O nome dele hoje aparece em salas de aula, salas de conselho e audiências políticas, mas o caminho de Sam Altman até a inteligência artificial começou de forma discreta: uma obsessão infantil por computadores e uma inquietação constante de que o software poderia reorganizar a sociedade.
Os primeiros anos de um programador inquieto
Sam Altman nasceu em Chicago, em 1985, e cresceu no Meio-Oeste dos Estados Unidos, longe dos campus reluzentes de tecnologia da Califórnia. Histórias da família descrevem um garoto muito mais fascinado por placas e componentes do que por desporto - mais satisfeito com uma chave de fendas do que com uma bola.
Aos oito anos, já conseguia desmontar um computador, montar tudo de novo e alterar o seu comportamento. Essa combinação de curiosidade pelo hardware com experimentação em software acabou por definir o que viria depois.
Na adolescência, no início dos anos 2000, Altman aprendeu a programar por conta própria, numa fase em que a internet avançava depressa, mas os smartphones ainda eram raros. Seguiu o percurso típico de jovens muito talentosos em computação: entrou na Universidade Stanford para estudar ciência da computação. E, em seguida, tomou a decisão clássica do Vale do Silício de abandonar o 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, um aplicativo de partilha de localização pensado para os primeiros utilizadores de smartphones. A proposta era simples, mas visionária: amigos conseguiam ver a localização uns dos outros num mapa e decidir com quem partilhar.
Não era apenas um experimento 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 investimento e mentoria intensiva.
A passagem pela Loopt deu a Altman uma lição dura e acelerada sobre encaixe produto-mercado, preocupações com privacidade e a matemática implacável do crescimento de utilizadores. O aplicativo não virou um fenómeno de massa, mas serviu para colocá-lo em evidência e, sobretudo, para aproximá-lo da órbita da Y Combinator.
De fundador a articulador de poder na Y Combinator
Em poucos anos, Altman saiu da cadeira de fundador para atuar do lado de investimento. Em 2014, assumiu a presidência da Y Combinator, que já funcionava como uma grande formadora de vencedores no Vale do Silício.
Nesse posto, analisou centenas de apresentações e ajudou a moldar os primeiros passos de algumas das empresas de tecnologia mais comentadas da década. Ganhou reputação por comentários diretos, apetite por risco e uma convicção forte de que a tecnologia deveria mirar alto - e não apenas polir serviços existentes.
"Como presidente da Y Combinator, Altman passou de tentar criar uma startup de sucesso para tentar impulsionar uma geração inteira delas."
Esse período também refinou a visão dele sobre o que a tecnologia pode provocar em escala planetária: de comunicação a 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 uniu forças com Elon Musk, Greg Brockman, Ilya Sutskever e vários outros pesquisadores 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 pequeno número de empresas ou governos.
No começo, a OpenAI foi estruturada como um laboratório de pesquisa sem fins lucrativos. Os fundadores prometeram divulgar o trabalho de forma ampla e evitar guardar avanços a sete chaves. A criação foi uma reação ao sentimento crescente de que a IA acabaria trancada em poucos silos corporativos ou em projetos militares confidenciais.
Esse idealismo, porém, esbarrou rapidamente na realidade. Treinar modelos de IA de ponta custa valores gigantescos. Centros de dados, chips especializados e equipas de pesquisa a trabalhar durante anos têm um preço elevado.
A estrutura híbrida e a corrida por capital
Com o tempo, Altman assumiu gradualmente o comando operacional da OpenAI e defendeu uma mudança estrutural profunda. A equipa criou um braço de lucro limitado: uma entidade com fins lucrativos cujo retorno para investidores é restringido, colocada acima da organização sem fins lucrativos original.
"Esse modelo incomum de 'lucro limitado' foi a tentativa de Altman de resolver um impasse: captar bilhões e, ao mesmo tempo, dizer que o beneficiário final seria a humanidade - não os acionistas."
Com essa alteração, a OpenAI passou a conseguir fechar grandes acordos de financiamento e garantir acesso de longo prazo a infraestrutura de computação, posicionando-se na linha de frente da corrida armamentista de IA ao lado das maiores plataformas de tecnologia.
Por dentro da tecnologia: de GPT a GPT‑4o
A OpenAI apostou cedo numa arquitetura específica de IA: a arquitetura transformer. Trata-se de modelos de aprendizagem profunda capazes de “prestar atenção” a diferentes partes do texto ao mesmo tempo, o que lhes permite prever e gerar linguagem de maneira surpreendentemente coerente.
A série GPT (Generative Pre‑trained Transformer) da OpenAI funciona em duas etapas principais:
- Pré-treino: o modelo absorve volumes enormes de texto produzido por pessoas para aprender padrões de linguagem.
- Ajuste fino: o modelo continua a ser treinado com feedback humano para seguir instruções e evitar conteúdo claramente prejudicial.
Com o tempo, esses modelos deixaram de ser truques de festa e viraram ferramentas de uso geral. O GPT‑4o, uma das iterações mais recentes, consegue processar e gerar texto com mais nuance e lidar com múltiplas modalidades - como imagens ou áudio - dentro de um único sistema.
Além dos modelos de texto, a OpenAI lançou o DALL·E para criação de imagens e o Sora para geração de vídeos, ampliando a visão de Altman de que a IA seria um motor geral de conteúdo, e não apenas um chatbot.
A onda de choque do ChatGPT
Um projeto paralelo que virou um hábito global
No fim de 2022, a OpenAI lançou o ChatGPT, uma interface de conversa construída sobre os seus modelos GPT. Dentro da empresa, alguns encaravam a ferramenta como um teste de usabilidade, e não como o produto principal. A reação do público derrubou essa hipótese quase da noite para o dia.
O ChatGPT conseguia responder perguntas em linguagem natural, redigir e-mails, resumir relatórios, gerar ideias ou atuar como tutor em simulações. As pessoas testaram para trabalhos escolares, código, mensagens para encontros, candidaturas de emprego e praticamente tudo o que envolvia palavras.
"Em poucas semanas, o ChatGPT reuniu dezenas de milhões de usuários e se tornou um dos serviços de consumo que mais cresceu rapidamente na história da internet."
Os números seguiram a subir, com centenas de milhões de utilizadores mensais relatados em menos de um ano. Para muita gente, o ChatGPT foi o primeiro contacto direto com IA generativa: não um artigo académico, não um vídeo de demonstração, mas uma ferramenta em que se escreve e se recebe algo útil em troca.
Como o ChatGPT mudou a conversa sobre IA
O sucesso público do ChatGPT alterou a forma como governos, escolas e empresas passaram a falar sobre IA. A tecnologia deixou de ser uma experiência distante de laboratório. Em questão de meses, já estava em salas de aula, escritórios e parlamentos.
| Antes do ChatGPT | Depois do ChatGPT |
|---|---|
| IA vista como nicho, principalmente para especialistas | IA vista como ferramenta do dia a dia para trabalhadores e estudantes |
| Debates de políticas focados em ameaças de longo prazo | Questões urgentes sobre empregos, provas e regulação |
| Empresas experimentando discretamente | Conselhos exigindo estratégias de IA em todos os departamentos |
Altman virou o rosto público dessa mudança, prestando depoimento a senadores dos EUA, reunindo-se com reguladores europeus e respondendo a preocupações que vão de desinformação a impactos no trabalho.
O próximo passo: rumo a máquinas que raciocinam
Hoje, Altman lidera o impulso da OpenAI por sistemas que não apenas imitam linguagem, mas apresentam raciocínio mais avançado. O objetivo, declarado abertamente, é avançar em direção à inteligência artificial geral: uma IA capaz de realizar uma ampla variedade de tarefas cognitivas em nível igual ou superior ao humano.
Isso inclui construir agentes que consigam decompor problemas complexos, acionar ferramentas como motores de busca ou interpretadores de código e trabalhar ao longo de horizontes de tempo mais longos. Esses agentes estão a ser testados em software de produtividade, assistentes de programação e suítes criativas.
"Altman fala sobre futuros agentes de IA menos como chatbots e mais como colaboradores capazes de planejar, agir e aprender ao lado de humanos."
O que a ascensão de Altman significa para a vida cotidiana
Usos práticos que as pessoas já estão a adotar
Por trás da retórica grandiosa, a IA generativa sob a liderança de Altman já aparece com usos palpáveis em situações comuns:
- Educação: estudantes recorrem à IA para explicações, traduções e exercícios; professores testam correção automatizada e planeamento de aulas.
- Trabalho: equipes de escritório pedem à IA para redigir relatórios, melhorar apresentações ou resumir longas sequências de e-mails.
- Pequenas empresas: donos criam textos de marketing, perguntas frequentes e descrições de produtos sem contratar uma agência completa.
- Programação: desenvolvedores usam copilotos com IA para sugerir código, identificar erros e traduzir entre linguagens.
Esses exemplos ajudam a explicar por que o ChatGPT passou tão depressa de novidade a hábito: ele reduz o tempo gasto em tarefas que muita gente considera entediantes ou difíceis.
Riscos, tensões e o que pode dar errado
Os mesmos sistemas que Altman promove também despertam preocupações sérias. Modelos generativos podem produzir erros com confiança, expor dados do treino ou reproduzir vieses presentes no material que absorveram. Em áreas de alto risco - como saúde, direito ou finanças - essas falhas podem provocar danos reais.
Há ainda a questão do poder. Treinar modelos de fronteira exige centros de dados enormes e chips caros, o que concentra o controlo em poucas empresas e governos. Críticos dizem que a estrutura híbrida defendida por Altman, embora incomum, ainda assim centraliza influência massiva dentro da OpenAI e dos seus apoiadores.
O uso malicioso é outro ponto. Texto e vídeo gerados por IA podem ser usados para golpes direcionados, deepfakes ou propaganda política. Legisladores agora correm para atualizar regras eleitorais, políticas escolares e leis de direitos autorais diante de ferramentas capazes de produzir conteúdo convincente em escala.
Termos-chave: IA generativa e AGI explicados
IA generativa refere-se a sistemas que criam conteúdo novo: texto, imagens, áudio ou vídeo. Eles aprendem a partir de exemplos existentes, mas não os copiam simplesmente. 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 uma ampla gama de tarefas intelectuais com flexibilidade semelhante à humana. A missão fundadora da OpenAI gira em torno de garantir que esse poder, se for alcançado, esteja alinhado a valores humanos e seja amplamente partilhado - e não trancado dentro de poucas instituições.
Se a AGI chegar em décadas ou continuar fora de alcance, Altman já transformou a maneira como bilhões de pessoas se relacionam com software. Por enquanto, o “prodígio da tecnologia por trás do ChatGPT” está a conduzir um dos experimentos mais consequentes do século XXI: o que acontece quando algo quase parecido com inteligência vai parar nas mãos de qualquer pessoa com uma ligação à internet.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário