![Imagem de capa de [Manual de IA #1] ChatGPT não é buscador: como a IA cria respostas](/assets/images/posts/2749fa60-515f-449b-8e14-21906ac32b10/ai-not-search-engine-1.jpg)
Ao perguntar algo ao ChatGPT e receber uma resposta, é fácil imaginar que ele encontrou e mostrou uma resposta pronta armazenada em algum lugar, como quando o Google ou o Naver localiza um documento a partir de uma busca. Mas a IA não funciona assim. Esse mal-entendido gera experiências desconcertantes, como “a IA mentiu” ou “a IA se contradiz”. Nesta primeira parte da série, vamos esclarecer esse equívoco.
O buscador encontra; a IA cria
A diferença entre um buscador e uma IA é a diferença entre um bibliotecário e um contador de histórias.
O buscador é um bibliotecário. Quando você pergunta “restaurantes em Jeju”, ele encontra documentos relacionados na estante e os entrega como estão. Não altera o conteúdo, seja qual for o texto, nem inventa documentos inexistentes. Hoje, um resumo de IA costuma aparecer no topo dos resultados, mas esse trecho foi escrito pelo contador de histórias, não pelo bibliotecário. Lembre-se apenas disso.
Uma IA como o ChatGPT se aproxima mais de um contador de histórias. Ao receber uma pergunta, ela não busca um documento em algum lugar; cria uma nova frase na hora. A resposta que você recebe não estava armazenada em nenhum lugar do mundo. Ela acabou de ser gerada. Por isso, chamamos esse tipo de IA de IA generativa.
Então, com base em quê ela cria? É aqui que entra o princípio fundamental.
Um único princípio: prever a próxima palavra
A base do ChatGPT é uma tecnologia chamada LLM (Large Language Model, modelo de linguagem de grande escala). O nome parece grandioso, mas sua tarefa é uma só: prever a próxima palavra que se encaixa naturalmente no texto escrito até agora.
Pense no preenchimento automático do teclado do celular. Quando você digita “O tempo hoje está”, o teclado sugere “bom”. O LLM ampliou esse preenchimento automático a uma escala inimaginável. Ele aprendeu padrões ao ler trilhões de palavras de livros, artigos e páginas da web — “depois deste texto, costuma vir esta expressão” — e, com isso, passou a continuar não apenas uma ou duas palavras, mas um relatório inteiro.
O processo de resposta da IA é este: ela recebe sua pergunta, escolhe a palavra mais plausível para vir em seguida, inclui essa palavra e escolhe a próxima. Repete isso dezenas de vezes por segundo até completar a frase.
Como “palavras plausíveis” parecem inteligentes
Você pode se perguntar: “Só prever a próxima palavra? Então como a IA traduz e resume?”
O segredo é a escala. Para prever bem a próxima palavra, é preciso conhecer o mundo. Para completar “o quarto rei de Joseon foi”, é preciso saber história; para continuar “o bug deste código é”, é preciso saber programação. Ao aprender com textos vastos, conhecimento e padrões de raciocínio foram comprimidos dentro do modelo.
Mas a forma de armazenamento é diferente da de um buscador. Os documentos não ficam guardados integralmente; os padrões se misturam a centenas de bilhões de números (parâmetros). É parecido com a memória humana. Também não conseguimos recuperar, caractere por caractere, um livro lido no ano passado, mas podemos falar sobre seu conteúdo. Por isso, o conhecimento da IA se aproxima mais de “era algo assim” do que de uma citação exata do original.
Por que a resposta muda a cada vez para a mesma pergunta
Ao escolher a próxima palavra, a IA não seleciona apenas a candidata número um. Ela escolhe entre as candidatas mais prováveis, misturando um pouco de aleatoriedade. Se escolhesse sempre a palavra mais provável, as respostas ficariam mecânicas e previsíveis; por isso, a variação é intencional.
Por isso, a mesma pergunta pode gerar respostas diferentes. Não é uma falha, é uma escolha de projeto. Se você pensar em um buscador, perguntará “por que a resposta mudou?”. Se pensar em um gerador de frases, isso será natural.
Essa característica pode ser uma vantagem, dependendo do uso. Se a resposta não agradar, você pode gerar novamente e obter outra versão; ela é especialmente útil quando você precisa de várias opções, como em uma sessão de ideias.
Por que não perguntar sobre as notícias mais recentes — e a exceção
O conhecimento de um LLM para no momento em que seu treinamento termina. Esse momento é chamado de knowledge cutoff (data-limite do conhecimento). O que aconteceu no mundo depois do fim do treinamento não está no modelo. Em princípio, ele não sabe notícias de ontem, a cotação de hoje ou os filmes que estreiam nesta semana.
Os serviços atuais, porém, complementam essa limitação com busca na web. Quando uma pergunta exige informações recentes, a IA faz uma busca primeiro e cria a resposta com base nos documentos encontrados. É como um contador de histórias que recebeu material do bibliotecário. Muitas vezes a busca é automática, mas, ao perguntar sobre informações recentes, vale verificar se a resposta traz links de fontes de fato. Se quiser ter certeza, acrescente: “pesquise na web e me conte”. Esse uso é explicado em detalhes na parte 4.
Resumo
- A IA não encontra uma resposta armazenada; cria frases na hora
- O princípio é prever a próxima palavra, e o vasto treinamento faz essa previsão funcionar como conhecimento
- Respostas diferentes para a mesma pergunta não são uma falha, mas uma escolha de projeto
- O conhecimento para no momento do treinamento, e informações recentes são complementadas pela busca na web
Mas esse princípio também tem um lado sombrio. Se o objetivo da IA não é “dizer a resposta certa”, mas “criar uma frase plausível”, ela pode produzir quantas afirmações plausíveis e erradas forem necessárias. E produz. Com muita confiança. Na próxima parte, veremos como distinguir e lidar com as mentiras inventadas pela IA: as alucinações.