Hoje você pode abrir um chatbot, escrever uma pergunta e receber uma resposta em segundos. Pode pedir uma explicação sobre física. Um código em Python. Uma receita. Um resumo. Ou, se estiver especialmente desesperado, pode perguntar como terminar um trabalho que deveria ter começado três semanas atrás.
Olá, é um prazer inenarrável estar mais uma vez escrevendo este post.
O mais curioso é que essa experiência parece completamente normal hoje. Mas ela não nasceu com o ChatGPT. E muito menos com o Claude.
Antes de existirem os chatbots modernos, pesquisadores passaram décadas tentando descobrir como fazer computadores entender, interpretar e produzir linguagem humana. Algumas dessas tentativas foram bastante simples. Outras pareciam absurdamente avançadas para a época. E algumas falharam.
Só que existe um detalhe interessante: muitos desses fracassos ajudaram a mostrar o que seria necessário para construir os sistemas que usamos atualmente.
Então, antes de falar sobre Claude, Gemini ou ChatGPT, precisamos voltar algumas décadas. Porque a história começa muito antes de alguém simplesmente digitar: “Escreva um texto sobre inteligência artificial.”
1. ELIZA — o chatbot que fingia entender você
Imagine conversar com um computador em uma época em que computadores ainda estavam muito longe de parecer assistentes pessoais.
Foi justamente nesse cenário que surgiu ELIZA, desenvolvido por Joseph Weizenbaum no MIT durante a década de 1960. Um dos programas mais famosos de ELIZA era chamado DOCTOR, que simulava uma conversa com um terapeuta.
O funcionamento era relativamente simples. O sistema procurava determinadas palavras ou padrões na frase do usuário e respondia utilizando regras previamente programadas. Se você dissesse algo relacionado à sua mãe, por exemplo, o programa poderia devolver uma pergunta relacionada à sua família.
Não existia um grande modelo de linguagem por trás. Não havia uma IA analisando bilhões de parâmetros. Era essencialmente um conjunto engenhoso de regras.
E, mesmo assim, algumas pessoas chegaram a sentir que estavam realmente conversando com alguém.
Aqui aparece uma das primeiras grandes lições da história dos chatbots:
às vezes, uma máquina não precisa realmente entender você para parecer que entende.
Isso foi fascinante — e também levantou questões que continuam relevantes até hoje. Quando uma IA responde de maneira convincente, estamos diante de compreensão real ou apenas de uma simulação extremamente sofisticada?
Na década de 1960, essa pergunta parecia filosófica. Hoje ela aparece toda vez que alguém discute ChatGPT, Claude ou Gemini.
2. PARRY — quando o computador ganhou uma “personalidade”
Alguns anos depois, outro sistema levou a ideia um pouco além.
Em 1972, o psiquiatra Kenneth Colby desenvolveu PARRY, um programa que simulava uma pessoa com determinados padrões de pensamento e comportamento.
Assim como ELIZA, PARRY não possuía inteligência artificial no sentido moderno. Seu funcionamento dependia principalmente de regras e estruturas pré-programadas.
Mas a proposta era diferente. Enquanto ELIZA simulava um terapeuta, PARRY simulava um paciente. Isso permitia que pesquisadores estudassem como pessoas reagiam a uma conversa com um sistema que apresentava uma personalidade relativamente consistente.
Parece simples hoje. Na época, porém, era uma demonstração importante de que computadores poderiam participar de interações linguísticas de uma maneira que parecia muito mais natural do que simplesmente responder com mensagens pré-definidas.
A ideia de criar uma máquina que não apenas respondesse, mas mantivesse uma identidade conversacional, começava a ganhar força.
3. ALICE — o chatbot que popularizou a conversa na internet
Agora vamos avançar para os anos 1990.
A internet estava começando a se popularizar, e os chatbots também encontraram um novo ambiente para existir.
Um dos nomes mais importantes dessa época foi A.L.I.C.E., sigla para Artificial Linguistic Internet Computer Entity. Criado por Richard Wallace, o sistema utilizava uma linguagem chamada AIML (Artificial Intelligence Markup Language) para definir padrões de conversa.
A ideia era relativamente direta:
O usuário escrevia alguma coisa.
O sistema identificava um padrão.
Então encontrava uma resposta correspondente.
Novamente, não estamos falando de um modelo de linguagem moderno. Mas A.L.I.C.E. mostrou que sistemas conversacionais poderiam ser bastante sofisticados utilizando uma enorme quantidade de regras e padrões.
O projeto ganhou notoriedade e chegou a vencer o Loebner Prize, competição criada para avaliar programas de conversação.
E aqui existe uma pequena ironia histórica. Enquanto os sistemas modernos são treinados com enormes quantidades de dados, esses primeiros chatbots dependiam fortemente de pessoas criando regras para determinar como deveriam responder.
Era como ensinar uma criança a conversar escrevendo manualmente um gigantesco livro de: “Se alguém disser isso, responda aquilo.”
Funcionava. Até certo ponto. Mas tinha um problema. O mundo é grande demais para caber em um livro de regras.
4. SmarterChild — o chatbot que apareceu antes de a IA virar moda
No começo dos anos 2000, milhões de pessoas começaram a conversar com um chatbot sem necessariamente pensar nele como “inteligência artificial”.
Seu nome era SmarterChild. Ele podia ser encontrado em serviços de mensagens como AOL Instant Messenger e MSN Messenger.
Para muita gente, essa foi uma das primeiras experiências realmente populares de conversar com um programa de computador como se fosse uma pessoa.
Você podia perguntar coisas. Pedir informações. Conversar. Fazer brincadeiras.
E, em uma época em que assistentes de IA ainda estavam muito longe da experiência atual, isso era bastante impressionante.
O SmarterChild não era um ChatGPT antecipado. Ele tinha limitações enormes. Mas introduziu uma ideia importante para o público: conversar com um computador podia ser útil e divertido.
Essa familiaridade seria importante anos depois, quando assistentes virtuais e chatbots mais avançados começassem a aparecer em escala.
5. Siri — quando o chatbot saiu da janela e entrou no bolso
Em 2011, a Apple apresentou o Siri integrado ao iPhone 4S.
Agora a interação com uma IA não precisava acontecer em um programa de mensagens. Você podia simplesmente falar com o telefone.
“Qual é a previsão do tempo?” “Defina um alarme.” “Ligue para alguém.” “Que horas são?”
A ideia de um assistente digital começou a se tornar parte do cotidiano.
É importante fazer uma distinção: Siri não era um modelo de linguagem generativo como os chatbots atuais. Seu funcionamento envolvia reconhecimento de voz, processamento de linguagem, sistemas de busca e respostas associadas a diferentes tarefas.
Mesmo assim, representou uma mudança enorme. A inteligência artificial estava começando a sair dos laboratórios e entrar na vida cotidiana.
E isso ajudou a criar uma expectativa que hoje parece óbvia: por que eu deveria clicar em vários menus para fazer alguma coisa se posso simplesmente pedir?
Essa mudança de interface foi tão importante quanto o avanço dos próprios modelos.
6. Google Assistant — a conversa ficou ainda mais natural
Depois do Siri, outros assistentes virtuais ganharam espaço.
Em 2016, o Google apresentou o Google Assistant, levando ainda mais longe a ideia de interagir com serviços digitais através da linguagem natural.
O objetivo era permitir que as pessoas fizessem perguntas e executassem ações de maneira mais conversacional. Você não precisava necessariamente conhecer o caminho exato dentro de um aplicativo. Bastava pedir.
Isso parece banal hoje. Mas existe uma transformação enorme escondida nessa mudança.
Durante décadas, nós aprendemos a utilizar computadores através de interfaces. Menus. Botões. Ícones. Comandos.
Agora começávamos a ensinar computadores a interpretar uma coisa muito mais natural: a maneira como falamos.
E essa mudança preparou o terreno para a próxima grande revolução.
7. GPT — quando a conversa começou a mudar de categoria
Chegamos finalmente ao ponto que conecta essa história aos chatbots atuais.
Antes do ChatGPT existir, a OpenAI já trabalhava com a família de modelos GPT (Generative Pre-trained Transformer).
O primeiro GPT foi apresentado em 2018, seguido por versões cada vez maiores e mais capazes. O GPT-2, lançado em 2019, demonstrou uma capacidade significativamente maior de gerar texto. Depois veio o GPT-3, em 2020, com uma escala muito maior.
Mas ainda faltava uma peça. Ter um modelo capaz de gerar texto não significava necessariamente ter um excelente assistente conversacional.
Foi então que técnicas de treinamento e alinhamento, incluindo Reinforcement Learning from Human Feedback (RLHF), ajudaram a tornar modelos mais úteis para seguir instruções humanas.
Em 2022, a OpenAI lançou o ChatGPT. E aí aconteceu algo diferente.
A inteligência artificial generativa deixou de parecer uma tecnologia distante para milhões de pessoas. Você simplesmente abria uma página e conversava. Não precisava entender como um Transformer funcionava. Não precisava saber programação. Não precisava conhecer machine learning. Era só escrever.
E foi nesse momento que o chatbot moderno realmente explodiu em popularidade.
Então o Claude veio depois de tudo isso?
Sim.
O Claude, desenvolvido pela Anthropic, surgiu em um cenário completamente diferente daquele enfrentado por ELIZA.
Quando a Anthropic apresentou Claude em 2023, os grandes modelos de linguagem já haviam demonstrado que podiam gerar textos, responder perguntas, resumir informações e auxiliar em tarefas complexas.
Ou seja, Claude não apareceu em um vazio tecnológico. Ele surgiu depois de décadas de experimentação com linguagem e sistemas conversacionais, além de avanços recentes em aprendizado de máquina e modelos Transformer.
E isso explica algo importante. Quando você conversa com Claude hoje e recebe uma resposta aparentemente natural, existe uma história gigantesca escondida atrás daquela caixa de texto.
ELIZA ajudou a mostrar que máquinas poderiam simular conversas.
PARRY explorou personalidade e interação.
A.L.I.C.E. mostrou como regras podiam produzir diálogos relativamente complexos.
SmarterChild colocou chatbots nas mãos de milhões de usuários da internet.
Siri e Google Assistant normalizaram a ideia de conversar com dispositivos.
E a família GPT ajudou a inaugurar a era dos grandes modelos generativos acessíveis ao público.
Claude entrou nessa história como parte de uma nova geração.
chatbots: O curioso é que quase nada começou com “inteligência”
Existe uma ironia nisso tudo.
Os primeiros chatbots não eram realmente inteligentes como entendemos o termo hoje. Eles seguiam regras. Reconheciam padrões. Redirecionavam frases. Consultavam informações.
Mesmo assim, foram construindo uma ponte entre seres humanos e computadores.
Cada geração resolveu um pedaço do problema.
Como reconhecer uma frase?
Como responder de maneira coerente?
Como manter contexto?
Como seguir instruções?
Como produzir linguagem?
Como conversar naturalmente?
Durante décadas, pesquisadores foram respondendo essas perguntas uma por uma.
O chatbot moderno parece ter surgido de repente. Mas não surgiu. Ele foi acumulando décadas de tentativas.
chatbots: E é aqui que entra o efeito Zeigarnik
Quando você começa a estudar a história dos chatbots, fica uma pergunta na cabeça: qual foi exatamente o momento em que uma máquina deixou de apenas responder e começou a realmente gerar linguagem?
Essa pergunta é mais complicada do que parece. Não existe uma única data. Não houve uma manhã em que um pesquisador acordou, tomou café e anunciou: “Hoje inventamos o chatbot moderno.”
A transformação aconteceu aos poucos.
Regras deram lugar a modelos estatísticos. Modelos estatísticos foram substituídos por arquiteturas mais poderosas. Redes neurais começaram a dominar o processamento de linguagem. Transformers mudaram a escala do treinamento. Modelos maiores começaram a apresentar capacidades inesperadas. E, finalmente, interfaces conversacionais colocaram tudo isso diante do público.
O que parece uma revolução repentina foi, na verdade, uma sequência de pequenas revoluções.
chatbots: O futuro talvez pareça tão estranho quanto ELIZA parecia
Existe uma última ironia.
Se alguém mostrasse o ChatGPT para uma pessoa que conheceu ELIZA nos anos 1960, provavelmente pareceria magia. Mas para nós, conversar com uma IA já parece normal.
Isso significa que provavelmente existe outra geração de tecnologia sendo construída agora que, daqui a alguns anos, parecerá igualmente óbvia.
Talvez sejam agentes capazes de executar tarefas inteiras. Talvez sistemas multimodais muito mais integrados. Talvez IAs que trabalhem continuamente com diferentes ferramentas.
Aliás, já exploramos essa evolução em 5 Agentes de IA Prontos que Podem Trabalhar por Você e em 5 Agentes de IA do Gemini que Podem Automatizar Tarefas.
A história dos chatbots mostra uma coisa importante: o que parece impossível hoje pode simplesmente ser a etapa seguinte de uma tecnologia que já está sendo construída.
ELIZA parecia impressionante. Siri parecia futurista. ChatGPT parecia revolucionário. Claude parecia uma nova geração. E provavelmente nenhum deles será o último capítulo.
ChatGPT e Claude parecem ter surgido de repente, mas a história dos chatbots começou décadas antes, com sistemas como ELIZA e PARRY. Cada geração resolveu uma parte do problema até chegarmos aos modelos atuais. **Em que momento uma máquina deixou de apenas responder e começou a gerar linguagem de forma realmente diferente?**
Fontes
- ELIZA (1966) — MIT Press
Joseph Weizenbaum criou o ELIZA, um dos primeiros programas de conversação por linguagem natural.
MIT Press — ELIZA: A Computer Program for the Study of Natural Language Communication - PARRY (1972) — Stanford / The Atlantic
Desenvolvido por Kenneth Colby, o PARRY simulava uma pessoa com comportamento paranoico e representou uma evolução em relação ao ELIZA.
Stanford — When PARRY Met ELIZA - A.L.I.C.E. (1995) — Computer History Museum
O A.L.I.C.E. utilizava regras de correspondência de padrões e teve grande influência na história dos chatbots.
Computer History Museum — Chatbots Decoded - Jabberwacky (1997) — Computer History Museum
Criado por Rollo Carpenter, o Jabberwacky foi lançado na web em 1997 e buscava aprender com as interações dos usuários, em vez de depender apenas de respostas pré-programadas.
Computer History Museum — Chatbots Decoded - SmarterChild (2001) — Computer History Museum
Um dos primeiros chatbots a alcançar enorme popularidade entre consumidores, funcionando em serviços como AOL Instant Messenger e Yahoo! Messenger.
Computer History Museum — SmarterChild: A Chatbot Buddy from 2001 - Siri (2010) — Computer History Museum / IBM
A Siri levou a interação conversacional para os smartphones e ajudou a popularizar assistentes de voz entre consumidores.
Computer History Museum — Chatbots Decoded - IBM Watson (2011) — IBM
O Watson demonstrou avanços significativos em compreensão de linguagem natural ao vencer os campeões do Jeopardy! em 2011.
IBM — Watson, Jeopardy! champion
