Por Peter Solenberger

Os humanos anatomicamente modernos evoluíram em África há cerca de 300.000 anos. De nossos ancestrais do gênero Homo herdamos postura ereta, polegares opositores, visão binocular, alta inteligência, vida em grupo, linguagem, uso do fogo e fabricação de ferramentas. Os seres humanos têm construído sobre essa base, transformando repetidamente a tecnologia, reorganizando a produção e reordenando a sociedade.

Nos últimos 50 anos, os computadores e a internet mudaram a forma como centenas de milhões de pessoas trabalham e vivem. Inteligência Artificial – um nome muito exagerado – continua essa tendência.

À medida que este artigo se desenvolve, a tecnologia de IA é potencialmente benéfica. Sob o socialismo, poderia aliviar as pessoas de muitas tarefas maçantes da mente, libertá-las para atividades criativas e auto-realizadoras, e tornar possíveis avanços científicos, econômicos, ambientais e outros que atualmente vão além de nossa capacidade.

Sob o capitalismo, no entanto, poderia destruir empregos e meios de subsistência, intensificar a exploração, aumentar os níveis de vigilância e repressão, destruir ainda mais o meio ambiente e tornar a guerra mais provável e mais letal.

Desmistificando a IA

A inteligência artificial não é “artificial” nem “inteligente.” É a aplicação de técnicas computacionais inteligentes, mas não muito sofisticadas, de enormes quantidades de dados digitais para encontrar padrões de associação – por exemplo, entre raios-X e tumores cancerosos, ou texto em espanhol e traduções para o inglês.

A análise científica tradicional observa a realidade, desenvolve hipóteses e testa essas hipóteses através da observação e intervenção. A análise de dados tradicional coleta e analisa dados através de métodos estatísticos, tentando identificar padrões nas estruturas e processos descritos pelos dados. Como outras análises científicas, seu objetivo é tanto entender quanto prever.

A IA dispensa com o objetivo de compreensão e vai apenas para a previsão. Daí o nome da técnica favorita atual: transformador pré-treinado generativo (GPT). Modelos incompreensíveis são construídos através de pré-treinamento em quantidades massivas de dados, para aplicar a novos dados para gerar diagnósticos, traduções e outras previsões.

Os precursores da IA foram desenvolvidos no início do século 20 e usados como geradores de texto probabilístico, mas eles eram principalmente prova de conceito e não muito úteis na prática. Os dados e o poder de computação estavam em falta.

Na década de 1990, a digitalização de imagens, sons e textos produziu os dados, e a propagação através da internet tornou-os disponíveis. Potência de computação atrasada. Os computadores da época contavam com poderosas unidades de processamento central (CPUs), armazenamento em cache de dados em memória rápida e processamento paralelo limitado, no qual várias CPUs trabalhavam em diferentes partes de um problema. Os engenheiros de software tiveram que projetar algoritmos para programadores programarem e computadores executarem.

A situação era como nos primeiros dias da revolução industrial, quando as máquinas eram construídas por métodos artesanais. A expansão da produção exigiu o avanço das máquinas para construir máquinas.

O avanço ocorreu no que parecia ser uma área periférica da computação. A edição de imagens e vídeos e também os jogos exigiam uma renderização muito rápida dos gráficos nas telas, já que as imagens eram manipuladas, os vídeos mostravam movimento ou os jogos eram jogados. Bits na memória tiveram que ser mapeados rapidamente para pixels nas telas. Unidades de processamento gráfico (GPUs) relativamente simples, separadas da CPU e trabalhando em paralelo, foram desenvolvidas para esta tarefa.

Engenheiros e programadores rapidamente perceberam que as GPUs poderiam ser usadas para outros problemas de mapeamento, incluindo o mapeamento das vastas quantidades de dados digitais agora disponíveis para produzir modelos que poderiam ser aplicados a novos dados para pesquisas, traduções, transcrições, analisando tomografias, reconhecimento facial e assim por diante. Diante disso, nasceu a IA.

Lixo que entra, Lixo que sai

Os modelos de IA são treinados em combinações de dados brutos e resultados validados por humanos, e dependem completamente da precisão de ambos. Se os dados ou resultados forem parciais ou distorcidos, os modelos também serão. Lixo que entra, Lixo que sai, como diz o ditado de TI.

O lixo pode ser obviamente “alucinações” estranhas, ou pode ser mais insidioso. Os padrões de associação podem ser baseados em opiniões apresentadas como fatos, simplificações, preconceitos ou mentiras. O perfil racial que seria inaceitável vindo de um ser humano pode estar escondido na caixa preta da IA.

Uma ilustração reveladora e cada vez mais provável do “lixo que entra, lixo que sai” é IA treinando em seu próprio produto. Um artigo do New York Times “When A.I.’s Output Is a Threat to A.I. Itself” de Aatish Bhatia explora o problema do “colapso do modelo”. As imagens são reduzidas a borrões, as cores estão turvas, os rostos parecem estranhamente semelhantes. “O modelo se torna envenenado com sua própria projeção da realidade.” (26/08/24)

A IA é, em certo sentido, um passo atrás das técnicas analíticas que procuram compreender os dados. Pequenos conjuntos de dados e poder computacional limitado forçaram os analistas a escolher técnicas apropriadas para os dados – por exemplo, regressão linear para variáveis contínuas como altura e produto interno bruto (PIB), ou regressão logística para variáveis categóricas como raça e gênero. IA deixa a modelagem para o processo computacional.

A análise dos dados pode ser comparada à escalada de uma montanha. O objetivo é chegar ao topo. Com a análise de dados, isso significa maximizar uma função de verossimilhança – a probabilidade de que um modelo aplicado aos dados reais obtenha os resultados reais.

Uma abordagem para o montanhismo seria ter uma equipe muito qualificada subindo a montanha. Outra seria ter muitas equipes competentes, mas menos qualificadas, amontoando-se na montanha, cometendo muitos erros, mas ainda chegando ao topo por tentativa e erro. A análise estatística tradicional é como a primeira. IA é como a segunda.

O método de tentativa e erro é muito caro em termos de computadores e energia para executá-los. Como um artigo do New York Times “What will power the A.I. revolution?” por David Gelles observa:

“Só nos próximos três anos, espera-se que os data centers tripliquem o uso de energia, de acordo com um novo relatório apoiado pelo U.S. Department of Energy. Sob essa previsão, os data centers poderiam representar até 12% do consumo de eletricidade da nação até 2028.” (07/01/25)

Maior não é necessariamente melhor. Em janeiro de 2025, a empresa chinesa DeepSeek publicou um artigo descrevendo uma nova técnica de modelagem por IA. Um artigo do New York Times “Por que o DeepSeek poderia mudar o que o Silicon Valley acredita sobre a IA” de Kevin Roose explica o significado da técnica. (28/01/25)

Basicamente, ao combinar pensamento antecipado e enxameamento, a DeepSeek foi capaz de usar chips de computador menos sofisticados, muito menos tempo de computação, menos energia e conjuntos de dados menores para treinar seu modelo.

Estas reservas não são para dizer que a IA é inútil. A tradução automática de idiomas tornou-se dramaticamente melhor à medida que as técnicas evoluíram da tradução automática baseada em regras para a tradução automática estatística para a tradução automática por inteligência artificial.

Mas bons tradutores de IA são treinados em boas traduções humanas, e realmente boas traduções ainda exigem correção por tradutores humanos que conhecem o idioma de origem, o idioma de destino e o assunto. Por outro lado, a pesquisa está piorando à medida que os resultados “corretos” são cada vez mais o que os anunciantes pagam e não o que os usuários querem.

Origem da IA

Na década de 1990, os servidores do Google começaram a rastrear a web, armazenando e indexando o conteúdo dos sites e retornando resultados de pesquisa. Um insight importante do Google foi que o número de links para uma página era uma medida útil da sua importância. Outra foi que os usuários não são apenas consumidores, mas também provedores de dados, através de suas buscas e cliques. Outra era que os dados de pesquisa poderiam ser integrados com muitos outros tipos de dados.

O Google passou a dominar a pesquisa por meio de um loop de feedback positivo: seu mecanismo de busca era melhor, em parte por causa de seu algoritmo inteligente, mas principalmente porque ele se baseava em mais dados.

O Google no início lutou para ganhar dinheiro com suas pesquisas. Sua solução foi a publicidade e outros tipos de marketing. Poderia cobrar por cliques em links para sites de empresas em seus resultados de pesquisa, cobrar por destacar uma empresa em suas pesquisas e produzir listas de clientes interessados ou suscetíveis de estar interessados em comprar produtos.

O Google percebeu que os dados eram potencialmente valiosos, mesmo que seu uso ainda não estivesse claro. Pesquisas livres, mapas, endereços de e-mail e sistemas operacionais produziram dados. Os dados poderiam ser extraídos para saber quem perguntou o quê, quem se comunicou com quem, sobre o que se comunicaram e, muitas vezes, o conteúdo de sua comunicação. As vistas de rua produziram dados, não apenas as vistas, mas também o conteúdo das redes sem fio não criptografadas nas casas sendo fotografadas.

O FBI, a CIA, a Agência de Segurança Nacional (NSA), agências policiais estaduais e locais e os serviços de polícia e segurança da Rússia, China, Grã-Bretanha e muitos outros países perceberam que poderiam obter e armazenar metadados (quem, onde, quando, quanto tempo, quanto) e dados (o quê) de comunicações eletrônicas.

Nos Estados Unidos e em alguns outros países, o acesso ao conteúdo requer uma ordem judicial, mas os procedimentos são muitas vezes laxistas. A criptografia de dados é um obstáculo, mas as pessoas muitas vezes não conseguem criptografar e muito pode ser inferido apenas dos metadados.

Até os últimos anos, a capacidade das corporações e dos governos para coletar dados excedeu em muito sua capacidade de analisá-los. Com a IA, a análise de dados começou a recuperar terreno.

Usos da IA…

A história humana viu muitos avanços tecnológicos que tanto elevaram a produtividade do trabalho quanto foram explorados pelos governantes da época para aumentar seu poder e riqueza.

Energia, transporte, comunicação, construção, manufatura, agricultura, distribuição, medicina, educação, entretenimento, relações pessoais, religião, policiamento e guerra – todos foram transformados pela tecnologia. O padrão geral é a mecanização, substituindo pessoas por máquinas, e a automação, como as máquinas funcionam sozinhas, mantidas e supervisionadas por pessoas.

Os avanços tecnológicos podem ser abusados, como demonstrado ao longo da história. Os Estados Unidos foram construídos sobre o genocídio dos nativos americanos, a escravização dos africanos, o roubo de metade do México, a ruína de fazendeiros, exploração de trabalhadores, abuso de imigrantes, racismo, opressão das mulheres e pessoas LGBTQ+, e destruição do meio ambiente – tudo possibilitado pela tecnologia.

Mas a luta de classes e social forçou o uso da tecnologia em maneiras benéficas: substituir os seres humanos por máquinas para muitas tarefas perigosas e debilitantes, reduzir as horas de trabalho e aumentar os padrões de vida. As pessoas vivem mais tempo, estão saudáveis por mais tempo e têm muito mais oportunidades do que teriam de outra forma.

Há todas as razões para pensar que a IA continuará este padrão. A IA deve tornar possível automatizar muitas tarefas que agora exigem trabalho que poderia ser gasto pensando, criando, brincando, amando ou sonhando.

A tradução de idiomas é um exemplo do que a IA já pode fazer. Qualquer pessoa com acesso a um computador, à internet e ao software de tradução IA pode ler material escrito em muitas línguas. Tradutores humanos são necessários para fornecer o material para treinar a IA, corrigir imprecisões nas traduções da IA e fazer traduções realmente boas. Mas a acessibilidade é útil, mesmo que a tradução seja arroz e feijão, em vez de boa comida.

A programação de computadores é outra área em que a IA poderia ajudar, aliviando os programadores do trabalho tedioso. A programação mudou muito desde a década de 1950, quando os computadores tiveram que ser reprogramados para tarefas diferentes e os bugs eram literalmente isso.

Na década de 1970, a maior parte da programação era feita em linguagens de alto nível como Fortran, Cobol ou C, com bibliotecas matemáticas e outras para tarefas comuns. A IA poderia levar isso um passo adiante, permitindo que os engenheiros de software descrevessem o que querem e façam com que a máquina escreva o programa. Programadores humanos ainda seriam necessários para fornecer o material para treinar a IA, corrigir as deficiências nos programas de IA e inovar.

…E os Abusos da IA

A IA hoje é baseada em roubo. As empresas de IA coletam grande parte de seus dados de seus usuários e da internet. Eles não reconhecem suas fontes ou pagam royalties pelos dados. Seus modelos não são regulamentados, e eles modificam a informação o suficiente para que a violação de direitos autorais seja difícil de provar.

O New York Times está atualmente processando a OpenAI por roubar seu conteúdo sem permissão ou pagamento. Músicos, artistas e escritores encontram-se competindo com ripoffs de IA.

A IA sob o capitalismo será usada para deslocar trabalhadores. Os robôs já são amplamente utilizados na fabricação, uma vez que as linhas de montagem se prestam a substituir o movimento humano por um movimento mecânico.

A IA permite que os robôs respondam com mais flexibilidade e sejam usados para mais tarefas, como recuperar itens em armazéns e, em algum momento, entregá-los, embora o problema de compartilhar a estrada com os seres humanos esteja longe de ser resolvido.

Sob o socialismo, isso poderia levar a uma redução bem-vinda nas horas de trabalho. Sob o capitalismo, levará a demissões.

O uso da IA reduz ainda mais a qualidade dos serviços. As lojas físicas fecharam, substituídas pela Amazon e outros varejistas on-line. Em muitas das lojas que permanecem, vendedores experientes foram substituídos por scanners. Os representantes dos clientes foram substituídos por páginas web e navegação telefônica automatizada de perguntas frequentes. A IA poderia ser usada para reduzir ainda mais a possibilidade de falar com um ser humano experiente.

A IA tenderá a reduzir a interação humana em geral, já que para muitos propósitos a única interação disponível é com um computador. O fechamento das escolas e o aprendizado on-line durante a pandemia da Covid-19 atrasaram tanto a educação que muitos alunos não se recuperaram cinco anos depois.

O isolamento da pandemia levou a mais abuso de álcool e drogas, violência doméstica e uma sensação de desesperança que contribuiu para a alta taxa de mortalidade entre os idosos. Os pais e pesquisadores se preocupam com o tempo de tela das crianças. A IA tenderá a atrair as pessoas mais para dentro de suas telas.

A IA irá sujeitar as pessoas a publicidade, marketing e outras segmentações mais insidiosas, à medida que as empresas de tecnologia acumulam mais dados sobre nós e os usam para mais finalidades. Não apenas vendas e solicitações, mas seleção de emprego, doxing e pior.

A inteligência artificial já aumentou o nível de vigilância. O reconhecimento facial permite a identificação e rastreamento de pessoas. Os leitores de matrículas auxiliam no rastreamento dos veículos.

Análise de metadados de comunicação permite a identificação de agrupamentos, desde círculos de amizade até fã-clubes e organizações ativistas. A transcrição e tradução da IA permitem extrair dados que passariam despercebidos nos últimos anos.

A repressão pode seguir à vigilância. A administração Trump tentou banir palavras “despertas” e informações sobre diversidade, mudança climática e justiça social dos sites federais. A IA permitiria que a vigilância desse tipo fosse alargada a todas as comunicações eletrônicas e, através de dispositivos de escuta, também a muitas comunicações não eletrônicas.

E não é apenas Trump. Ativistas da Palestina temem, com razão, a vigilância e a repressão por parte das administrações liberais das universidades.

Como mencionado acima, a IA requer imenso poder de computação e imensas quantidades de energia, que contribuem cada vez mais para a liberação de dióxido de carbono e mudanças climáticas. A IA poderia contribuir para a destruição ambiental indiretamente, já que agentes de corporações e governos distorcem os dados usados nos modelos da IA para remover referências à mudança climática, poluição e outros fatores que eles não querem serem considerados. “IA diz…” poderia disfarçar seus interesses e ideologias através da caixa preta de IA.

A guerra pode se tornar mais comum e mortal, à medida que os drones controlados por IA removem o perigo e a responsabilidade moral do combate. O filme de 1964 Dr. Strangelove ou: Como eu aprendi a parar de se preocupar e amar a bomba descreve satiricamente onde isso poderia levar.

No filme, a União Soviética criou uma máquina do juízo final como dissuasão nuclear, mas não a anunciou. O General Jack D. Ripper, pensando erroneamente que os EUA estão sob ataque, ordena um ataque nuclear, e o Major T. J. “King” Kong contrata para entregar uma bomba que aciona a máquina do juízo final. Ficção, mas consistente com a lógica de deixar a tomada de decisão para as máquinas.

Uma resposta da classe trabalhadora

Os socialistas e outros ativistas da classe trabalhadora devem dizer claramente que a IA, como muitas outras tecnologias, é muito útil e perigosa para deixar nas mãos dos capitalistas.

Amazon, Apple, Facebook, Google, Microsoft, Nvidia, Oracle, as empresas X de Elon Musk e todos os outros fornecedores de IA devem ser expropriados e tomados pela sociedade.

Uma vez que o governo capitalista não pode ser confiável, o controle dos trabalhadores e um governo dos trabalhadores são necessários para garantir que a IA atenda às necessidades humanas.

Os socialistas e outros ativistas da classe trabalhadora devem se juntar às campanhas contra os abusos atuais da IA. Músicos, artistas, escritores e outros produtores de conteúdo devem ter controle sobre o que produzem.

Os métodos e modelos de IA devem ser de código aberto. As empresas de IA devem ser obrigadas a revelar os dados sobre os quais treinam seus modelos, receber permissão para usá-los e pagar royalties aos seres humanos que os criam.

As pessoas devem ter o direito à privacidade dos dados e o direito de recusar a coleta de dados. Para que isso seja efetivo, o padrão deve ser recusar. Os contratos que exigem o compartilhamento de dados devem ser proibidos. “Livre” não deve significar livre em troca do consentimento para a vigilância.

Os trabalhadores cujos empregos estão ameaçados pela automação, incluindo a IA, devem ter uma palavra a dizer em qualquer transição. Os trabalhadores deslocados devem ter a garantia de empregos comparáveis, educação/formação para empregos que lhes interessem ou reforma com remuneração integral. Como o nível de produtividade do trabalho aumenta, a semana de trabalho deve ser reduzida sem perda de salário, e o trabalho deve ser dividido equitativamente entre aqueles que trabalham.

A vigilância corporativa deve ser proibida, e a coleta de dados do governo deve ser limitada ao que é necessário para a saúde pública, segurança e bem-estar. As legislaturas e os tribunais devem supervisionar a coleta de dados, e os relatórios da coleta de dados devem ser públicos. O uso da IA para atingir a repressão deve ser banido. Muita coisa pode estar escondida em sua caixa preta.

Os socialistas e outros ativistas da classe trabalhadora devem se opor à guerra em geral, e particularmente à incorporação da IA na máquina de guerra. Um crime de guerra é um crime de guerra, mesmo se puxar o gatilho for delegado à IA.

Os fornecedores de IA e seus clientes coorporativos e governamentais lutarão contra tais limitações. Como em outras áreas de disputa de classe, sua sabotagem mostrará que ações mais drásticas são necessárias.

Publicado originalmente em Against The Current.