O novo infinito

‘O que têm em comum um chatbot, uma geladeira inteligente, um preditor de risco de inadimplência, um tradutor automático, um carro autônomo, um filtro de spam de e-mail e um preditor de terremotos?’

A inteligência artificial resiste a uma definição estável, escreve Paola Lopez no Merkur (Alemanha), criando não apenas confusão conceptual, mas também problemas legais concretos. O termo ‘IA’ abrange uma ampla e variada gama de sistemas, desde modelos generativos até ferramentas algorítmicas mais limitadas.

E não é apenas em termos que os sistemas de IA variam. As tecnologias evoluem rapidamente e novas versões de modelos substituem as antigas com velocidade desconcertante. O resultado é um alvo em movimento que resiste à categorização clara. Essa fluidez ‘mercurial’ tem grandes implicações legais. Como podemos regular algo sem primeiro definir ‘o que está sendo regulado’?

Os esforços para legislar correm o risco de serem muito estreitos, deixando de capturar sistemas emergentes, ou muito amplos, agrupando tecnologias fundamentalmente diferentes. Além disso, conforme o debate sobre regulamentação se intensifica, as empresas estão deliberadamente minimizando o uso de IA.

A PredPol, por exemplo, era líder de mercado em policiamento preditivo até que a cidade de Santa Cruz, onde está sediada, proibiu o uso de tais tecnologias. A empresa respondeu mudando seu nome para Geolitica e alegando que nunca ofereceu ferramentas preditivas em primeiro lugar. Situações semelhantes devem acontecer novamente, sugere Lopez: ‘No início, todos querem ‘usar IA’ e tudo ‘tem IA’, porque é fácil surfar na onda de hype da IA. Mas assim que a regulamentação entra em vigor… ninguém vai querer ter sido associado à IA.’

A desvalorização do trabalho

A ascensão da IA no local de trabalho não ameaça apenas os trabalhadores que realizam tarefas automatizáveis; também remolda o próprio valor do trabalho. Lisa Herzog distingue quatro dimensões do valor do trabalho sendo minadas pela IA: ‘didática, construção de comunidade, criação de significado e política’.

No nível didático, o trabalho é um espaço para adquirir e aprimorar habilidades. Ao automatizar tarefas complexas, a IA limita as oportunidades de aprendizagem através da prática, tornando mais difícil adquirir conhecimento especializado. Isso também pode impactar a motivação, ‘se foi precisamente a oportunidade de praticar e desenvolver certas habilidades que atraiu alguém para uma profissão específica’.

Em segundo lugar, o trabalho impulsiona a integração social ao reunir pessoas que de outra forma nunca teriam se conhecido, mas a gestão algorítmica isola os trabalhadores, tornando mais difícil desenvolver um senso de cultura compartilhada.

A terceira dimensão do trabalho é o seu significado. ‘A ação humana é estruturalmente polissêmica’, com tarefas menores e mais tediosas se tornando válidas quando sabemos que contribuem para um objetivo maior. Plataformas gerenciadas por IA despojam o trabalho desse significado ao terceirizar numerosos micro trabalhos para trabalhadores temporários sem conhecimento de seu propósito final. O trabalho começa a parecer um ‘percurso de obstáculos de pequenas, intrincadas barreiras’ em vez de alcançar algo de valor real.

Por fim, os locais de trabalho ‘são importantes locais de politização’. Eles possibilitam conversas sobre condições de trabalho e direitos dos trabalhadores, fomentando assim consciência política e ação. Ao reestruturar o trabalho em tarefas individualizadas e colocar trabalhadores com contratos de zero horas uns contra os outros em uma corrida para pegar empregos, a IA nega esse aspecto do trabalho.

O novo infinito

A economia é ‘uma tentativa de superar recursos finitos multiplicando possibilidades de acesso’, escreve Birger P. Priddat. A história econômica pode ser entendida como uma sucessão de ‘regimes de campo’ que se expandem em diferentes dimensões, começando com campos em um sentido literal.

Primeiro, a transição da agricultura horizontal para a mineração vertical marcou a mudança da criação doméstica para a extração de recursos finitos. O comércio global permitiu então que as economias europeias ampliassem sua base de recursos sem intensificar a produção. Com o mar sem fronteiras e sem caminhos como o novo campo geométrico, os navios funcionavam como vetores na ‘apropriação espacial dos frutos dos continentes estrangeiros’. O próximo campo foi o temporal: a economia industrial era impulsionada pelo investimento em retornos futuros e uma mudança de ciclos de crescimento sazonal para uma produtividade constante.

No século XXI, com os recursos físicos do mundo esgotados, o campo se expandiu internamente, para o próprio comportamento humano: ‘Assim como Locke definiu a terra indígena como ‘vazia’, Google, Meta e outros definem nossos dados privados ‘como ‘brutos’ e ‘sem dono’ até serem processados por seus algoritmos’.

E o que nos aguarda no futuro? Priddat sugere que o sexto campo será o biológico. Chegamos ao ponto sem retorno com o clima: nenhuma quantidade de captura de carbono pode restaurar o sistema que destruímos. Nossa única opção é aproveitar o poder da IA para recriar nosso mundo: geoengenharia solar, corais resistentes ao calor, bactérias que comem plástico, proteínas cultivadas em laboratório.

‘O novo infinito não está na expansão do espaço, mas na densidade do design. Não estamos no fim da história da produtividade, mas em seu ponto mais perigoso e produtivo: a transição da destruição inconsciente para a composição consciente da vida planetária’.

Antropomorfismo engenharia

Os LLMs estão se tornando cada vez mais humanos, produzindo respostas que parecem conversacionais, empáticas e autoconscientes. Longe de ser incidental, essa qualidade antropomórfica é introduzida sistematicamente por meio de uma sequência de escolhas de design, escreve Max Beck. Até a decisão de apresentar interações na forma de um ‘chat’, em vez de, digamos, ‘fluxos de trabalho baseados em nós ou ferramentas de linha de comando’, é uma escolha de design deliberada, assim como ‘a exibição de tokens gerados na interface de chat como texto fluente reminiscente da digitação humana’.

O processo de criação de um LLM começa com o modelo base, treinado em vastos corpora de texto para gerar linguagem estatisticamente plausível. Nesta etapa, ‘a forma da resposta é determinada puramente com base na teoria da probabilidade a partir dos dados de treinamento díspares, que nem sempre são conversacionais’. O ajuste fino adapta então o modelo a tarefas mais específicas e melhora a relevância e fluidez.

O próximo passo é o ‘Aprendizado por Reforço do Feedback Humano’ (RLHF), onde avaliadores humanos classificam e comparam as saídas, recompensando aquelas que parecem úteis, educadas ou amigáveis. Esse processo dá ao modelo sua ‘personalidade’ incorporando normas comunicativas humanas em suas respostas. O resultado é um estilo que muitas vezes imita a consciência emocional.

Esse antropomorfismo engenharia tem claras vantagens financeiras e não deve desaparecer em breve. Sistemas mais humanos são mais fáceis e agradáveis de usar, aumentando a ‘aderência’ e prolongando o tempo de interação: ‘Por fim, o tempo de uso é a moeda de todas as plataformas interativas’. O antropomorfismo é, portanto, uma estratégia que alinha a experiência do usuário com as prioridades econômicas dos desenvolvedores e operadores de IA.

Análise por Traduções Acadêmicas Cadenza