primeira resposta. Compreender os critérios que fizeram emergir aquelas fontes entre todas as disponíveis nos aproxima de uma questão mais profunda: o processo de seleção que existe entre a imensidade da informação disponível e as poucas referências que finalmente participam da construção de nosso conhecimento.

11. O conhecimento ausente

Vivemos um paradoxo característico de nosso tempo. Dispomos de uma quantidade de informação sem precedentes e de instrumentos com uma capacidade extraordinária para percorrê-la, relacioná-la e sintetizá-la. A Inteligência Artificial multiplica essa abundância porque permite explorar territórios imensos de conhecimento e obter deles uma síntese em poucos segundos. A imensidão do território converte, ao mesmo tempo, a arquitetura que determina qual parte entra em nosso campo de visão em um elemento cada vez mais importante.

Algumas perspectivas ocupam posições centrais porque dispõem de uma grande produção documental, uma elevada presença digital, instituições capazes de gerar informação constantemente e línguas amplamente representadas na Internet. Outras habitam ecossistemas documentais menores, línguas com menor projeção internacional, publicações locais, arquivos pouco digitalizados ou tradições acadêmicas menos conectadas aos grandes circuitos de citação. Essas desigualdades de presença podem transferir-se para os sistemas que aprendem, recuperam e hierarquizam informação.

A consequência afeta a representação do mundo. Uma realidade observada principalmente através de fontes anglo-saxônicas pode adquirir uma determinada estrutura; a incorporação de fontes chinesas, brasileiras, indianas, africanas, árabes ou latino-americanas pode fazer emergir antecedentes, prioridades e relações diferentes. A língua participa também dessa arquitetura. Cada língua conserva conceitos, memórias, experiências históricas e categorias construídas durante gerações. A capacidade de uma Inteligência Artificial para operar em muitas línguas amplia as pontes entre esses universos, enquanto a profundidade com que cada um está representado determina qual parte de sua riqueza chega efetivamente à resposta.

O conhecimento ausente pode encontrar-se longe dos circuitos consultados habitualmente, ocupar uma posição periférica na hierarquia de fontes, dispor de uma representação digital limitada ou ficar diluído diante do volume muito superior produzido por outros ecossistemas. Essa ausência relativa é especialmente difícil de perceber a partir de dentro de uma única resposta. Um texto pode ser coerente, extenso, documentado e convincente enquanto outros antecedentes, fontes ou maneiras de relacionar os mesmos fatos continuam fora do campo visível. A comparação entre arquiteturas permite fazer emergir uma parte desse território.

Aqui aparece uma distinção essencial: a abundância de informação e a pluralidade de conhecimento descrevem dimensões diferentes. A abundância mede a amplitude do material disponível. A pluralidade expressa a diversidade efetiva de perspectivas, tradições, línguas, fontes e marcos que participam da construção de uma interpretação. Uma arquitetura cognitiva rica combina profundidade informativa com capacidade para atravessar universos diferentes.

Ter um pé de cada lado adquire, assim, um significado mais amplo. Cada Inteligência Artificial proporciona acesso a uma parte extraordinária do conhecimento disponível e o organiza a partir de uma arquitetura particular. Quando comparamos diversas inteligências, as diferenças entre suas fontes, prioridades e silêncios convertem-se, elas próprias, em informação. A pluralidade cresce quando podemos olhar também para aquilo que cada arquitetura situa na periferia.

12. Quando formulamos a mesma pergunta a inteligências diferentes

A possibilidade de formular uma mesma pergunta a inteligências diferentes introduz uma capacidade extraordinária de contraste. ChatGPT, Claude, Grok, Qwen e DeepSeek foram desenvolvidos por empresas diferentes, operam sobre arquiteturas diferentes, acessam fontes e instrumentos diferentes e funcionam dentro de contextos empresariais, jurídicos, culturais e geopolíticos também diferentes. Outros sistemas continuarão surgindo, ampliando ainda mais essa diversidade. Essa diversidade permite converter as próprias inteligências em objetos de observação recíproca.

A pergunta adquire, então, uma formulação especialmente fecunda: o que podemos aprender observando como diferentes inteligências constroem respostas sobre uma mesma realidade? Uma coincidência entre sistemas fornece informação; uma divergência também. Uma fonte que aparece repetidamente pode indicar uma referência amplamente reconhecida, enquanto uma fonte presente em um único sistema pode abrir um território situado na periferia dos outros. Uma diferença na atribuição causal permite examinar os antecedentes que conduziram cada motor à sua interpretação. Uma omissão revelada pela comparação converte-se em uma nova pergunta.

A divergência cria, assim, um espaço de pesquisa. Podemos examinar as fontes, reconstruir sequências temporais, identificar os conceitos utilizados, observar os atores que cada sistema situa no centro e avaliar o peso causal atribuído aos diferentes elementos. A divergência converte-se em um mapa que assinala os pontos nos quais convém aprofundar. A coincidência adquire também um valor particular quando provém de arquiteturas diferentes, porque permite estudar até que ponto vias independentes convergem sobre os mesmos fatos ou interpretações.

A repetição sistemática acrescenta uma dimensão metodológica. Diversas respostas do mesmo motor permitem estudar sua variabilidade interna; respostas procedentes de motores diferentes permitem observar a divergência entre arquiteturas; repetir o contraste ao longo do tempo permite identificar continuidades e transformações. Dessa maneira, podemos começar a distinguir uma diferença ocasional de uma regularidade persistente e uma coincidência conjuntural de uma convergência que aparece reiteradamente entre sistemas diferentes.

É aqui que «ter um pé de cada lado» amplia definitivamente seu significado. Os primeiros artigos desta série situavam a expressão diante da possível fragmentação entre os ecossistemas norte-americano e chinês. A experiência posterior mostra uma geografia cognitiva muito mais rica. Cada motor constitui uma janela particular; dentro dos próprios blocos geopolíticos existem empresas, modelos, versões, políticas e arquiteturas diferentes. A pluralidade cognitiva cresce com nossa capacidade de relacionar essas perspectivas.

O contraste converte-se, dessa maneira, em método de conhecimento. Coincidências, divergências, omissões, fontes e causalidades passam a fazer parte do material analítico. Cada sistema fornece uma perspectiva e a comparação constrói uma camada adicional de informação. A pessoa ocupa o ponto de confluência: formula a pergunta, observa as diferenças, decide onde aprofundar e constrói sua interpretação.

Essa pluralidade pode ser organizada sistematicamente. Podemos construir arquiteturas capazes de formular consultas comparáveis, registrar respostas, identificar convergências e divergências, examinar fontes e seguir causalidades. Ter um pé de cada lado transforma-se, assim, na capacidade de construir um espaço próprio a partir do qual relacionar muitas inteligências diferentes. A soberania cognitiva começa a adquirir uma arquitetura concreta.

13. Do multimotor à independência arquitetônica

Utilizar diversas Inteligências Artificiais amplia o campo de observação. Organizar essa pluralidade dentro de uma arquitetura própria permite dar um passo mais profundo: estabelecer os critérios sob os quais as contribuições dos diferentes motores participam do processo de conhecimento.

Aqui aparece a distinção entre pluralidade de motores e independência arquitetônica. A pluralidade proporciona acesso a inteligências diferentes. A independência arquitetônica organiza esse acesso sob critérios definidos por quem constrói o processo. A pessoa decide quais motores utiliza, quais perguntas formula, quais respostas compara, quais fontes examina e quais critérios aplica para identificar divergências. Os provedores oferecem capacidades cognitivas extraordinárias; a arquitetura própria determina como essas capacidades participam do conjunto.

Essa concepção transforma também a dependência. Cada motor é um serviço submetido à sua própria evolução tecnológica, às condições do provedor, às suas políticas e às suas limitações. Uma arquitetura multimotor distribui capacidades entre diversas alternativas e permite adaptar-se a essa evolução. Um modelo pode se destacar em pesquisa, outro em programação, outro em contextos extensos, outro em custos ou em possibilidades de execução local. A capacidade de escolher e combinar converte essa diversidade em resiliência.

O desenvolvimento do CIATP — Centro de Inteligência da Arquitetura do Tempo e do Poder — começou a avançar precisamente nessa direção. O projeto nasceu para aplicar diferentes óticas da ATP à análise de conteúdos, construir conhecimento, relacionar documentos e desenvolver instrumentos capazes de ampliar a capacidade de análise. A experiência acumulada com diferentes Inteligências Artificiais incorporou a ele uma nova dimensão: trabalhar com diversos motores, confrontar suas respostas e converter as diferenças entre eles em material analítico.

Uma arquitetura cognitiva própria pode incorporar motores norte-americanos, chineses ou procedentes de qualquer outro ecossistema, atribuir-lhes funções diferentes e modificar sua composição à medida que surjam novas alternativas. A independência arquitetônica reside nessa capacidade de orquestração. Os motores proporcionam inteligência; a arquitetura determina como a utilizamos.

14. O Contraste Cognitivo

A partir dessa ideia surge o Contraste Cognitivo de IA. O princípio consiste em formular uma consulta comparável a diferentes motores e observar sistematicamente o processo por meio do qual cada um constrói sua resposta. O valor aumenta quando a análise incorpora as dimensões que fomos identificando ao longo deste artigo.

A sequência pode ser representada assim: mesma consulta → diversos motores → fontes → coincidências → divergências → omissões → causalidades → marcos interpretativos → pessoa. As coincidências permitem identificar pontos de convergência; as divergências assinalam territórios de pesquisa; as fontes mostram os universos informativos mobilizados; as omissões reveladas pela comparação ampliam o campo de observação; as causalidades mostram como cada sistema relaciona os fatos, e os marcos interpretativos permitem compreender a arquitetura conceitual dentro da qual foram ordenados.

A repetição proporciona profundidade ao método. Formular várias vezes uma mesma consulta a um motor permite observar sua variabilidade interna; comparar motores permite estudar a divergência entre arquiteturas; repetir o contraste ao longo do tempo permite observar sua evolução. Essas dimensões convertem progressivamente a comparação em um instrumento capaz de identificar regularidades.

O Contraste Cognitivo situa as Inteligências Artificiais em uma dupla posição: instrumentos de análise e objetos de análise. Cada motor ajuda a observar a realidade e a comparação ajuda a observar cada motor. Essa dupla direção permite estudar simultaneamente o fenômeno consultado e as arquiteturas que o intermedeiam.

Ao final da sequência está a pessoa. Ela determina a pergunta, examina as evidências, interpreta as divergências, decide quais questões merecem aprofundamento e constrói o julgamento final. O CIATP amplia o campo visível, relaciona perspectivas e faz emergir diferenças; a pessoa transforma esse material em critério.

O percurso iniciado com uma restrição inesperada adquire aqui uma consequência concreta. A experiência tornou visível a dependência; esta conduziu à opacidade da arquitetura; a observação das respostas revelou o valor do contraste; e o contraste abre agora a possibilidade de construir uma arquitetura cognitiva própria. A soberania cognitiva adquire progressivamente forma de sistema.

15. Construir nossa própria arquitetura

Os primeiros artigos desta série situavam «ter um pé de cada lado» diante da possível fragmentação entre os ecossistemas de Inteligência Artificial norte-americano e chinês. Preservar o acesso a ambos significava conservar a possibilidade de conhecer arquiteturas diferentes, compará-las e construir critério próprio. O percurso posterior ampliou aquela ideia. Os lados se multiplicaram: existem motores, empresas, modelos, versões, fontes, políticas e culturas tecnológicas diferentes dentro dos próprios espaços geopolíticos, e essa diversidade continuará crescendo à medida que a Inteligência Artificial se estenda pelo mundo.

Cada Inteligência Artificial oferece capacidades desenvolvidas com quantidades extraordinárias de conhecimento, computação, capital e trabalho humano. Também reflete características do ecossistema dentro do qual foi construída: fontes, políticas, mecanismos de alinhamento, culturas empresariais, legislações e decisões daqueles que a operam. Relacionar-nos com diversas inteligências permite-nos aproveitar essas capacidades e observar as diferenças que emergem entre suas arquiteturas. A soberania cognitiva reside na capacidade de organizar essa relação e conservar em nossas mãos os critérios com os quais decidimos quais inteligências intervêm e qual valor concedemos às suas contribuições.

«Ter um pé de cada lado» expressa, portanto, uma geografia cognitiva cada vez mais extensa. Os lados podem ser norte-americanos, chineses, europeus ou surgir amanhã de espaços que hoje ocupam uma posição secundária nessa transformação. A independência cresce com nossa capacidade de percorrer essa geografia, compreender as arquiteturas que nela encontramos e relacioná-las dentro de um espaço cognitivo próprio.

16. O julgamento volta para casa

A Inteligência Artificial nos proporciona uma capacidade de acesso, relação e elaboração do conhecimento que, há apenas alguns anos, teria parecido extraordinária. Uma pessoa pode explorar em minutos questões que anteriormente exigiam horas ou dias, trabalhar sobre disciplinas diferentes, relacionar documentos, contrastar hipóteses, programar, traduzir e analisar informação com sistemas capazes de mobilizar uma parte imensa do conhecimento acumulado. Essa capacidade continuará crescendo e participará cada vez mais profundamente da maneira como pesquisamos, trabalhamos, aprendemos e tomamos decisões.

O desenvolvimento dessas inteligências pode ser acompanhado pelo desenvolvimento de nossa capacidade de governar a relação que mantemos com elas. Conhecer melhor os sistemas que utilizamos, compreender suas condições, examinar as fontes, comparar as respostas, observar as divergências e coordenar inteligências diferentes amplia o território disponível para o pensamento humano. A tecnologia multiplica as janelas; a arquitetura cognitiva própria nos permite decidir quais abrimos e como relacionamos as paisagens que aparecem por trás de cada uma.

Essa possibilidade situa a pessoa em uma posição especialmente fecunda. As Inteligências Artificiais podem fornecer dados, reconstruir antecedentes, descobrir relações, identificar contradições, propor hipóteses e confrontar interpretações. A pessoa relaciona essas contribuições com sua experiência, sua memória, seus valores e sua responsabilidade, e constrói o significado que orientará suas decisões. O contraste amplia o material disponível; o julgamento transforma esse material em critério.

Aqui a soberania cognitiva adquire sua expressão mais concreta: dispor de uma arquitetura própria a partir da qual podemos nos relacionar com inteligências diferentes, compreender seus condicionamentos, aproveitar suas capacidades e conservar a responsabilidade sobre a interpretação final. As grandes potências construirão ecossistemas, as empresas desenvolverão modelos cada vez mais poderosos e as fronteiras tecnológicas continuarão mudando. A pessoa conserva uma decisão essencial: a arquitetura a partir da qual quer olhar.

Ter um pé de cada lado significa, finalmente, ter a cabeça do nosso lado.

Você pode continuar lendo aqui: A nova revolução antropológica

Conversa CIATP — PROVA

@…