AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

APLICAÇÃO DA
INTELIGÊNCIA
ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
GUSTAVO MASCARENHAS LACERDA PEDRINA

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 1

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Material didático de curso a distância:

Aplicação da Inteligência Artificial ao Direito

Validação pedágogica e diagramação:

Supremo Tribunal Federal
Secretaria de Gestão de Pessoas
Coordenadoria de Desenvolvimento de Pessoas

Conteudista:
Gustavo Mascarenhas Lacerda Pedrina (STF)

Revisora de textos:
Tatiana Viana Fraga (STF)

Web designer:
Haina Castro Rego (STF)

DADOS PARA REFERÊNCIA

SUPREMO TRIBUNAL FEDERAL. Curso a distância: Aplicação

da Inteligência Artificial ao Direito. Brasília: Coordenadoria de
Desenvolvimento de Pessoas, 2020. Disponível em: ead.stf.jus.br.
Acesso restrito com login e senha.

2020, Supremo Tribunal Federal.

Todos os direitos reservados.
Este material possui função didática, sem fins comerciais.
Para mais detalhes sobre as condições de uso, acesse: Licença STF.

Visite o Ambiente Virtual de Aprendizagem do STF

Contato: ead@stf.jus.br

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 2

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

INTRODUÇÃO .......................................................................... 4
1. O QUE É E O QUE NÃO É AI.............................................. 5
2. INTELIGÊNCIA ARTIFICIAL: EVOLUÇÃO DESDE
TURING....................................................................................... 10
3. BIG DATA............................................................................... 13
4. MACHINE LEARNING........................................................ 15
CONCLUSÃO............................................................................ 17
REFERÊNCIAS......................................................................... 19

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 3

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

INTRODUÇÃO

Oi! Tudo bem? Esta é a primeira aula do nosso curso. Nela e nas próximas
vamos discutir e aprender mais sobre um termo cada vez mais popular, a inteligência
artificial. Você já ouviu falar?

É comum hoje em dia, ao navegar pela

internet, nos depararmos com novas funcinalidades
e invenções, todas alegadamente baseadas na
inteligência artificial (AI na sigla em inglês, de “Artificial
Intelligence”). Há até mesmo bancos comerciais
propagandeando o uso da AI para auxiliar seus
clientes. Todavia, como veremos no decorrer deste
curso, não é bem assim.

Propomos aqui a discussão sobre o que é e o

que não é inteligência artificial. Para tanto, traçaremos
Gustavo é assessor de
o cenário histórico da AI, explicando suas origens ministro no Supremo
e contextualizando sua evolução, apontaremos Tribunal Federal, é
os usos atuais de big data e machine learning, doutorando e mestre
apresentaremos a AI estatística e a análise preditiva, em Direito Penal pela
Faculdade de Direito
e, no contexto específico, analisaremos o uso de da Universidade de São
AI no direito, tanto em casos penais quanto em Paulo (FDUSP). É fellow no
separação de teses. Não se assuste com os termos Charles Hamilton Houston
Institute da Harvard
desconhecidos, estudaremos cada um deles mais Law School (EUA), sob
para frente! orientação do professor
David Harris. Entre 2013 e
Por fim, indicaremos possibilidades futuras 2014 foi pesquisador do
Programa de Direito Penal,
de uso da tecnologia, traçando o estado da arte Democracia e Privacidade
da AI. Numa aula à parte, discutiremos questões da Utrecht University
relacionadas, como a disseminação de fake news, (Holanda), sob orientação
o bloqueio de conteúdo, a neutralidade da rede do professor Dr. h.c. Mult.
J. A. E. Vervaele. Autor do
e a criptografia. Ao final dos estudos, o objetivo é livro “AP 470: análise da
que você consiga diferenciar o que é e o que não é intervenção da mídia no
inteligência artificial, bem assim que possa transpor os julgamento do mensalão”,
prefaciado pelo professor
conceitos aprendidos para o trabalho diário, com as emérito Dalmo de Abreu
decisões judiciais. Muitos aprendizados pela frente, Dalla.
não é mesmo?

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 4

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Nessa primeira aula precisamos entender as origens da inteligência artificial

e o seu real ponto de desenvolvimento, reconhecer princípios de big data e de
machine learning.

O nosso objetivo é fornecer parâmetros sólidos para que, ao final, estejamos

prontos para, juntos, entendermos os desafios que seguirão nas próximas aulas.
Você vai sair desse curso capaz de explicar aos seus colegas, amigos e familiares o
que é AI, o que estão chamando de AI e como a tecnologia, inteligente ou não,
pode ser aplicada a decisões judiciais. Parece interessante, não?!

Vamos lá?

1. O QUE É E O QUE NÃO É AI

Quantas vezes, desde que acordou hoje, você se deparou com o termo
inteligência artificial? Provavelmente mais do que se deparou com termos comuns
à sua própria profissão, como “processo”, por exemplo.

A razão disso parece ser simples: do ponto de vista do marketing, falar em AI

deixa tudo mais “inteligente”, parece até que confere certo “glamour tecnológico”
para os produtos.

Pensando nisso, assista ao seguinte comercial:

Disponível em: banco.bradesco

Então me diga: você prefere deixar seu dinheiro num banco que não tem
qualquer inteligência aplicada ou com a Bia do Bradesco?

Se você ficou tentado a abrir uma conta nessa instituição financeira devido
às novidades tecnológicas apresentadas, não quero te decepcionar, mas a
inteligência aventada pelo banco ou por qualquer outra empresa (e até mesmo
por órgãos públicos) não é exatamente o que parece.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 5

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Sabemos que o uso da tecnologia é a tendência do mundo atual e que

existe certa sedução para o consumo desses bens high tech. O que talvez você
ainda não saiba é que aplicações como a utilizada no exemplo não são exatamente
inteligentes. Esse tipo de aplicação é, na verdade, um robô algorítmico pré-
programado que trabalha a partir de uma coleção de dados oferecendo uma
média como resposta. Oi? Como assim?

Meu caro colega, minha cara colega... A verdade é que até este ponto da
história não descobrimos nada parecido com as redes neurais dos seres humanos.
Essas redes são resultado de milhões de anos de evolução, nos quais o ser humano
“aprendeu” a se movimentar, a se alimentar, a procriar, etc. As redes neurais se
desenvolveram numa aquisição instintiva, procurando soluções não exatamente
médias para problemas cotidianos. Elas derivam de algo mais profundo, o arco
linguístico em que o ser aprende a executar uma ação e associá-la a um resultado
duradouro – estudaremos esse assunto adiante, na aula 3, com mais detalhes.

SAIBA MAIS

Como funciona o cérebro?

Já parou para pensar sobre isso? A

esse respeito, convido você a assistir
ao vídeo seguinte:

Neste ponto você provavelmente levantou a mão e disse:

Hey! Meu cachorro

então é inteligente!

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 6

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Eu te digo: vamos com calma, mesmo diante de tanto amor que dedica a
ele, eu sei. Veja a seguinte ilustração:

COMO FUNCIONA
O CÉREBRO
DE UM CACHORRO

É um É um
objeto? som?

Dá pra É um
Não Não
comer? tênis?

Sim Sim

Foi
bom? Não Pegue-o Lata
alto

Sim Vomite

Coma
outra Destrua-o
vez

FIM

Fonte: caixapretta.com.br
(com adaptações)

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 7

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Não brigue comigo, só queria mostrar de maneira lúdica o que estou tentado
explicar. Podemos achar nossos bichos seres inteligentes, há até mesmo quem ache
neles um filho. Veja o caso de empresas que adaptam produtos humanos para os
pets, em reportagem da Folha de S.Paulo intitulada “Empresas levam serviço de
humano para pets”. Contudo, há uma diferença básica que lhe diferencia do seu
pet: só você consegue comunicar racionalmente as suas decisões e justificá-las.

Berwick e Chomsky (2017) sustentam que a linguagem é um sistema de

organização de pensamentos e que apenas a espécie humana é capaz de fundir
pensamentos em forma de linguagem gráfica. Esse processo de fusão é estruturado,
buscando sempre o caminho neural mais curto para uma resposta concatenada. O
arranjo dessa rede complexa é a resposta do sistema cognitivo, fruto da evolução
humana.

NOTA

Os autores chamam o processo de “merge”, que aqui traduzimos, por aproximação,

como “fusão”, mas que é algo ainda mais complexo que propriamente uma fusão,
tratando-se de característica inata ao ser humano, que o diferencia enquanto espécie:
é uma operação que combina duas expressões para gerar uma nova expressão mais
complexa, sem que se modifiquem ou descartem as duas expressões originais.

Ver mais em: BERWICK, Robert C.; CHOMSKY, Noam. Why only us: language and
evolution. Cambridge: MIT Press, 2017. p.102

Devemos notar, justamente, a capacidade cognitiva do ser humano que,

com o auxílio da linguagem gráfica, é capaz de construir cenários no passado
que fazem sentido no presente e ajudam a projetar o futuro. A linguagem nos
possibilita essa construção de panoramas, levando-nos ao próximo ponto de
destaque: a capacidade de contar e entender histórias (“storytelling”).

NOTA
Antes Winston propõe a Inner Language Hypothesis, segundo a qual “Human
intelligence is enabled by a symbolic inner language faculty whose mechanisms
support both story understanding and the querying of perceptual systems”. (“A
inteligência humana é possível graças a uma habilidade inerente ao ser humano
que o torna capaz de concatenar a linguagem interna de modo a suportar o
entendimento de outras histórias através de sistemas perceptivos.” Tradução
livre.) WINSTON, Patrick. The strong story hypothesis and the directed perception
hypothesis. AAAI Fall Symposium Series, 2011. Artigo digital.

Disponível em: dspace. Acesso em: 9 jul. 2019. p. 6.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 8

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Winston (2019), diante dessas premissas, propõe a Strong Story Hypothesis,

segundo a qual “os mecanismos que permitem aos humanos falarem, entenderem
e recombinarem histórias separam a inteligência humana da de outros animais”.

NOTA

“The strong story hypothesis: the mechanisms that enable humans to tell,
understand, and recombine stories separate human intelligence from that of
other primates”. WINSTON, Patrick. The strong story hypothesis and the directed
perception hypothesis. Digital.

Disponível em: dspace. Acesso em: 9 jul. 2019. p2.

A combinação da linguagem e dos contextos, a partir de cenários históricos,

forma a cultura. A cultura, por sua vez, é elemento fundamental na caracterização das
próprias emoções humanas. Barret (2017) realizou experimentos que demonstram
que as emoções humanas não podem ser tidas como padrões, elas variam de
sociedade para sociedade e até de um indivíduo para outro.

Essas questões são importantes para que se adquira uma visão básica quanto
à matéria: entregar a resposta média não é nem inteligente e muito menos significa,
para o que nos interessa, fazer justiça.

Como veremos adiante, ainda não foi possível criar uma rede de
processamento artificial que seja capaz de emular as redes neuronais humanas.
Todas as tecnologias existentes até hoje, inclusive aquelas que se dizem AI, são na
verdade coleções de dados que fornecem respostas estatísticas (WINSTON, 2018).

Agora você já tem elementos suficientes para fazer uma leitura crítica sobre
as ofertas de produtos tecnológicos que, supostamente, são inteligentes, não é
mesmo?

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 9

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

SAIBA MAIS

O Massachusetts Institute of
Technology (MIT) tem um
programa de aulas abertas (ocw.
mit.edu/index), inclusive sobre
redes neurais e inteligência.

Recomendo que você assista a

aulas como esta, do professor
Patrick Winston, que trata das
“redes neurais”:

Patrick Henry Winston foi professor do MIT por quase 50 anos, vindo a
falecer em 19 de julho de 2019. Foi diretor do Laboratório de Inteligência
Artificial e Ciências da Computação do MIT por 25 anos. Criou e liderou
o grupo Genesis, uma das mais destacadas pesquisas de inteligência
artificial no mundo. Era graduado e mestre em Engenharia Élétrica e
doutor em Ciências da Computação pelo MIT.

Fontes: people.csail.mit.edu;
memoriesofpatrickwinston

2. INTELIGÊNCIA ARTIFICIAL: EVOLUÇÃO DESDE

TURING

A inteligência da máquina fascina há um bom tempo a humanidade. O

conceito de Inteligência Artificial é atribuído ao cientista da computação John
McCarthy, que cunhou o termo em 1955. Pode-se resumir o conceito como a
projeção de uma rede computacional para executar um conjunto definido de
ações e aprender com a experiência.

John McCarthy foi um dos fundadores da inteligência artificial (IA), cunhando

esse nome em 1955. Desde então, até sua morte, ele fez contribuições
fundamentais tanto para a IA quanto para a Ciência da Computação em
geral. Dentre um de seus feitos, em 1958, John inventou a linguagem de
processamento de lista (LISP), que se tornou o idioma de escolha para a
programação de sistemas de IA.

Fonte: cs.stanford.ed

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 10

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

ALAN TURING apresentou trabalhos seminais para a inteligência artificial

ainda na década de 1950 (o mais importante deles é o artigo “Computing Machinery
and Intelligence”), que indicavam que a máquina poderia ser programada para
aprender pelo mimetismo da inteligência humana. Na época, o grande dilema
posto era “a máquina pode pensar?”. TURING, por suas descobertas, é tido como
o “pai” da inteligência artificial.

NOTA

“We may hope that machines will eventually compete with men in all
purely intellectual fields. But which are the best ones to start with?” (“Nós
podemos esperar que as máquinas irão eventualmente competir com os
seres humanos em todos os aspectos intelectuais. Mas quem será o melhor
para começar a desvendar um problema?”)

TURING, A. M. Computing machinery and intelligence. In: Mind, Oxford.

Vol. LIX. Out. 1950. p. 460.

De acordo com o autor, uma máquina que pudesse dialogar com humanos
sem que os humanos tivessem consciência de que o interlocutor é uma máquina
teria atingido o ponto de vitória no que chamou de “jogo da imitação”, podendo
ser considerada “inteligente”.

O “jogo” de Turing exigia um homem, uma mulher e um investigador. O

objetivo era que o investigador identificasse qual dos participantes era homem
e qual era mulher. Se o investigador fosse capaz de identificar o gênero do
entrevistado por suas respostas às perguntas, o jogo deveria ser repetido. TURING
propunha que no segundo teste um desses dois participantes fosse substituído
por uma máquina; o objetivo do investigador, agora, não seria identificar apenas
o gênero dos participantes, mas qual deles é o humano e qual é a máquina. Se a
máquina, diante das mesmas perguntas feitas a humanos, fosse capaz de “enganar”
o intermediário, fingindo ser ou o homem ou a mulher, ela seria “inteligente”.

Essa máxima ficou conhecida como “Teste de Turing” e, ainda que tenha
inegável papel histórico e possa ser aplicada para sistemas de inteligência artificial
mais primitivos, não é capaz de responder a questões mais avançadas da área hoje,
como a criação de contextos por redes neurais, que veremos adiante neste curso.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 11

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Alan Turing foi um matemático britânico. Ele trouxe contribuições muito

importantes para os campos da Matemática, da Ciência da Computação
e da inteligência artificial. Turing trabalhou para o governo britânico
durante a Segunda Guerra Mundial, ajudando a decifrar o código secreto
que a Alemanha usava para se comunicar.

Fontes:
escolabritannica; dcc.ufrj

SAIBA MAIS

Durante a Segunda Guerra Mundial,

Turing seria peça-chave na vitória
dos aliados ao decifrar o código
nazista conhecido como “enigma”,
responsável pelas comunicações de
ataque da Alemanha. Sua história foi
retrada no filme “O jogo da Imitação”.

Que tal assistir ao trailer? Se ainda

não assistiu ao filme na íntegra, fica a
sugestão. Vale a pena conferir!

No decorrer do Século XX, o imaginário popular passou a traçar a mente,

ainda sob influência da perspectiva dualista, como um computador do corpo. E, se
havia um “computador” no ser humano, o desafio seria reproduzi-lo artificialmente.

Nessa linha, assistimos ao menos três grandes “ondas” na história da

inteligência artificial após as proposições de TURING – e estamos provavelmente
entrando na quarta. Acompanhe comigo:

Primeira onda: em 1961, JAMES SLAGE construiu um programa de

computador que era capaz de resolver problemas simples de cálculo, o que se
tornou uma febre nos EUA. Ainda nos anos 1960, ALAN NEWELL e HEBERT SIMON
desenvolvem aplicações que podiam “aprender” com os resultados de pesquisas
anteriores.

• Segunda onda: na década de 1980, TED SHORTLIFFE e RANDALL DAVIS

desenvolveram programas de testes sanguíneos que funcionavam de acordo com
regras do tipo “se isso, então aquilo”, e eram capazes de estruturar os resultados
obtidos nesses testes.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 12

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

• Terceira onda: em 2012, pesquisadores liderados por GEOFFREY HINTON

conseguiram fazer uma rede neural artificial identificar um grupo de 1.000
categorias de imagens de acordo com 60 milhões de parâmetros estabelecidos.

• Quarta onda: agora, tenta-se (i) aliar a visão artificial com a inteligência da
máquina e (ii) estabelecer a inteligência autônoma.

Desde o começo dos anos 2010 temos testemunhado um boom na área. O

motivo disso são as coleções de dados e o acesso a elas, o que veremos no tópico
seguinte. Vamos juntos?

NOTA

WINSTON, Patrick Henry. Artificial inteligence

desmystified. No prelo. p. 1.

3. BIG DATA

SOFTWARE
NEURAL
MACHINE

BIG
AUTOMATION DETECT THEORY LEARNING
ENGINEERING AUTOMATION
SMART

DETECT
TECHNOLOGY
INTELLIGENCE
ARTIFICIAL

MOBILE
INFORMATION
PROCESSING

ARTIFICIAL
INTELLIGENCE APPS
DYNAMIC
SCIENCE
web PROCESSING
PROJECTS

AI DYNAMIC
PROCESSING

AUTOMATION
SCIENCE

DATA
AI
PLANNIG
COMPUTER
DETECT
AUTOMATION

APPS
NETWORK
AUTOMATION
DETECT MARKETING REPORT REPORT
STRATEGY
STATISTICS EVERYTHING
AUTOMATION
THEORY ROBOT
BRANDS
SMART

SMART ANALYSIS
ROBOT

web

web BRANDS
LEARNING

Você saberia me dizer o que significa a expressão big data?

Antes de adentrar o conceito técnico, gostaria de informar que você tem

contato com big data em diversos momentos de sua vida.

Imagine que uma máquina colecione constantemente os dados sobre o seu

dia. Certamente esta máquina conseguirá dizer o que, na média dos dias, você faz
às 15h (se está trabalhando, estudando ou praticando exercícios). Agora, some a isto
a precisão de localização e terá, em breve síntese, o que o software instalado no
seu celular sabe sobre os seus hábitos diários. Esses dados estarão provavelmente
estruturados. O seu celular faz isso.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 13

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Agora observe que, além dele, você está conectado, possivelmente com
o mesmo usuário e senha (aquele do e-mail, sabe?!), no navegador do seu
computador. Também está utilizando um buscador e provavelmente um site de
notícias. Como suas pesquisas são relacionadas às suas leituras, e estas podem
indicar suas posições políticas, é possível entrecruzar todos esses dados para,
por exemplo, mostrar quais bairros têm mais eleitores de um ou de outro partido
político, o que, no final, pode ser até mesmo uma ameaça à democracia.

Difícil de imaginar? Então veja aqui o caso da empresa americana Cambridge

Analítica.

Além disso, disseminaram-se a internet de alta velocidade e o uso de redes

sociais. Essa combinação de avanço e melhoria de custo de hardware (máquinas) e
software (programas), com o acesso quase universal à internet e à cultura cadastral
em redes sociais, levou as coleções de dados a outro nível de desenvolvimento.
Quanto mais dados um sistema coleciona sobre um usuário, melhor lhe oferece
respostas (o que inclui desde respostas a perguntas até um alvo mais bem acabado
de venda de produtos). Essa é a importância do big data, compreendeu?

Agora que você já percebeu algumas aplicações do big data, vamos ao

conceito: são grandes volumes de dados, colecionados sobre determinado
indivíduo, organização, coisa ou evento histórico. É comum vê-lo associado aos 3
V’s: Variedade, Volume e Velocidade. São, assim, dados com maior variedade que
chegam em volumes crescentes e com velocidade cada vez maior.

Há autores que têm expandido esses “V’s” para acrescentar outros 4: valor e
veracidade da informação (quanto mais verídica, mais valorosa), volatilidade (em
que medida e seguindo quais tendências a informação obtida muda) e visualização
(relacionada à visualização dos dados tanto do ponto de vista de como podem ser
lidos quanto adquiridos – por inteligência artificial ligada à leitura de imagens, por
exemplo).

Esses dados podem ser estruturados ou não. Assim consideramos:

• Informações estruturadas: aquelas que possuem algum padrão ou formato

que pode ser usado na sua leitura e extração dos dados. Dados de bancos de
dados, sistemas legados, arquivos de texto (sejam .csv, .txt ou .XML).

• Informações não estruturadas: não possuem um formato padronizado para

leitura, podem ser arquivos Word, páginas de internet/intranet, vídeos, áudios,
entre outros.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 14

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Esse volume de dados passou a ser melhor reunido nos últimos dez anos,
com o aumento da capacidade de processamento das máquinas. Softwares mais
modernos conseguem trabalhar com reconhecimento por imagem, organizando
e associando melhor os dados sobre um indivíduo. Nos últimos anos alcançou-se
um equilíbrio ótimo entre o custo e a capacidade de processamento de chips que
trabalham dessa forma.

Como veremos adiante em nosso curso, a coleção de processos, de maneira

análoga, também gera big data, mas sobre classes processuais, teses, decisões. Essa
é a importância do tema para a aplicação que exploraremos nas aulas seguintes: o
big data e os sistemas de justiça. Esses, provavelmente big data não estruturados.
É nesse ponto que devemos entender o processamento desses dados, o que, na
linguagem popular, ocorre por “inteligência artificial”. Vejamos.

4. MACHINE LEARNING
Os grandes volumes de dados, estruturados ou não, precisam ser
processados para serem úteis. Durante esse processamento, é possível treinar a
máquina para que ela ofereça resultados cada vez mais precisos, ou seja, para que
forneça uma resposta média com maior precisão. A esse processo dá-se o nome
de aprendizado de máquina, ou machine learning em inglês.

Esse conceito é bastante associado à geração de uma “inteligência artificial”.

Pode-se dizer, assim, que o que temos comumente como “inteligência artificial”
nada mais é do que o processamento de dados pela máquina de acordo com
dados de treinamento (parâmetros estabelecidos pelo programador) que indicam
uma resposta mais precisa quanto maior o volume de dados tratados.

Dessa forma, sistemas dotados de aprendizado de máquina são capazes de

modificar seu próprio comportamento de análise de dados autonomamente (ou
seja, sem a interferência humana), tendo como base a própria análise prévia de
dados, aumentando sua precisão de resposta.

Perceba: para que o resultado da máquina melhore e ela “aprenda” é

necessário um volume enorme e constante de dados, de modo que ela possa
refinar seus resultados de acordo com a indicação de que os que forneceu
previamente estavam corretos.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 15

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Assim, no nosso contexto de trabalho, se um robô-algorítmico construído

para, com aprendizado de máquina, aplicar teses jurídicas, forneceremos
inicialmente para ele um volume de 100X de dados, estabelecendo parâmetros
que devem ser buscados nos documentos analisados para que se caracterize uma
tese presente. Quando ele entregar os resultados, deve-se apontar quais estavam
corretos.

Com isso, ele aprenderá e, em um novo volume de dados a serem analisados,

por exemplo, mais 100X de novos documentos, ele será capaz de aumentar a
precisão porque aprendeu quando, da primeira vez, aplicou de maneira correta
os parâmetros fornecidos (Y vezes em que a resposta mostrou-se adequada) e
em quantas entregou respostas insatisfatórias (Z repostas que, apesar de aplicar os
parâmetros, estavam erradas).

Na próxima rodada de análise de novo volume de dados, a máquina

incorporará, autonomamente, aos seus parâmetros, aquilo que a levou a apontar
como corretas as hipóteses Y e excluirá, por conta própria, o que a levou a apontar
as hipóteses Z. Ou seja, a máquina aprendeu o que leva a um resultado mais preciso.

Hoje, o aprendizado automático é usado em uma variedade de tarefas

computacionais onde criar e programar algoritmos explícitos é impraticável.
Exemplos de aplicações incluem filtragem de spam, reconhecimento ótico
de caracteres (OCR na sigla em inglês), processamento de linguagem natural,
motores de busca, diagnósticos médicos, bioinformática, reconhecimento de fala,
reconhecimento de escrita, visão computacional e locomoção de robôs.

Note que não há nesse processo noções de linguagem, cultura, contexto

ou emoções. Por isso vamos tratar essa primeira “inteligência”, que apenas aplica
machine learning de maneira automatizada, como análise estatística ou atuarial de
dados. Isso porque não é exatamente necessário que a inteligência artificial simule
a imagem e semelhança dos caminhos neurais humanos – a análise estatística é
capaz de passar, por exemplo, no Teste de Turing –, mas, conforme veremos na
terceira aula, já há um segundo tipo de “inteligência” que busca justamente esses
aspectos, o que, ao que tudo indica, é uma evolução muito mais bem adaptada
ao termo “inteligência artificial”, a análise preditiva.

Portanto, quando você vir alguma dessas aplicações dizendo-se inteligente,

lembre-se de que essa é apenas parte da história. Ainda vamos explorá-la a fundo!

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 16

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

CONCLUSÃO

Após entendermos o que é e o que não é inteligência artificial, perpassarmos

as contribuições de Turing e os conceitos de big data e machine learning, gostaria
de finalizar esta aula com algumas imagens que nos ajudarão a compreender
em que ponto estamos em relação ao tema, inspirando-nos em Confúcio: “uma
imagem vale mais que mil palavras”. Acompanhe comigo:

Ponto atual da AI:

Por que um balão? Porque ele voa – sabemos, portanto, que é possível voar
–, mas ele apenas voa porque carrega uma massa incrível (no nosso exemplo, os
big data); podemos voar de acordo com parâmetros (o vento, no caso do balão;
os dados de treinamento, no caso da análise estatística) sabendo com certo grau
de confiança aonde chegaremos – é possível que o voo chegue a outro lugar, por
isso é necessário um piloto, ou programador no nosso caso, sempre atento.

Aqui é onde os cientistas de análise preditiva estão:

bis
14

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 17

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

Ou seja, começaram a alçar voo (o Genesis do MIT é o exemplo mais bem-

acabado de programa de AI preditiva e está em desenvolvimento inicial ainda,
vamos estudá-lo), sabemos que controlamos essa máquina, mas ainda é muito
difícil levá-la aonde queremos chegar.

E este aqui é o ponto em que queremos, paradoxalmente, chegar:

O paradigma do infinito, entender a inteligência e conseguir programá-la

sem perder seu controle. É o desafio!

Há ainda um longo caminho pela frente. Mas, como ouvimos falar de

inteligência artificial todos os dias, vamos, na próxima aula, entender o que são os
programas que têm sido usados como AI, como eles são aplicados em decisões
judiciais e como podem afetar o judiciário.

Pronto para este voo?

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 18

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

REFERÊNCIAS

BAKAR, N. [et al.]. ALS and artificial intelligence: IBM Watson suggests novel RNA
binding proteins altered ALS. Disponível em: <https://www-01.ibm.com/common/
ssi/cgi-bin/ssialias?htmlfid=HLW03040USEN>. Acesso em: 7 mai. 2019.

BARRET, Lisa Feldman. How emotions are made: the secret life of the brain. Boston:
Houghton Mifflin Harcourt, 2017.

BERWICK, Robert C.; CHOMSKY, Noam. Why only us? Language and evolution.
Cambridge: MIT Press, 2015.

LIBET, B. Do we have free will? In: Kane, R. (ed). The Oxford Handbook of free will.
Oxford: Oxford University Press, 2002. p. 551-564.

MARBLESTONE, A. H.; WAYNE, G.; KORDING, K. P. Toward an integration of

deep learning and neuroscience. Frontiers in Computacional Neuroscience.
Revista eletrônica. 14.09.2016. Disponível em: <https://www.frontiersin.org/
articles/10.3389/fncom.2016.00094/full#h9>. Acesso em: 19 abr. 2019.

NUNES, Wallace Vallory. Redes neurais artificiais: aspectos introdutórios. In.

ANTONIO, Vanderson Esperidião (ed.). Neurociências: diálogos e intersecções.
Rio de Janeiro: Rubio, 2012.

WINSTON, Patrick. Articial intelligence demystified. MIT: Cambridge, 2018.

WINSTON, Patrick. The Genesis Enterprise: taking Artificial Intelligence to another

level. MIT: Cambridge.

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 19

 AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO 20