Um computador consegue realizar tarefas impressionantes. Pode calcular em poucos segundos o que uma pessoa levaria muito tempo para calcular, encontrar informações em enormes conjuntos de dados, reproduzir vídeos, controlar máquinas, reconhecer padrões em imagens e produzir textos. Diante de tantas capacidades, é natural dizer que o computador “sabe” fazer essas coisas. No entanto, esse modo cotidiano de falar pode esconder uma diferença importante: executar uma tarefa não é necessariamente o mesmo que compreendê-la da maneira como uma pessoa compreende.

Na base de seu funcionamento, um computador é uma máquina capaz de executar instruções. Ele recebe informações, realiza operações de acordo com regras e produz resultados. Essas operações podem ser extremamente simples quando consideradas individualmente. O que torna os computadores tão poderosos é a capacidade de executar enormes sequências delas com muita velocidade e precisão.

Um cálculo comum ajuda a visualizar essa diferença. Quando uma calculadora recebe dois números e uma operação, seus circuitos executam procedimentos que produzem o resultado. Ela não precisa entender o significado cotidiano daqueles números. O valor calculado poderia representar dinheiro, distância, temperatura ou quantidade de produtos. Para a máquina, o importante é que os dados estejam representados de uma forma que possa ser processada e que exista uma operação definida para eles.

Os computadores trabalham com representações. Textos, imagens, músicas e vídeos precisam ser convertidos em dados que possam ser armazenados e processados. Uma fotografia digital, por exemplo, é representada por valores que descrevem seus elementos visuais. Uma música é armazenada por meio de dados que permitem reconstruir o som. Um texto é transformado em códigos associados a caracteres e outras estruturas. O computador não precisa guardar uma pequena fotografia física dentro de sua memória nem possuir uma voz escondida para armazenar uma gravação.

Em última análise, esses dados são representados fisicamente por estados que os circuitos eletrônicos conseguem distinguir. É comum explicar esse processo usando os valores 0 e 1, chamados de bits. Isso não significa que existam pequenos números escritos dentro do computador. Os zeros e uns são uma maneira conveniente de representar estados físicos e organizar o funcionamento lógico dos circuitos.

A partir de operações simples, é possível construir comportamentos muito complexos. Um programa pode comparar valores, realizar cálculos, mover dados, repetir operações e escolher caminhos diferentes conforme determinadas condições. Milhões ou bilhões dessas operações, organizadas adequadamente, permitem abrir uma página, executar um jogo, editar uma fotografia ou controlar um equipamento industrial.

O programa é justamente o conjunto organizado de instruções que orienta esse trabalho. Quando alguém escreve um programa, define procedimentos que o computador deverá executar. Linguagens de programação permitem expressar essas instruções de uma forma mais conveniente para seres humanos. Depois, ferramentas transformam ou interpretam o programa de modo que a máquina consiga executar as operações correspondentes.

Isso explica uma característica fundamental dos computadores: eles são muito bons em repetir procedimentos definidos. Se uma tarefa puder ser representada por operações computacionais, a máquina pode realizá-la inúmeras vezes sem se cansar. Pode examinar milhões de registros, fazer cálculos repetitivos e acompanhar condições continuamente. Essa capacidade tornou a computação especialmente valiosa em atividades que envolvem grande quantidade de informação.

Entretanto, seguir instruções não garante que o resultado corresponda ao que uma pessoa realmente desejava. Um programa executa as regras que foram implementadas, e essas regras podem conter erros ou representar mal o problema. Se um sistema recebe dados incorretos ou utiliza critérios inadequados, pode produzir resultados ruins mesmo que o computador esteja funcionando perfeitamente.

Imagine um programa criado para calcular descontos em uma loja. Se a regra implementada disser que clientes com determinada condição recebem 20% de desconto, o computador pode aplicar esse cálculo a milhares de compras com rapidez. Mas ele não decidiu que 20% era um valor adequado, nem necessariamente conhece a razão comercial daquela regra. A política foi estabelecida por pessoas e transformada em uma forma que o sistema consegue executar.

Durante muito tempo, essa relação era especialmente evidente porque muitos programas dependiam de regras escritas diretamente por programadores. Se determinada condição acontecesse, o programa deveria fazer uma coisa; caso contrário, faria outra. Sistemas atuais, porém, também podem aprender padrões a partir de dados. É nesse ponto que a diferença entre execução e compreensão parece menos evidente.

No aprendizado de máquina, um sistema pode ser ajustado usando muitos exemplos em vez de receber todas as regras detalhadas manualmente. Um programa destinado a reconhecer determinados objetos em fotografias, por exemplo, pode aprender relações estatísticas presentes em grandes conjuntos de imagens. Depois do treinamento, consegue analisar uma imagem nova e estimar o que aparece nela.

Isso não significa que alguém tenha escrito uma regra específica para cada fotografia possível. O sistema desenvolve internamente formas matemáticas de representar padrões encontrados durante o treinamento. Essa capacidade permite resolver problemas que seriam extremamente difíceis de programar como uma longa lista de instruções explícitas.

Ainda assim, existe uma diferença entre reconhecer padrões e possuir a experiência humana relacionada ao que foi reconhecido. Um sistema pode identificar com grande precisão a imagem de uma bicicleta sem jamais ter aprendido a andar de bicicleta, sentido medo de cair ou compreendido por experiência própria por que alguém prefere pedalar em vez de caminhar. Ele consegue realizar a tarefa computacional de classificação sem compartilhar a experiência humana associada ao objeto.

A linguagem torna essa diferença ainda mais interessante. Sistemas de inteligência artificial podem produzir textos coerentes, responder perguntas, resumir documentos, traduzir idiomas e manter conversas. Para fazer isso, modelos modernos aprendem relações complexas presentes em enormes quantidades de dados e utilizam essas relações para processar e gerar linguagem.

O resultado pode se parecer muito com uma explicação produzida por alguém que conhece o assunto. Em muitas tarefas, essa capacidade é realmente útil. Entretanto, não é adequado concluir automaticamente que o sistema compreende cada frase exatamente como uma pessoa compreenderia. A palavra “compreensão” envolve questões difíceis, inclusive quando tentamos definir com precisão como a própria compreensão humana funciona.

Uma pessoa relaciona palavras a uma vida no mundo. “Chuva” pode estar ligada à sensação de água na pele, ao som no telhado, a uma viagem interrompida ou à lembrança de um determinado dia. A compreensão humana é formada não apenas por relações entre palavras, mas também por percepção, corpo, experiências, relações sociais, memória e contexto cultural. Sistemas computacionais podem representar muitas informações relacionadas à chuva sem necessariamente possuir esse conjunto de experiências.

Isso não torna suas capacidades falsas. Um computador não precisa compreender uma multiplicação como uma pessoa para calcular corretamente. Um sistema de navegação não precisa sentir o que significa estar perdido para encontrar uma rota. Um programa de tradução não precisa ter vivido em dois países para produzir traduções úteis. O erro está em imaginar que uma tarefa só pode ser realizada se o mecanismo por trás dela for semelhante ao pensamento humano.

Também é importante evitar o extremo oposto. Dizer que computadores “apenas executam instruções” pode dar a impressão de que tudo o que fazem é simples ou completamente previsto por quem os programou. Isso não corresponde aos sistemas complexos atuais. Programas podem combinar inúmeras regras, receber informações em tempo real e produzir resultados que nenhum desenvolvedor calculou antecipadamente. Modelos treinados com dados podem apresentar comportamentos que não foram especificados caso a caso por seus criadores.

Mesmo assim, todo esse funcionamento continua dependendo de processos físicos e computacionais. O sistema precisa de equipamentos, energia, dados e programas. Suas operações seguem mecanismos definidos pela arquitetura que o torna possível. O fato de um resultado surpreender quem construiu o sistema não significa que a máquina tenha abandonado seu funcionamento computacional e começado a agir por magia.

Outro ponto importante é que computadores não estabelecem naturalmente os objetivos que consideramos importantes. Um sistema pode ser desenvolvido para reduzir o tempo de entrega, aumentar vendas, identificar fraudes ou recomendar vídeos. Mas alguém precisa decidir que esse objetivo merece ser perseguido e como seu sucesso será medido. Mesmo sistemas capazes de escolher ações para atingir uma meta normalmente trabalham dentro de objetivos, condições e ambientes definidos por seres humanos.

Isso faz diferença porque uma meta mal definida pode produzir comportamentos indesejados. Se um sistema for orientado apenas a aumentar uma determinada medida, pode encontrar maneiras de melhorar esse número sem alcançar aquilo que as pessoas realmente pretendiam. O computador consegue otimizar o que foi representado matematicamente, mas a representação pode não capturar todos os valores e consequências relevantes para a situação.

O contexto humano também cria dificuldades. Pessoas frequentemente entendem informações incompletas porque compartilham conhecimentos sobre costumes, relações e situações. Uma frase simples pode ser uma brincadeira, uma ameaça, uma ironia ou um pedido indireto dependendo de quem fala, onde fala e do que aconteceu antes. Sistemas computacionais conseguem utilizar cada vez mais informações de contexto, mas situações reais podem conter elementos que nunca foram fornecidos a eles.

Há ainda a questão do erro. A confiança que depositamos em computadores costuma vir de sua precisão em tarefas como cálculos e armazenamento. Isso pode levar à impressão de que qualquer resultado produzido por um sistema é objetivo ou correto. Mas programas são criados por pessoas, dados podem conter problemas e modelos podem produzir respostas inadequadas. A velocidade de uma máquina não garante a qualidade da decisão.

Por essa razão, é importante distinguir capacidade computacional de julgamento. Um sistema pode analisar milhares de possibilidades rapidamente e fornecer informações valiosas para uma decisão. Determinar o que é justo, aceitável, desejável ou responsável pode exigir critérios que não se resumem ao processamento dos dados disponíveis. Em áreas que afetam pessoas de maneira importante, essa diferença merece atenção especial.

Também usamos palavras humanas para falar sobre máquinas porque isso torna a comunicação mais fácil. Dizemos que o computador “leu” um arquivo, que o aplicativo “lembrou” uma senha, que o sistema “viu” uma imagem ou que uma inteligência artificial “respondeu” a uma pergunta. Essas expressões são úteis e não precisam ser abandonadas. O cuidado necessário é não concluir que processos diferentes são idênticos apenas porque usamos a mesma palavra para descrevê-los.

A pergunta sobre o que um computador realmente sabe fazer, portanto, não possui uma resposta tão simples quanto dizer que ele apenas calcula ou que pensa como uma pessoa. Computadores conseguem representar informações, executar operações, seguir regras, identificar padrões, aprender relações a partir de dados e produzir resultados extremamente complexos. Em determinadas tarefas, podem superar amplamente a capacidade humana em velocidade, escala ou precisão.

Ao mesmo tempo, realizar uma tarefa com competência não demonstra, por si só, que exista uma compreensão humana por trás dela. Pessoas e computadores podem chegar a resultados semelhantes por caminhos muito diferentes. Reconhecer essa diferença permite avaliar melhor tanto o poder quanto os limites das máquinas. O mais importante não é diminuir aquilo que os computadores conseguem fazer nem atribuir a eles capacidades humanas automaticamente, mas entender que a computação criou uma forma extraordinariamente poderosa de processar informações — uma forma que pode imitar, apoiar e até superar algumas habilidades humanas sem precisar funcionar exatamente como a mente humana.