O seu nome está agora ligado a salas de aula, salas de reuniões e audições políticas, mas a viagem de Sam Altman pela inteligência artificial começou de forma discreta, com uma obsessão de infância por computadores e uma crença inquieta de que o software podia refazer a sociedade.
Os primeiros anos de um programador inquieto
Sam Altman nasceu em Chicago em 1985 e cresceu no Centro-Oeste dos EUA, longe dos reluzentes campus tecnológicos da Califórnia. Histórias de família descrevem um rapaz mais interessado em placas de circuito do que em desporto, mais feliz com uma chave de fendas do que com uma bola de futebol americano.
Aos oito anos, já conseguia desmontar um computador, voltar a montá-lo e alterar a forma como este se comportava. Essa mistura de curiosidade pelo hardware e experimentação com software definiu o tom de tudo o que se seguiu.
Na adolescência, Altman aprendeu a programar sozinho no início dos anos 2000, numa altura em que a internet amadurecia rapidamente, mas os smartphones ainda eram raros. Seguiu o caminho habitual para jovens com talento para computadores: entrou na Universidade de Stanford para estudar Ciências da Computação. Depois fez a típica coisa do Vale do Silício: desistiu do curso.
Altman saiu de Stanford sem diploma, apostando que construir produtos no mundo real lhe ensinaria mais do que as aulas.
Loopt e o baptismo da vida de startup
Aos 19 anos, Altman cofundou a Loopt, uma aplicação de partilha de localização destinada aos primeiros utilizadores de smartphones. A ideia era simples, mas visionária: os amigos podiam ver a localização uns dos outros num mapa e escolher com quem partilhar.
Não foi apenas uma experiência social. A Loopt chamou a atenção da Y Combinator, então uma aceleradora de startups em ascensão que apoiava pequenos grupos de fundadores com uma combinação de financiamento e mentoria intensa.
A experiência da Loopt deu a Altman um curso intensivo e brutal sobre adequação produto-mercado, preocupações com privacidade e a dura matemática do crescimento de utilizadores. A aplicação nunca se tornou um gigante mainstream, mas colocou-o no radar e, de forma crucial, na órbita da Y Combinator.
De fundador a figura influente na Y Combinator
Em poucos anos, Altman passou do lugar de fundador para o lado do investimento. Em 2014, assumiu a presidência da Y Combinator, já então uma fábrica de “criadores de reis” no Vale do Silício.
Nesse cargo, viu centenas de apresentações e ajudou a moldar as fases iniciais de algumas das empresas tecnológicas mais faladas da década. Construiu uma reputação de feedback directo, apetite pelo risco e uma crença forte de que a tecnologia deve apontar alto, e não apenas polir serviços existentes.
Como presidente da Y Combinator, Altman deixou de tentar construir uma startup de sucesso para tentar nutrir toda uma geração delas.
Esses anos também apuraram a sua visão do que a tecnologia podia fazer à escala planetária: da comunicação ao transporte e, por fim, à própria inteligência.
O nascimento da OpenAI
Uma organização sem fins lucrativos com uma missão ambiciosa
Em dezembro de 2015, Altman juntou-se a Elon Musk, Greg Brockman, Ilya Sutskever e vários outros investigadores e empreendedores para fundar a OpenAI. A missão inicial soava quase utópica: construir inteligência artificial geral (AGI) que beneficiasse toda a humanidade, e não apenas um punhado de empresas ou governos.
A OpenAI foi inicialmente criada como um laboratório de investigação sem fins lucrativos. Os fundadores prometeram partilhar o seu trabalho de forma ampla e evitar acumular descobertas. Reagiam a uma sensação crescente de que a IA acabaria trancada em alguns silos corporativos ou em projectos militares classificados.
Esse idealismo chocou rapidamente com a realidade. Treinar modelos de IA de ponta custa somas astronómicas. Centros de dados, chips especializados e equipas de investigação a trabalhar durante anos não são baratos.
A estrutura híbrida e a corrida ao capital
Altman foi assumindo gradualmente o controlo operacional na OpenAI e defendeu uma grande mudança estrutural. A equipa introduziu um braço com lucros limitados: uma entidade com fins lucrativos, mas com um tecto para o retorno dos investidores, assente sobre a organização sem fins lucrativos original.
Este modelo invulgar de “lucro limitado” foi a tentativa de Altman de quadrar o círculo: angariar milhares de milhões, ao mesmo tempo que afirmava manter a humanidade - e não os accionistas - como beneficiária final.
Com essa alteração, a OpenAI pôde assinar grandes acordos de financiamento e garantir acesso de longo prazo a infra-estrutura computacional, posicionando-se na linha da frente da corrida ao armamento da IA, ao lado das maiores plataformas tecnológicas.
Por dentro da tecnologia: de GPT a GPT‑4o
A OpenAI apostou cedo numa arquitectura específica de IA: o transformer. Trata-se de modelos de aprendizagem profunda capazes de prestar atenção a diferentes partes de um texto em simultâneo, permitindo prever e gerar linguagem de forma surpreendentemente coerente.
A série GPT (Generative Pre‑trained Transformer) da OpenAI funciona em dois passos principais:
- Pré-treino: o modelo “digere” volumes enormes de texto criado por humanos para aprender padrões da linguagem.
- Ajuste fino: o modelo é treinado adicionalmente com feedback humano para seguir instruções e evitar conteúdo obviamente nocivo.
Com o tempo, estes modelos passaram de truques de festa a ferramentas multiusos. O GPT‑4o, uma das iterações mais recentes, consegue processar e gerar texto com maior nuance e lidar com múltiplas modalidades - como imagens ou áudio - num único sistema.
A par dos modelos de texto, a OpenAI lançou o DALL·E para imagens e o Sora para geração de vídeo, alargando a visão de Altman da IA como um motor geral de conteúdos, e não apenas um chatbot.
A onda de choque do ChatGPT
Um projecto lateral que se tornou um hábito global
No final de 2022, a OpenAI lançou o ChatGPT, uma interface conversacional construída sobre os seus modelos GPT. Internamente, alguns viam-no como uma experiência de usabilidade, e não como o principal produto da empresa. A reacção do público reescreveu essa suposição da noite para o dia.
O ChatGPT podia responder a perguntas em linguagem natural, redigir emails, resumir relatórios, gerar ideias ou fazer de “tutor” em role-play. As pessoas experimentaram-no para trabalhos de casa, código, mensagens para encontros, candidaturas a emprego e tudo o resto que envolvesse palavras.
Em poucas semanas, o ChatGPT reuniu dezenas de milhões de utilizadores e tornou-se um dos serviços de consumo com crescimento mais rápido na história da internet.
Os números continuaram a subir, com centenas de milhões de utilizadores mensais reportados em menos de um ano. Para muitas pessoas, o ChatGPT foi a primeira experiência directa com IA generativa: não um artigo científico, não um vídeo de demonstração, mas uma ferramenta onde podiam escrever e receber algo útil de volta.
Como o ChatGPT mudou a conversa sobre IA
O sucesso público do ChatGPT alterou a forma como governos, escolas e empresas falavam sobre IA. A tecnologia deixou de ser uma experiência distante de laboratório. Em poucos meses, estava em salas de aula, escritórios e parlamentos.
| Antes do ChatGPT | Depois do ChatGPT |
|---|---|
| IA vista como algo de nicho, sobretudo para especialistas | IA vista como ferramenta quotidiana para trabalhadores e estudantes |
| Debates políticos centrados em ameaças de longo prazo | Questões urgentes sobre emprego, exames e regulação |
| Empresas a experimentar discretamente | Conselhos de administração a exigir estratégias de IA a todos os departamentos |
Altman tornou-se a face pública dessa mudança, testemunhando perante senadores dos EUA, reunindo com reguladores europeus e respondendo a preocupações que vão desde a desinformação à disrupção no local de trabalho.
O próximo passo: rumo a máquinas que raciocinam
Hoje, Altman lidera o impulso da OpenAI para sistemas que não apenas imitam linguagem, mas exibem raciocínio mais avançado. O objectivo, declarado abertamente, é progredir rumo à inteligência artificial geral: IA capaz de lidar com uma grande variedade de tarefas cognitivas ao nível humano ou acima dele.
Isto envolve construir agentes que conseguem decompor problemas complexos, recorrer a ferramentas como motores de pesquisa ou interpretadores de código e trabalhar ao longo de horizontes temporais mais extensos. Estes agentes estão a ser testados em software de produtividade, assistentes de programação e suites criativas.
Altman fala dos futuros agentes de IA menos como chatbots e mais como colaboradores que podem planear, agir e aprender ao lado dos humanos.
O que a ascensão de Altman significa para a vida quotidiana
Usos práticos que as pessoas estão a adoptar
Por detrás da grande retórica, a IA generativa sob a liderança de Altman já está a mostrar usos concretos em contextos comuns:
- Educação: estudantes usam IA para explicações, traduções e exercícios; professores experimentam correcção automática e planeamento de aulas.
- Trabalho: colaboradores pedem à IA para redigir relatórios, melhorar apresentações ou resumir longas cadeias de emails.
- Pequenos negócios: proprietários geram textos de marketing, FAQs e descrições de produtos sem contratar uma agência completa.
- Programação: programadores recorrem a copilotos com IA para sugerir código, detectar bugs e traduzir entre linguagens.
Estes exemplos mostram porque é que o ChatGPT passou tão depressa de novidade a hábito: poupa tempo em tarefas que a maioria das pessoas considera aborrecidas ou difíceis.
Riscos, tensões e o que pode correr mal
Os mesmos sistemas que Altman promove também levantam preocupações sérias. Modelos generativos podem produzir disparates com confiança, revelar dados do treino ou reproduzir enviesamentos presentes no material de que aprenderam. Em áreas de alto risco como saúde, direito ou finanças, estas falhas podem causar danos reais.
Há também uma questão de poder. Treinar modelos de fronteira exige enormes centros de dados e chips caros, o que concentra o controlo num pequeno número de empresas e governos. Críticos argumentam que a estrutura híbrida de Altman, embora invulgar, continua a centralizar uma influência enorme dentro da OpenAI e dos seus financiadores.
O uso indevido é outra preocupação. Texto e vídeo gerados por IA podem ser usados para burlas direccionadas, deepfakes ou propaganda política. Os decisores políticos correm agora para actualizar regras eleitorais, políticas escolares e leis de direitos de autor para lidar com ferramentas capazes de gerar conteúdos convincentes à escala.
Termos-chave: IA generativa e AGI explicados
IA generativa refere-se a sistemas que criam novo conteúdo: texto, imagens, áudio ou vídeo. Aprendem a partir de exemplos existentes, mas não os copiam simplesmente. Em vez disso, geram novas combinações com base em padrões que absorveram.
Inteligência artificial geral (AGI) é uma ideia mais especulativa. Descreve uma IA capaz de realizar uma ampla gama de tarefas intelectuais com uma flexibilidade semelhante à de um humano. A missão fundadora da OpenAI centra-se em garantir que tal poder, se for alcançado, esteja alinhado com valores humanos e seja amplamente partilhado, e não trancado dentro de algumas instituições.
Quer a AGI chegue em décadas quer permaneça fora de alcance, Altman já reformulou a forma como milhares de milhões de pessoas se relacionam com o software. Por agora, o “prodígio tecnológico por detrás do ChatGPT” está a conduzir uma das experiências mais consequentes do século XXI: o que acontece quando algo quase como inteligência é colocado nas mãos de todos os que têm uma ligação à internet.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário