O nome dele está hoje colado a salas de aula, conselhos de administração e audições políticas, mas o caminho de Sam Altman até à inteligência artificial começou de forma discreta: uma fixação de infância por computadores e a convicção 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 Meio-Oeste dos EUA, longe dos reluzentes polos tecnológicos da Califórnia. Em relatos de família, surge como um miúdo mais fascinado por placas electrónicas do que por desporto - mais à vontade com uma chave de fendas do que com uma bola.
Aos oito anos, já desmontava um computador, voltava a montá-lo e ainda alterava a forma como este se comportava. Essa combinação de curiosidade pelo hardware e de experimentação com software viria a marcar tudo o que veio depois.
Já adolescente, no início dos anos 2000, aprendeu a programar por conta própria, numa fase em que a internet crescia depressa, mas os smartphones ainda eram pouco comuns. Seguiu o percurso típico de muitos jovens particularmente dotados para a informática: entrou na Universidade de Stanford para estudar ciência de computadores. Depois, fez o gesto clássico 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
Com 19 anos, Altman cofundou a Loopt, uma aplicação de partilha de localização pensada para os primeiros utilizadores de smartphones. O conceito era simples e, ao mesmo tempo, antecipava tendências: os amigos podiam ver a localização uns dos outros num mapa e escolher com quem a partilhavam.
Não era apenas uma experiência social. A Loopt chamou a atenção da Y Combinator, então um acelerador de startups ainda em ascensão, conhecido por apoiar pequenos grupos de fundadores com financiamento e mentoria intensiva.
A passagem pela Loopt deu a Altman uma aprendizagem dura e rápida sobre adequação produto‑mercado, preocupações de privacidade e a matemática implacável do crescimento de utilizadores. A aplicação nunca se transformou num gigante popular, mas colocou-o no radar e, sobretudo, dentro da órbita da Y Combinator.
De fundador a figura influente na Y Combinator
Alguns anos depois, Altman saiu do lugar de fundador para o lado de investidor. Em 2014, assumiu a presidência da Y Combinator, que já era um actor decisivo no Vale do Silício.
A partir dessa posição, analisou centenas de apresentações e ajudou a moldar as fases iniciais de algumas das empresas tecnológicas mais faladas da década. Ganhou reputação pela franqueza, pela tolerância ao risco e pela ideia firme de que a tecnologia deve apontar alto - não apenas polir serviços existentes.
Como presidente da Y Combinator, Altman deixou de tentar construir uma única startup bem-sucedida para passar a tentar fazer crescer uma geração inteira delas.
Esse período também lhe afinou a perspectiva sobre o impacto global da tecnologia: da comunicação ao transporte e, mais tarde, 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 a vários outros investigadores e empreendedores para fundar a OpenAI. A missão inicial soava quase utópica: criar inteligência artificial geral (AGI) que beneficiasse toda a humanidade, e não apenas um punhado de empresas ou governos.
No arranque, a OpenAI foi concebida como um laboratório de investigação sem fins lucrativos. Os fundadores comprometeram-se a divulgar amplamente o trabalho e a não reter avanços decisivos. A motivação vinha do receio crescente de que a IA acabasse fechada em alguns silos corporativos ou em projectos militares classificados.
Esse idealismo esbarrou depressa na realidade. Treinar modelos de IA de ponta exige 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
Com o tempo, Altman assumiu progressivamente o controlo operacional da OpenAI e defendeu uma alteração estrutural profunda. A equipa criou um braço de lucro limitado: uma entidade com fins lucrativos onde o retorno para investidores é limitado, colocada por cima da organização original sem fins lucrativos.
Este modelo invulgar de “lucro limitado” foi a tentativa de Altman de quadrar o círculo: angariar milhares de milhões, alegando ao mesmo tempo manter a humanidade - e não os accionistas - como beneficiário final.
Após essa mudança, a OpenAI passou a poder fechar acordos de financiamento de grande escala e garantir acesso prolongado a infraestrutura de computação, posicionando-se na linha da frente da corrida ao armamento em IA, lado a lado com as maiores plataformas tecnológicas.
Por dentro da tecnologia: de GPT a GPT‑4o
A OpenAI apostou cedo numa arquitectura específica de IA: os transformadores. São modelos de aprendizagem profunda capazes de “prestar atenção” a diferentes partes de um texto em simultâneo, o que lhes permite prever e gerar linguagem de forma surpreendentemente coerente.
A série GPT (Transformador Pré‑treinado Generativo) da OpenAI funciona em duas etapas principais:
- Pré‑treino: o modelo absorve volumes enormes de texto criado por humanos para aprender padrões da linguagem.
- Ajuste fino: o modelo é depois treinado com feedback humano para seguir instruções e evitar conteúdo claramente nocivo.
Com o tempo, estes modelos deixaram de ser truques de demonstração para se tornarem ferramentas de uso geral. O GPT‑4o, uma das iterações mais recentes, consegue processar e gerar texto com maior nuance e lidar com vários modos - como imagens ou áudio - num único sistema.
Além dos modelos de texto, a OpenAI lançou o DALL·E para imagens e o Sora para geração de vídeo, alargando a visão de Altman para uma IA como motor geral de conteúdos, e não apenas como chatbot.
A onda de choque do ChatGPT
Um projecto lateral que virou 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 um teste de usabilidade e não como o produto central da empresa. A reacção do público derrubou essa ideia de um dia para o outro.
O ChatGPT era capaz de responder a perguntas em linguagem natural, redigir e-mails, resumir relatórios, gerar ideias ou assumir o papel de tutor. As pessoas experimentaram-no para trabalhos de casa, programação, mensagens de encontros, candidaturas a emprego e praticamente tudo o que envolvesse palavras.
Em poucas semanas, o ChatGPT reuniu dezenas de milhões de utilizadores e tornou-se um dos serviços de consumo de crescimento mais rápido na história da internet.
A trajectória continuou a subir, com centenas de milhões de utilizadores mensais reportados em menos de um ano. Para muita gente, o ChatGPT foi o primeiro contacto directo com IA generativa: não um artigo científico, nem um vídeo de demonstração, mas uma ferramenta onde se escreve e se obtém algo útil.
Como o ChatGPT mudou a conversa sobre IA
O êxito público do ChatGPT alterou a forma como governos, escolas e empresas passaram a discutir IA. A tecnologia deixou de ser um projecto distante de laboratório. Em poucos meses, estava em salas de aula, escritórios e parlamentos.
| Antes do ChatGPT | Depois do ChatGPT |
|---|---|
| IA vista como nicho, sobretudo para especialistas | IA vista como ferramenta quotidiana para trabalhadores e estudantes |
| Debates de política focados em ameaças de longo prazo | Questões urgentes sobre empregos, exames e regulação |
| Empresas a experimentar discretamente | Administrações a exigir estratégias de IA a todos os departamentos |
Altman tornou-se o rosto público dessa viragem, prestando depoimento perante senadores dos EUA, reunindo-se com reguladores europeus e respondendo a preocupações que vão da desinformação à disrupção no local de trabalho.
O próximo passo: rumo a máquinas com capacidade de raciocínio
Actualmente, Altman lidera, na OpenAI, o esforço para criar sistemas que não se limitem a imitar linguagem, mas revelem raciocínio mais avançado. O objectivo, assumido sem rodeios, é avançar em direcção à inteligência artificial geral: IA capaz de realizar uma grande variedade de tarefas cognitivas ao nível humano ou acima dele.
Isso passa por construir agentes que decomponham problemas complexos, recorram a ferramentas como motores de pesquisa ou interpretadores de código e trabalhem ao longo de horizontes de tempo mais longos. Estes agentes estão a ser testados em software de produtividade, assistentes de programação e suites criativas.
Altman fala de futuros agentes de IA menos como chatbots e mais como colaboradores capazes de planear, agir e aprender ao lado dos humanos.
O que a ascensão de Altman significa para a vida quotidiana
Utilizações práticas que as pessoas já estão a adoptar
Por trás da grande retórica, a IA generativa sob a liderança de Altman já apresenta usos concretos em contextos comuns:
- Educação: estudantes recorrem à IA para explicações, traduções e exercícios; professores testam correcção automática e planeamento de aulas.
- Trabalho: profissionais de escritório pedem à IA para redigir relatórios, melhorar apresentações ou resumir longas cadeias de e-mails.
- Pequenos negócios: proprietários criam textos de marketing, perguntas frequentes e descrições de produtos sem contratar uma agência completa.
- Programação: programadores usam copilotos com IA para sugerir código, detectar erros e traduzir entre linguagens.
Estes exemplos ajudam a perceber por que razão 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 grande confiança, expor dados de 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.
Existe ainda a questão do poder. Treinar modelos de fronteira requer centros de dados gigantes e chips caros, o que concentra controlo em poucas empresas e governos. Críticos argumentam que a estrutura híbrida de Altman, embora atípica, continua a centralizar uma influência enorme dentro da OpenAI e dos seus financiadores.
O uso malicioso é outra inquietação. Texto e vídeo gerados por IA podem ser transformados em burlas direccionadas, deepfakes ou propaganda política. Responsáveis políticos apressam-se agora a actualizar regras eleitorais, políticas escolares e legislação de direitos de autor para responder a ferramentas que conseguem criar conteúdo convincente à escala.
Termos-chave: IA generativa e AGI explicadas
IA generativa refere-se a sistemas que criam novo conteúdo: texto, imagens, áudio ou vídeo. Aprendem a partir de exemplos existentes, mas não se limitam a copiá-los. Em vez disso, produzem novas combinações com base em padrões que internalizaram.
Inteligência artificial geral (AGI) é uma ideia mais especulativa. Descreve uma IA capaz de executar um vasto leque de tarefas intelectuais com uma flexibilidade semelhante à de um humano. A missão fundadora da OpenAI centra-se em garantir que esse poder, caso seja alcançado, esteja alinhado com valores humanos e seja partilhado amplamente, em vez de ficar fechado em poucas instituições.
Quer a AGI chegue daqui a décadas, quer permaneça fora de alcance, Altman já mudou a forma como milhares de milhões de pessoas se relacionam com software. Por agora, o “prodigío tecnológico por detrás do ChatGPT” está a conduzir uma das experiências mais consequentes do século XXI: o que acontece quando algo quase parecido com inteligência é colocado nas mãos de qualquer pessoa com ligação à internet.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário