Copyright © dos autores

Todos os direitos garantidos. Qualquer parte desta obra pode ser reproduzi-
da, transmitida ou arquivada, desde que levados em conta os direitos dos
autores.

PARECER E REVISÃO POR PARES

Esta obra foi submetida para avaliação e revisada por pares

Conselho Editorial
Profa. Dra. Lilian Barbosa (UPE, Brasil)
Profa. María Isabel Pozzo (IRICE-Conicet-UNR, Argentina)

Comitê Científico
Profa. Dra. Eva Paulino Bueno (St. Mary´s University, Estados Unidos)
Profa. Dra. Kelly Cristiane Henschel Pobbe de Carvalho (UNESP, Brasil)
Prof. Dr. Maged Talaat Mohamed Ahmed Elgebaly (Aswan University, Egito)
Profa. Dra. Véronique Le Dü da Silva-Semik (UNL, Portugal)

Fábio Marques de Souza e Jean Carlos da Silva Monteiro

[Organizadores].

A era dos algoritmos pensantes: reflexões e experiências com

inteligência artificial. São Paulo: Mentes Abertas, 2023. 183 p.

ISBN: 978-65-80266-96-8
DOI: 10.47180/978-65-80266-96-8

1. Algoritmos. 2. Inteligência Artificial. 3. Tecnologias. I. Título.

CDD: 370

2
 SUMÁRIO

APRESENTAÇÃO ...................................................................................... 5

1. COMPUTADORES DIGITAIS, FUNÇÕES MATEMÁTICAS E CÉREBROS

HUMANOS INTERPRETADOS COMO “MÁQUINAS SEMÂNTICAS” .... 10
José Nilton Conserva de Arruda
Marianne Sousa Barbosa

2. DECOLONIALIDADE ALGORÍTMICA: EXPERIÊNCIA E PRÁTICA DE

INTELIGÊNCIA ARTIFICIAL NA CIÊNCIA DA INFORMAÇÃO ..................... 28
Ismaelly Batista dos Santos Silva

3. DESAFIOS E DILEMAS DA PROTEÇÃO DE DADOS PESSOAIS NA ERA

DA CULTURA ALGORÍTMICA ................................................................... 49
Paula Cotrim de Abrantes

4. EVOLUÇÃO DA IA: INTELIGÊNCIA ARTIFICIAL NA

CONTEMPORANEIDADE ......................................................................... 82
José Everton dos Santos Figueiredo
Maria do Desterro Medeiros

5. INTELIGÊNCIA ARTIFICIAL E O CRITÉRIO DE AUTONOMIA ............. 103

José Flávio Ramos de Queiroz
Flávia Délia de Souza Queiroz
Vanécia Maracajá Coutinho de Farias

6. O DESENVOLVIMENTO DA TECNOLOGIA NA LINGUAGEM DA

INTELIGÊNCIA ARTIFICAL - UMA REFLEXÃO ........................................ 114
Everton William de Lima Silva

3
7. ALUNOS, PROFESSORES E SIRI: UMA PARCERIA PROMISSORA
PARA A APRENDIZAGEM ....................................................................... 123
Jean Carlos da Silva Monteiro

8. O USO DA INTELIGÊNCIA ARTIFICIAL PARA TRATAMENTO DE

CRIANÇAS AUTISTAS ............................................................................ 136
Joelma Caparroz

9. ESCRITA CIENTÍFICA EM TEMPOS DE COAUTORIA VIRTUAL:

UMA EXPERIÊNCIA COM O CHATGPT ................................................... 148
Assistente ChatGPT
Jean Carlos da Silva Monteiro

10. PRONTUÁRIOS ELETRÔNICOS: ASPECTOS ÉTICOS, LEGAIS E DE APOIO

À DECISÃO NAS INSTITUIÇÕES DE SAÚDE ...................................................... 162
Viviane Barreto Motta Nogueira
Elizabeth Cristina Dantas dos Santos
Maria Motta Nogueira

4
 APRESENTAÇÃO
A inteligência artificial (IA) é um campo da ciência da compu-
tação que se dedica a criar sistemas e programas capazes de re-
alizar tarefas que normalmente requerem inteligência humana.
Essas tarefas englobam desde o processamento de linguagem
natural até a resolução de problemas complexos.
A origem da IA remonta a conceitos antigos, mas sua forma-
lização como um campo de estudo ocorreu no século 20. A pes-
quisa em IA cresceu a partir do desenvolvimento de máquinas
teóricas, como a Máquina de Turing de Alan Turing, que desem-
penharam um papel fundamental no campo da computação.
A evolução da IA passou por diferentes fases. Inicialmente, as
expectativas eram altas, mas a falta de poder computacional e de
dados limitou o progresso. Em algumas épocas, a IA enfrentou pe-
ríodos de desaceleração e descrença. No entanto, com avanços na
tecnologia, como o surgimento de redes neurais artificiais (ANNs)
e o aprendizado de máquina, a IA experimentou um renascimento
nas últimas décadas.
Hoje, a IA é uma ferramenta de transformação social e está
moldando uma nova cultura em diversos aspectos. Por isso, ela
também levanta questões importantes sobre ética, privacidade,
viés e igualdade. À medida que a sociedade se adapta a essa nova
realidade, é crucial considerar cuidadosamente essas questões e
buscar soluções que garantam benefícios sociais mais amplos.
O desenvolvimento de uma cultura de IA requer uma abor-
dagem consciente e ética, que promova a inovação, mas tam-
bém proteja os direitos e valores fundamentais da sociedade. À
medida que a IA continua a evoluir, seu impacto na sociedade e
cultura só aumentará, moldando nosso futuro de maneiras que

5
ainda não podemos prever completamente.
Deste modo, “A Era dos Algoritmos Pensantes: Experiências
com Inteligência Artificial” é uma coletânea que mergulha nas
profundezas do universo da inteligência artificial (IA) e dos algo-
ritmos, explorando teorias, desafios e experiências práticas que
moldam nosso presente e futuro. A obra destaca a importância
de investigar teoricamente essa área de conhecimento e apre-
senta uma série de capítulos que analisam diferentes aspectos
da IA, desde sua relação com o cérebro humano até seu impacto
na educação e na saúde.
A primeira seção do livro foca em estabelecer uma base teóri-
ca sólida, abordando conceitos fundamentais e perspectivas que
ajudam a compreender a IA em sua essência. O capítulo “Compu-
tadores Digitais, Funções Matemáticas e Cérebros Humanos Inter-
pretados como Máquinas Semânticas” de José Nilton Conserva
de Arruda e Marianne Sousa Barbosa, investiga a tese de que o
cérebro humano processa informações de maneira semelhante
aos computadores digitais, estabelecendo uma analogia entre
algoritmos e ações inteligentes da mente humana. Esse capítulo
promove uma compreensão mais profunda da relação entre má-
quinas e seres humanos na era da IA.
Em “Decolonialidade Algorítmica: Experiência e Prática de In-
teligência Artificial na Ciência da Informação” de Ismaelly Batista
dos Santos Silva, destaca o papel dos desenvolvedores de algo-
ritmos na criação de IA não excludente e na mitigação de ques-
tões como o racismo, intolerância religiosa e o patriarcado. Ana-
lisando a IA a partir de perspectivas de epistemologias do sul, o
capítulo oferece uma visão crítica da influência eurocêntrica na
tecnologia e como isso pode ser superado.
Por sua vez, no capítulo “Desafios e Dilemas da Proteção de

6
Dados Pessoais na Era da Cultura Algorítmica” de Paula Cotrim
de Abrantes, a discussão gira em torno da importância da trans-
parência algorítmica e da proteção de dados pessoais, especial-
mente à luz da Lei Geral de Proteção de Dados Pessoais (LGPD).
A autora aborda como a IA está impactando a coleta e o trata-
mento de dados, bem como as soluções tecnológicas e regula-
tórias necessárias para garantir a privacidade dos indivíduos.
No texto “Evolução da IA: Inteligência Artificial na Contempo-
raneidade” de José Everton dos Santos Figueiredo e Maria do
Desterro Medeiros, a discussão se concentra na evolução da IA
na sociedade atual, explorando seus benefícios e impactos. O
capítulo destaca exemplos de IA que se tornaram fundamentais
em nossas vidas e vislumbra como a IA moldará o futuro.
Na sequência, o capítulo “Inteligência Artificial e o Critério de
Autonomia” de José Flávio Ramos de Queiroz, Flávia Délia de
Souza Queiroz e Vanécia Maracajá Coutinho de Farias aborda a
busca por uma definição da IA e sua relação com a autonomia. O
capítulo examina as implicações éticas e sociais da IA analisando
a autonomia tanto na IA quanto no ser humano.
Dando continuidade, o texto “O Desenvolvimento da Tecno-
logia na Linguagem da Inteligência Artificial - Uma Reflexão” de
Everton William de Lima Silva, a IA é analisada do ponto de vista
do progresso tecnológico e da pandemia de COVID-19. O capítulo
explora como os algoritmos pensantes estão sendo adaptados
para atender às necessidades humanas e como essa adaptação
afeta nossa compreensão da tecnologia e sua ética.
A segunda seção do livro se concentra em apresentar expe-
riências práticas e possibilidades de aplicação da IA em diferen-
tes áreas. Jean Carlos da Silva Monteiro, que assina o capítulo
“Alunos, Professores e Siri: Uma Parceria Promissora para a Apren-

7
dizagem”, explora as oportunidades educacionais oferecidas
pela assistente virtual Siri e como ela pode apoiar o processo de
aprendizagem. O capítulo destaca o potencial pedagógico da IA
na educação.
Posteriormente, o texto “O Uso da Inteligência Artificial para
o Tratamento de Crianças Autistas” de Joelma Caparroz investiga
como a IA pode fazer a diferença no diagnóstico e tratamento
de crianças com autismo. O capítulo ressalta a importância da
inclusão e como a IA pode contribuir para a criação de uma so-
ciedade mais inclusiva.
O capítulo “Escrita Científica em Tempos de Coautoria Virtual:
Uma Experiência com o ChatGPT”, de Jean Carlos da Silva Mon-
teiro, apresenta um artigo produzido em colaboração entre um
autor humano e o assistente ChatGPT. O capítulo destaca como
a IA pode auxiliar na criação de conteúdo científico e as possibili-
dades de integração da tecnologia na educação e pesquisa.
A última seção do livro explora questões relacionadas aos
impactos das tecnologias fora do âmbito da inteligência artifi-
cial. No texto “Prontuários Eletrônicos: Aspectos Éticos, Legais e
de Apoio à Decisão nas Instituições de Saúde” de Viviane Barreto
Motta Nogueira, Elizabeth Cristina Dantas dos Santos e Maria
Motta Nogueira, o foco está na digitalização de prontuários mé-
dicos e como essa transformação afeta a ética e a prática mé-
dica. O capítulo destaca a importância de equilibrar a inovação
tecnológica com os princípios éticos na área da saúde.
Esta obra oferece uma visão abrangente e aprofundada do
campo em constante evolução da IA explorando não apenas suas
bases teóricas, mas também seu impacto em diferentes áreas da
sociedade. Este livro é uma leitura essencial para acadêmicos,
pesquisadores, profissionais e qualquer pessoa interessada em

8
compreender o papel crescente da IA em nossas vidas e na for-
mação de nosso futuro.
Para os alunos, professores, pesquisados, entusiastas da te-
mática Inteligência Artificial, significativas leituras.

Organizadores:
Prof. Dr. Fábio Marques de Souza (UEPB/UFCG)
Prof. Me. Jean Carlos da Silva Monteiro (UFMA)

9
 1. COMPUTADORES DIGITAIS, FUNÇÕES MATEMÁTICAS E
CÉREBROS HUMANOS INTERPRETADOS COMO
“MÁQUINAS SEMÂNTICAS”
José Nilton Conserva de Arruda1
Marianne Sousa Barbosa2

INTRODUÇÃO

Um pressuposto fundamental para sustentar a equivalência

operacional das três realidades assinaladas – funções matemáti-
cas, computadores digitais e cérebros humanos – decorre da com-
preensão de que a matemática, enquanto uma realidade sintá-
tica, é potencialmente apta à digitalização. Esta característica
confere à matemática uma dimensão epistemológica que será
assinalada no âmbito da filosofia da matemática, pois argumen-
ta-se que essa função epistemológica “[...] resulta do fato de a
matemática, como uma ciência de signos por excelência, condu-
zir à digitalização, e a metacomunicação indiscutivelmente re-
quer digitalização, isto é, distinção e designação do distinguido”.
(OTTE, 1993, p. 22). Devemos destacar essa característica funda-
mental e decisiva da matemática, seu caráter sintático, e as pos-
sibilidades semânticas que são abertas para a sintaxe no plano
computacional, mas definindo com precisão o uso que se está
fazendo do termo semântica nessa associação entre funções,
computadores e cérebros, de forma a contornar interpretações
que extrapolem o que se pretende assinalar quando é enfatiza-
1
Professor Associado. Doutor em Filosofia. Universidade Estadual da Paraíba – UEPB. Campina
Grande - PB, Brasil. niltonconserva@gmail.com
2
Professora Efetiva. Doutora em Ciências Sociais. Secretaria de Educação e Tecnologia da Paraí-
ba. Campina Grande - PB. Brasil. mariannesbarbosa@yahoo.com.br

10
do o seu papel epistemológico, pois essa requerida capacidade
epistemológica é associada tão somente ao seu caráter funcio-
nal, operacional. Essa ênfase no aspecto operativo quando se
executa um procedimento formal, além de precisar o sentido
que está sendo assumido para o termo semântica, também cir-
cunscreve as possibilidades de aplicação do termo e norteia as
análises que pretendemos desenvolver acerca da capacidade de
pensamento dos computadores digitais.
Postular que os computadores digitais vão além de meramen-
te manipular signos e avançam no campo da construção de uma
semântica, requer a ampliação da compreensão corrente da se-
mântica que a conceitua como restrita ao domínio da produção
de significados, quando associamos signos a objetos de maneira
representativa. Assumimos a compreensão que conferir funcio-
nalidade aos signos, executar operações que gerem resultados
e conclusões, a funcionalidade do próprio esquema operacional
ativa efeitos epistemológicos. Estamos, portanto, apresentando
uma compreensão específica de semântica, o que implica um en-
curtamento na sua compreensão geral. Em sintonia com o pen-
samento matemático, assumimos que:
Conhecimento é, portanto, a metaoperação que designa o sen-
tido de um signo. Isto, na matemática, geralmente acontece de
forma completamente operacional. O sentido de uma relação
matemática, de uma equação por exemplo, está em efetuar cer-
tas conclusões. A equação deve ser resolvida. Um conceito ma-
temático é um esquema operacional. A matemática assenta em
formalização, isto é, em sentido, ou seja, na fusão de uma ideia
com seu sentido. Na matemática, tudo é mostrado, e “o que
pode ser mostrado não pode ser dito” (Wittgenstein, Tractatus,
4. 1212). (OTTE, 1993, p. 23).
O caráter operacional da matemática enfatiza a capacidade

11
de estabelecer conclusões de maneira precisa e objetiva, o que
decorre da sua natureza formal, formalidade no seu sentido mais
pleno, pois nela o sentido está fundido com a ideia sem qualquer
dualidade de natureza simbólica, de modo que pudéssemos di-
zer que tal signo significa tal ideia, mas o próprio signo com os
resultados estabelecidos na sua manipulação já funda e esgota o
seu sentido. Tudo se efetiva na operação, na funcionalidade, pois
o esquema formal é manipulado para se alcançar um resultado
projetado. Assim, entendemos que na matemática o conceito, o
sentido, se identifica com o próprio esquema operacional, com
sua formalidade. Não há outro objetivo para ser atingido, não
se manipula signos matemáticos para se alcançar objetivos que
estejam para além desse esquema operacional formal. O aforis-
mo lapidar de Wittgenstein, citado por Otte, traduz com preci-
são essa compreensão da natureza do pensamento concebido
ao modo de uma operação matemática, de um esquema formal.
Tal como na lógica, não é necessário explicar o significado dos
sinais que são utilizados, pois eles são evidenciados no seu uso
e a lógica mostra a si mesma. Tudo é mostrado, explicitado na
execução da própria operação, e, como tal, não pode ser dito.

A MATEMÁTICA COMO MODELO PARA PROCEDIMENTOS RA-

CIONAIS

A matemática se configura como um dos mais prestigiados

modelos de raciocínio da nossa tradição cultural, e a concepção
da matemática como um instrumento adequado para o pensa-
mento, também como um modelo para outros procedimentos
racionais, tem uma longa tradição, desde o advento da Geome-
tria Euclidiana como um sistema dedutivo na Grécia Clássica até

12
o mundo contemporâneo, essa relação tem sido enfatizada,
buscada e realizada, como no conhecido exemplo do uso filosó-
fico da lógica fregeana no âmbito da filosofia de análise lógica.
Porém, a concepção do pensamento como uma realidade ope-
racional, funcional e computável, encontra um testemunho elo-
quente em dois destacados pensadores, Hobbes e Leibniz, que
já no século XVII irão se pronunciar acerca dessa potencialidade.
O primeiro expressando uma intuição, o segundo desenvolven-
do um esforço concreto na busca de realização dessa intuição.
Importa para nós assinalar como os dois pensadores traduziram
a aspiração cuja realização se efetiva na contemporaneidade.
Hobbes, um clássico da filosofia política, escreveu também
a obra Filosofia primeira, e na parte I da obra, intitulada Compu-
tação ou lógica, desenvolve a ideia de que raciocinar é o mesmo
que computar. A fórmula é retomada no Leviatã , numa curta
sentença, e o ideal ali plasmado será cada vez mais explorado no
século XX e XXI:
«Raciocinar é apenas calcular», afirmou Hobbes (1651, Cap. V),
exprimindo uma das mais antigas perspectivas computacionais
sobre o pensamento. Três séculos depois, com o desenvolvi-
mento dos «computadores» electrónicos, a sua ideia começou
finalmente a ser compreendida; e hoje, em três décadas, tor-
nou-se a hipótese teórica mais importante em psicologia (e di-
versas disciplinas próximas), e também a base de um novo cam-
po de investigação excitante, chamado «inteligência artificial»
(HAUGELAND, In: MIGUENS, 2011, p. 373).
O conhecido artigo publicado por Turing em 1950, intitulado
Maquinaria computacional e inteligência, testemunha a inaugura-
ção dos robustos programas de pesquisa em inteligência artifi-
cial, inicialmente associados aos esforços de guerra no contexto
da Segunda Guerra Mundial, mas depois ampliados e direciona-

13
dos para o âmbito de expandir as possibilidades tecnológicas
descortinadas pelas ciências formais e computacionais. Naquele
novo contexto tecnológico a intuição de Hobbes – Raciocinar é
apenas calcular – será reformulada e transformada em uma in-
dagação capaz de estimular um programa de pesquisa. Desde
então a questão - Uma máquina pode pensar? – firmou-se como
uma indagação que solicita uma resposta de diversas áreas do
conhecimento e da pesquisa. Um vivo debate foi estabelecido
no século XX por autores que representam essa diversidade, Fi-
losofia da Mente, Inteligência Artificial, Neurociência, Psicolo-
gia, Computação, sempre buscando estabelecer a natureza da
mente, do pensamento e da inteligência, e como consequência
determinar se raciocinar pode ser definido como calcular, con-
forme Hobbes havia imaginado. A perspicácia de Turing con-
sistiu em compreender que a abordagem da questão sem um
refinamento conceitual e consequente possibilidade de teste
experimental, a tornaria presa fácil de intermináveis discussões
metafísicas, e assim a resposta a questão seria sempre protela-
da. Para responder a questão por meio de um teste, ela deve-
ria ser reformulada em termos comportamentais: Uma máquina
pode simular com eficácia o pensamento humano?
Pensar pode significar coisas diversas como imaginar, pla-
nejar, abstrair, fingir, lembrar, raciocinar e calcular. O primeiro
passo da abordagem proposta por Turing, consiste em atribuir
ao termo pensar uma significação bem mais ampla do que aque-
la que correntemente lhe é associada. Assim, Turing propõe
o acréscimo de um novo significado para o termo pensar, pois
tal como é acessado no seu uso ordinário, torna-se imprestável
para os propósitos que ele pretende realizar. Na versão de Tu-
ring a capacidade de pensamento será relacionada com a capaci-

14
dade de imitar um comportamento ordinariamente considerado
como sendo o de pensamento. Sua abordagem, portanto, será
comportamental.
O famoso teste proposto por Turing é inicialmente reduzido
ao desempenho comportamental, já que o que ele está preten-
dendo colocar em discursão é a capacidade de um computador,
tal como era concebido naquele contexto, ser capaz de simu-
lar o comportamento humano em atividades que correntemen-
te associamos ao uso da atividade racional. Como escolha me-
todológica, Turing não enveredou pelo debate já contaminado
por perspectivas metafísicas, aquele que postula responder de
modo generalizado se máquinas podem ser capazes de ativida-
des pensante ou conscientes. E sua justificativa por essa opção
de recusar entrar nesse debate, consiste em esclarecer que dada
a vagueza das definições a questão tanto pode não ser respon-
dida, quanto comportar qualquer tipo de resposta. Os termos
máquina, pensamento e consciência são semanticamente muito
vagos, e os debates que são diretamente circunscritos por esses
termos podem se prolongar indefinidamente, assim Turing pro-
põe um encurtamento da problemática assumindo uma concei-
tuação capaz de ser submetida a procedimentos testáveis.
Na outra ponta também teríamos um outro problema decor-
rente da vagueza dos termos utilizados. Pois, uma vez realizado
o teste, e concluído que o desempenho fora satisfatório, que a
máquina realmente passara no teste da simulação, conseguindo
confundir os observadores, um novo problema se impunha, pois
o sucesso dessa empreitada tanto poderia ser classificado como
uma prova da máquina ter capacidade de pensamento inteligen-
te, ter uma mente, ou ser interpretado como uma simples imita-
ção totalmente conduzida e delimitada pela inteligência humana.

15
 Mesmo que o problema não fosse somente de semântica, de
forma que pudesse ser resolvido no âmbito da construção de
definições precisas, pois dependeria decisivamente de testes e
estudos conduzidos pelas ciências experimentais e formais, mui-
tos dos obstáculos enfrentados no debate eram decorrentes
das vagas definições dos termos utilizados nas discussões. Basta
atentarmos para todos os questionamento que são apresenta-
dos, analisados e refutados no artigo de Turing. Assim, Turing se
furtou a esses impasses e avançou no seu propósito de estabele-
cer por meio de um teste comportamental a capacidade de pen-
samento das máquinas. Esse redimensionamento conceitual da
pergunta inicial muda o foco da abordagem, deixando de lado
aspectos desnecessários presentes na questão original, e pro-
pondo uma abordagem possível de ser submetida à verificação,
a testes experimentais.
O termo máquina também é definido de maneira muito pre-
cisa, pois é estabelecido que só poderá participar do teste da
simulação as máquinas que já estavam em uso, ainda que de
modo restrito, os chamados computadores eletrônicos ou com-
putadores digitais. O seu experimento de pensamento consistirá
em extrairmos consequências de um jogo de imitação proposto
nas seguintes bases:
O teste de Turing é um experimento tipo “caixa preta” que
Turing propôs como maneira de decidir se um computador é
capaz de pensar. Montam-se duas salas com o mesmo equipa-
mento de entrada-saída, que vão a um experimentador do lado
de fora. Numa sala coloca-se uma pessoa e na outra um compu-
tador eletrônico programado, cada qual em comunicação com
o experimentador. Dando instruções e fazendo perguntas, o ex-
perimentador tenta decidir qual sala tem o computador e qual a
pessoa. Se o experimentador não consegue fazê-lo, esse resul-

16
 tado é forte evidência de que o computador é capaz de pensar
tão bem quanto a pessoa. Mais diretamente, isso mostra que o
computador e o humano são equivalentes para todos os com-
portamentos testados. (BURKS, In: AUDI, 2006, p. 604)
O que se propõe com o jogo da simulação é propor uma refle-
xão sobre as possibilidades da inteligência artificial, mas condu-
zida nos seus próprios termos. Estabelecendo com clareza crité-
rios comportamentais de inteligência e consciência. Ao identificar
pensar com ter um comportamento que pode ser classificado
como o de ter realizado um pensamento, Turing pode propor o
seu teste por meio de um jogo de simulação. O jogo da simula-
ção será o teste de Turing, e ele depende totalmente da equiva-
lência entre pensar e computar como havia intuído Hobbes.
Continuando o nosso diálogo com autores que ao longo da
história do pensamento tenham antecipado a ideia que associa
o pensamento com atividades computáveis. Ainda no século
XVII, o ideal de um pensamento computável já fora expresso de
modo sistemático pela primeira vez na história da filosofia pelo
filósofo e matemático alemão Gottfried W. Leibniz (1646–1716),
na sua obra De arte combinatória, cuja percepção da natureza
computacional do pensamento vai além de uma mera intuição,
pois se traduz em um projeto ambicioso de pesquisa que busca
desenvolver as bases para realização de tal intento. Com Leibniz
a lógica, a ciência por excelência associada ao raciocínio, deve
ser concebida como Calculus Ratiocinator. Duas hipóteses teóri-
cas norteiam o projeto de pesquisa concebido por Leibniz:
A - Na primeira hipótese, diretamente voltada para a sin-
taxe, o elemento fundamental da lógica, sua linguagem, Lei-
bniz se pergunta sobre a possibilidade de construção de uma
linguagem artificial por meio da qual os raciocínios corretos
fossem consequência de operações mecânicas precisas exe-

17
cutadas sobre os termos dessa linguagem.
B - A segunda hipótese, voltada para o plano semântico, in-
daga sobre a possibilidade de que essa linguagem artificial con-
seguisse expressar precisa e adequadamente as características
daquilo que existe de modo que, ao executar um cálculo dessas
características, pudéssemos deduzir fatos sobre a Realidade.
A realização da hipótese sintática conduziria ao que Leibniz
chamou de calculus ratiocinator (o raciocínio realizado como
cálculo) e o desenvolvimento da hipótese semântica alcançaria
uma lingua characteristica universalis (uma língua universal das
características). A primeira hipótese será realizada pela Lógica
e a segunda pelas Ciências da Natureza. A Lógica Simbólica con-
temporânea desenvolve a proposta leibniziana de um calculus
ratiocinator e se constituirá posteriormente no modelo de lin-
guagem para os computadores:
A parte da programação de computador mais relevante para a
filosofia contém a resposta para a conjectura de Leibniz a res-
peito de sua characterística universalis e calculus ratiotinator.
Leibniz pensava que “toda a nossa razão é nada além da combi-
nação e substituição de caracteres, sendo esses caracteres pa-
lavras, símbolos ou imagens” (BURKS, In: AUDI, 2006, p. 927).
A associação dos computadores modernos com o projeto de
pesquisa postulado por Leibniz é tornada possível, desde que
se compreenda que os computadores digitais são capazes de,
ao mesmo tempo, executar qualquer programa que lhe for im-
plantado, e de combinar e substituir caracteres com inteligência,
tal como Leibniz definiu a máquina universal de cálculo e conse-
quentemente a nossa razão. Podemos afirmar que encontramos
já em Leibniz uma antecipação embrionária do que posterior-
mente será definido como um computador, pois “eles são o efei-
to mais recente numa longa série histórica de ferramentas mate-

18
máticas de especulação: geometria, álgebra, cálculo e equações
diferenciais, probabilidade e estatística e matemática moderna”
(BURKS, In: AUDI, 2006, p. 927). Um programa de computador é
tão somente um algoritmo que a máquina é capaz de manipular,
uma aplicação possível de procedimentos formais. Como proce-
dimento algoritmo qualquer sintaxe executável num conjunto
finito de regras, será solucionável. Os computadores que serão
construídos seguindo este modelo abstrato consistirão essen-
cialmente em: memória, instruções (um programa), operações
elementares, uma entrada e uma saída.
O ideal do pensamento como uma operação computável, so-
nhado desde o século XVII, alcança um primeiro patamar de re-
alização no âmbito da lógica matematizada, já que “os compu-
tadores modernos são um tipo novo e radical de máquina, pois
eles são realizações físicas e ativas de linguagens formais de ló-
gica e aritmética” (BURKS, In: AUDI, 2006, p. 925). As ciências
cognitivas buscam atingir um outro patamar com o desenvolvi-
mento dos seus programas de pesquisa que têm em comum o
fato de considerarem a linguagem artificial, os procedimentos
algoritmos, como modelo para se determinar a natureza do pen-
samento humano. Assim, busca-se encontrar uma equivalência
de funcionalidade entre essas três realidades que estão no cen-
tro da pesquisa em inteligência artificial: algoritmos matemáti-
cos, máquinas e cérebros.

PROCEDIMENTOS ALGORÍTMICOS E COMPUTADORES

Como construto mental o computador é concebido como a re-

alização eletrônica e digital de procedimentos algoritmos, pois na
matemática contemporânea os processos de cálculo com símbo-

19
los, operando segundo regras precisamente definidas e determi-
nadas, capaz de solucionar qualquer problema de um grupo espe-
cífico de problemas, é chamado de algoritmo. Assim, concebido
como um processo de cálculo constituído de um conjunto finito de
regras, regras que possam ser executas automaticamente, para
computar as soluções de um grupo determinado de problemas, o
algoritmo se constitui num conceito fundamental da matemática
e da teoria da computação.
Um procedimento é considerado algorítmico quando é ope-
rado por meio de aplicação mecânica de regras e conduz a uma
solução precisa de um dado problema computável por meio do
algoritmo estabelecido. Para refinar a definição devemos esta-
belecer que “em termos mais precisos, um algoritmo é um pro-
cesso efetivo que, ao ser aplicado a certo conjunto de símbolos,
produz um, e um só, conjunto determinado de símbolos” (MUR-
CHO, 2006, p. 26). Essa conceituação permite perceber com mais
clareza e ressaltar a importância dos algoritmos para as ciências
formais:
Os algoritmos têm cinco propriedades cruciais: 1) Um algoritmo
define-se por um conjunto finito de instruções e não pelos po-
deres causais do agente que segue as instruções; 2) Um agente
de computação é capaz de seguir as instruções, não existem ins-
truções ambíguas, mas apenas ordens claras; 3) Para seguir as
instruções de um algoritmo é necessário poder computar, arma-
zenar e ler informações; 4) Os algoritmos são discretos: as suas
instruções têm de ser apresentadas passo a passo; e 5) A com-
putação que resulta de um algoritmo pode ser levada a cabo de
modo determinista. (MURCHO, In: BRANQUINHO, 2006, p. 26).
Na matemática, na lógica e na teoria abstrata da computação,
um algoritmo é concebido como um mecanismo para computar
funções. Precisamos entender que uma função matemática f é

20
definível como computável quando opera segundo um algorit-
mo, isto é, sempre que existe um conjunto finito de regras que
associe a qualquer x para o qual f é definida, e, por meio de um
número finito de passos, claramente indicado pelas regras, es-
tabeleça o valor adequado f (x) da função em x. Funções assim
definidas são computáveis, calculáveis ou algorítmicas.
Na teoria dos conjuntos as funções são também designadas
como procedimentos de mapeamento, pois consiste numa ope-
ração por meio da qual os elementos de um conjunto são ma-
peados para serem associados aos elementos do mesmo ou de
outro conjunto. Para desenvolvermos uma compreensão mais
precisa no âmbito do que estamos teorizando, é necessário ca-
racterizar a operação função ressaltando esse mapeamento que
associa os dados de entrada aos de saída, pois se pretende que
tal mecanismo de processamento de dados tem a mesma estru-
tura operativa dos computadores digitais e dos cérebros huma-
nos.
Assim,
Se a função f é definida no conjunto X e apresenta resultados no
conjunto Y, diz-se que f é uma função de X para Y (representada
simbolicamente f: X→Y).
Então,
X é o domínio de f e Y o seu contradomínio. Aos elementos α de
X dá-se o nome de argumentos ou dados de entrada de f, e o ele-
mento f (α) de Y resultante da aplicação de f a α é chamado o
valor, dado de saída ou imagem de f em α.
A concepção teórica de um computador, elaborada inicial-
mente por Turing, consiste numa realização eletrônica desse
conceito abstrato de função computável ou cálculo mecânico,
“um método burocrático ou eficaz que pode ser aplicado a toda

21
uma categoria de determinadas informações simbólicas e que
poderia em tempo finito e determinado número de etapas aca-
bar em um resultado num correspondente rendimento simbóli-
co” (ADAMS, 2006, p. 19). O mapeamento de informações sim-
bólicas recebidas como dados de entrada associa esses dados à
precisas informações como dados de saída. Operando segundo
um procedimento algorítmico ou mecânico finitista (que tenha
um processo de decisão) seja capaz de estabelecer com preci-
são o seu valor
Atentemos para a correlação entre funções computáveis e
o teorema Church - Turing, – toda função computável pode ser
computável por uma máquina universal de Turing – pois tal te-
orema se constitui numa versão abstrata e matemática de um
programa informático contemporâneo, concebido segundo es-
ses termos:
Estabelecida uma representação numérica de um programa
mecânico arbitrário P definido seus valores de entrada α para P,
simula-se o comportamento de P para os dados α calcula-se o
resultado que P teria calculado quando lhe fosse introduzido os
dados α.
O padrão de operação de uma máquina universal de Turing é
o mesmo padrão que configura os computadores modernos:
Para começar pelo início, primeiro temos de dizer um pouco
mais cuidadosamente o que é um computador. É um sistema
formal automático. Para ver o que isto significa, primeiro con-
sideremos o que é um sistema formal e depois o que é auto-
matizar um tal sistema. Um sistema formal é como um jogo em
que se manipula espécimes de acordo com regras, de maneira
a ver que configurações podem ser aceites. (HAUGELAND, In:
MIGUENS, 2011, p. 377).
Essa definição abstrata postulada pela ciência da computa-

22
ção está em perfeita sintonia com a conceituação matemática
de função, daí poder se afirmar com tranquilidade que os compu-
tadores são sistemas físicos formais, realizações das linguagens
formais desenvolvidas no âmbito da lógica e da matemática, pois
essas linguagens são por definição portadoras das característi-
cas que também definem sistemas formais, já que se exige deles
“ser autosuficiente, perfeitamente definido e finitamente verifi-
cável conjugam-se lindamente; diremos que um jogo ou sistema
que tem todas as três propriedades é digital. Todos os sistemas
formais são digitais neste sentido”. (HAUGELAND, In: MIGUENS,
2011, p. 378). Entre as linguagens formais da matemática e os
computadores digitais temos uma associação direta que pode
ser facilmente estabelecida. Porém, é necessário problematizar
outras conceituações de modo a tornar possível a analogia en-
tre as operações digitalizadas dos computadores e as atividades
cerebrais.

A POSSÍVEL ANALOGIA ENTRE HARDWARE/SOFTWARE E MEN-

TE/CÉREBRO

Uma vez que se tenha estabelecido uma compreensão míni-

ma dos procedimentos algorítmicos e dos computadores digi-
tais, carece que se alcance uma concepção da terceira realidade
tematizada, cérebro humano, e a partir daí aproximar a concep-
ção abstrata de função matemática e computador digital de uma
possível compreensão da relação cérebro/mente.
Partamos pois dá conceituação de computador já apresen-
tada. Os computadores digitais modernos são caracterizados
nos seus dois aspectos decisivos: hardware e software, que por
sua vez podem ser tomados como análogos a relação mente e

23
cérebro, porém se queremos considerar que “o âmbito do sof-
tware e do hardware num computador é de certa forma análogo
à mente e o corpo humanos” (BURKS, In: AUDI, 2006, p. 925),
precisamos assumir como premissa que “essa analogia é espe-
cialmente relevante se seguirmos Peirce e considerarmos todo
processamento de informações na natureza e nos organismos
humanos, não apenas o uso consciente de linguagem” (BURKS,
In: AUDI, 2006, p. 925). Portanto, a associação é dependente do
abandono da tese de que apenas o uso consciente de linguagem
é que possibilita o processamento de informação. Temos aqui a
assunção de uma tese que conduz ao programa de pesquisa da
chamada inteligência artificial forte:
A ideia básica da ciência cognitiva é a de que os seres inteligen-
tes são máquinas semânticas — por outras palavras, sistemas
formais automáticos com interpretações sob as quais fazem
consistentemente sentido. Podemos ver agora por que razão
isto inclui a psicologia e a inteligência artificial mais ou menos
em pé de igualdade: as pessoas e os computadores inteligen-
tes (se os há e quando os há) são afinal meras manifestações
diferentes do mesmo fenómeno subjacente. Além disso, com
hardware universal, qualquer máquina semântica pode em prin-
cípio ser formalmente imitada na condição de se encontrar o
programa apropriado. E isso garantirá também a imitação se-
mântica, visto que (dado o comportamento formal apropriado)
a semântica «cuida de si própria» seja como for. (HAUGELAND,
In: MIGUENS, 2011, p. 404)
As pesquisas em inteligência artificial forte, partindo da pre-
missa de que o cérebro humano processa informações de forma
análoga ao processamento de informações dos computadores di-
gitais que, por sua vez, são realizações físicas de linguagens for-
mais algorítmicas, premissas já justificadas nos tópicos anteriores,
associam ao axioma Church -Turing – toda função computável pode

24
ser computada por uma máquina universal de Turing – a premissa
de que como o cérebro é uma entidade física, está submetido as
leis da física que podem ser simuladas num computador.
Recentemente um amplo grupo de cientistas da computação
e de neurocientistas adotaram a “versão física” da suposição
Church -Turing como a principal base teórica para propor que o
cérebro de qualquer animal, incluindo o sistema nervoso huma-
no, pode ser reduzido a um algoritmo e simulado em um com-
putador digital. (CICUREL & NICOLELIS, 2015, p. 53).
Dessa maneira, a ampliação da postulação inicial do axioma
Church - Turing projeta a sua aplicação como hipótese de pesqui-
sa também válida no âmbito dos sistemas biológicos, passando
a afirmar que qualquer máquina de produção de sentido, máqui-
na semântica, biológica ou não, pode ser computada, desde que
se configure um programa apropriado. Assim, os programas de
pesquisas em inteligência artificial forte projetam desenvolver
a versão física do referido axioma, e que o mesmo seja capaz
de simular computacionalmente os sistemas decisivos que nos
tornam capazes de inteligência: o sistema nervoso e o sistema
cerebral.

CONSIDERAÇÕES FINAIS

A característica fundamental e decisiva da matemática, seu

caráter sintático, lhe confere uma dimensão epistemológica pró-
pria que foi assinalada ao longo da história, e fortemente retoma-
da no âmbito das pesquisas em inteligência artificial forte, pois
ela é animada pela firme convicção de que é possível avançar
da digitalização para a comunicação e, por fim, ao pensamento
inteligente. Esse caráter epistemológico da matemática foi di-
retamente relacionado à sua dimensão funcional, operacional,

25
pois essa sólida conceituação além de conferir precisão ao sen-
tido que aqui lhe foi associada, possibilita argumentar a favor
da capacidade de pensamento dos computadores digitais, de ir
além de meramente manipular signos e avançar no campo da
construção de semântica, de conhecimento funcional.
Os Programas de Pesquisa em Inteligência Artificial traduzem
importantes problemas filosóficos: o que são o cérebro, a men-
te, a inteligência e a consciência? A partir das respostas dadas
a essas questões cruciais, surge outra questão decisiva: o que
é o ser humano? A nossa civilização cada vez mais discute se os
mais diferentes sistemas que processam informações como os
seres humanos, as máquinas de cálculo e os computadores digi-
tais, podem ter estados mentais. Dessa forma, considera-se que
materiais diversos como celular, metal, energia espiritual não é
decisivo para a psicologia do sistema. O decisivo será como o
material é combinado para computar dados. Certamente fará
uma grande diferença saber se na nossa sociedade as máquinas
que estão a nossa disposição simplesmente executam progra-
mações que lhes facultamos, ou se serão capazes de operações
criativas para muito além das programações implantadas.
Argumentamos a favor da tese de que o cérebro humano
processa informações de forma análoga ao processamento de
informações dos computadores digitais que, por sua vez, são
realizações físicas de linguagens formais algorítmicas. Tal tese
recepcionada por parte das ciências cognitivas, é associada a
outra premissa que considera seres inteligentes como máquinas
semânticas, isto é, sistemas formais automáticos, e essa inter-
pretação foi viabilizada porque consideramos que os sistemas
biológicos inteligentes são manifestações diferentes de uma
mesma realidade subjacente, aqui identificada com os procedi-

26
mentos de formalização, de forma que se for submetido a uma
programação apropriada, a imitação semântica é tornada possí-
vel e perfeitamente realizável.

REFERÊNCIAS

ADAMS, F. “Algoritmo”. In: AUDI, Robert (org.). Dicionário Cambridge. Tradução

João Paixão Neto. et al. São Paulo, Paulus, 2006, p. 19.
AUDI, Robert (org.). Dicionário Cambridge. Tradução João Paixão Neto. et al. São
Paulo, Paulus, 2006.
BRANQUINHO, João. Enciclopédia de termos lógico-filosóficos. São Paulo: Martins
Fonte, 2006.
BURKS, A. W. “Teoria do computador”. In: AUDI, Robert (org.). Dicionário Cambrid-
ge. Tradução João Paixão Neto. et al. São Paulo, Paulus, 2006, p. 925 – 929.
CICUREL, R & NICOLELIS, M. O cérebro relativístico: como ele funciona e porque ele
não pode ser simulado por uma máquina de Turing. Natal: Kios Press, 2015.
HAUGELAND, John. “Máquinas semânticas: uma introdução ao design de men-
tes”. In: MIGUENS, Sofia. et al (org.) Filosofia da mente: uma antologia. Porto, 2011,
p. 373 – 409.
MIGUENS, S. et al (org.) Filosofia da mente: uma antologia. Porto, 2011.
MURCHO, D. “Algoritmo”. In: BRANQUINHO, João. Enciclopédia de termos lógico-
-filosóficos. São Paulo: Martins Fonte, 2006, p. 26.
OTTE, M. O formal, o social e o subjetivo. Tradução Raul Fernando Neto. São Paulo:
Editora Unesp, 1993.
TURING, A. “Maquinaria computacional e inteligência”. In: MIGUENS, Sofia. et al
(org.) Filosofia da mente: uma antologia. Porto, 2011, p. 342 – 373.

27
 2. deCOLONIALIDADE ALGORÍTMICA: EXPERIÊNCIA E
PRÁTICA DE INTELIGÊNCIA ARTIFICIAL NA
CIÊNCIA DA INFORMAÇÃO
Ismaelly Batista dos Santos Silva1

DESAFIOS NO CAMPO MULTIDISCIPLINAR DE INTELIGÊNCIA

ARTIFICIAL: UMA INTRODUÇÃO

A emergência da Inteligência Artificial na sociedade como fe-

nômeno de massa vigente intensifica os aspectos de populariza-
ção de ferramentas de Mídias Sociais Digitais, que contam com
um regime próprio de informações produzidas e compartilha-
das, sendo ele determinado por seu público-alvo e políticas das
agências proprietárias.
Na escalada pelo monopólio corporativo comercial que tem
por objeto a mídia de visibilidade como requisito para capital
simbólico na sociedade, ou seja, projeção e notoriedade de indi-
víduos como insumos de poder e dominação (Bourdieu, 2002).
Os recursos advindos de Tecnologias da Informação e Comuni-
cação operam na centralidade entre as interações sociais reali-
zadas com uso do meio digital baseado em telecomunicações.
O breve histórico do surgimento das telecomunicações e os
saltos quanti-qualitativos demarcados a partir dos aspectos lis-
tados na Teoria da Informação, impulsionada principalmente por
Claude Shannon, revelam que as ferramentas de comunicação
em massa baseadas na codificação e mecanismos de transmis-

1
Doutora em Ciência da Informação pela Universidade Federal da Bahia. Docente do Curso de Ar-
quivologia da Universidade Estadual da Paraíba. ORCID: https://orcid.org/0000-0002-9055-671X.
ismaellybatista@gmail.com

28
são de sinal contendo mensagens foi rapidamente incorporado
às práticas sociais cotidianas desde seu advento, o que ensejou
o engajamento de profissionais e investimento em infraestrutu-
ra para subsidiar a comunicação de massa (Abrantes, 2003).
Desde o surgimento dos primeiros computadores, há aproxi-
madamente sessenta anos, e, a partir do marco de sua popula-
rização, duas décadas após, com os dispositivos domésticos de
capacidade operacional demasiadamente inferior aos modelos
atuais. A configuração dos elementos de hardware, software e a
internet como plataforma pessoal que interconecta sujeitos em
uma grande rede computadorizada e pautada em dígitos biná-
rios, a World Wide Web ou simplesmente Web, passa a compor
a vida em sociedade de uma crescente parcela da população no
mundo.
A assimilação e enraizamento cultural das relações sociais
mediadas pelas telecomunicações, e, principalmente, no cená-
rio da Web, demarcou desde os anos 2000 um movimento de
usos intensos caracterizados pelo número crescente de usuários
e suas necessidades de informação que consolidaram as Tec-
nologias da Informação e Comunicação como parte da cultura
mundial no processo de globalização. Nessa esteira do desen-
volvimento das tecnologias digitais a transformação da cultura
típica em uma dimensão particular de interações em ambiente
virtual emergiu a cibercultura (Levy, 1999).
Com uma dimensão própria, o ambiente digital, a cultura ba-
seada em recursos digitais potencializada na última década com
as Mídias Sociais Digitais despontou como principal meio de flu-
xo de dados na sociedade, praticamente monopolizando desde
a sua produção, compartilhamento e consumo, representando
o processo de transformação digital na sociedade.

29
 Algo que, compreendemos ser a consolidação do processo
que ganhou notoriedade nos anos 2000, mas que fora iniciado
com os primeiros experimentos que geraram o desenvolvimen-
to do alfabeto de dígitos binários, aliado ao desenvolvimento
do modelo primitivo de computador que se seguiu da primeira
conexão via internet e as linguagens computacionais. Processo
que, no cenário das Inteligências Artificiais, têm como referência
a máquina desenvolvida por Alan Turing, um modelo abstrato
de computador e teórico ao que atualmente correspondência a
uma interação humano-máquina (Faceli, 2011).
Dada a projeção e capilaridade que as ferramentas em Inte-
ligência Artificial desempenham agora, o termo transpôs os nú-
cleos técnicos e científicos de seu desenvolvimento e se popu-
larizou entre usuários da Web, mas principalmente nas Mídias
Sociais Digitais que passaram a promover as mais diversas fun-
ções e aplicações que essas inteligências oferecem para facili-
tar atividades complexas e simples do cotidiano, representando
uma espécie de “elixir” ao cumprimento de tarefas e às necessi-
dades de informação de seus usuários.
Neste sentido, partindo da percepção de que a sociedade é
responsável pelo surgimento das tecnologias de Inteligência Ar-
tificial, pois elas emergem de sujeitos gestados nos fenômenos
e sistemas sociais, assim como imbuídos da cultura manifesta-
da neles. Avaliamos que os mecanismos de desenvolvimento ou
expansão de Inteligências Artificiais são também um processo
de transmissão de ideologia e visão de mundo por parte dos En-
genheiros do Conhecimento ou desenvolvedores de sistemas
computacionais cognitivos, que agem automatizadamente. E,
conforme analisaremos na próxima sessão, partem majoritaria-
mente de áreas como a Ciência da Computação, Ciências de Da-

30
dos, Engenharia do Conhecimento e Ciência da Informação.
A pesquisa em tela parte da experiência e prática de Inteligên-
cia Artificial na Ciência da Informação e demarca a continuidade
de uma série de estudos desenvolvidos após o Doutoramento
em Ciência da Informação pelo Programa de Pós-graduação em
Ciência da Informação da Universidade Federal da Bahia. Justifi-
ca-se pela emergência de teorização de aspectos Decoloniais no
campo da Inteligência Artificial, em que na tese de doutoramen-
to intitulada “Recomendações para uma ontologia de domínio no
âmbito de Objetos Digitais Imagéticos à luz da Ciência da Informa-
ção” o termo Decolonialidade Algorítmica foi cunhado, mas que
por questões ligadas ao arcabouço discursivo do produto do
doutoramento não foi aprofundado.
A expressão “decolonialidade algorítmica” ainda não possui
referência terminológica seminal. Neste sentido, carece de
alargamento nas discussões científicas que alinham o discurso
decolonial às práticas em desenvolvimento para linguagem de
máquina e sistemas computacionais. Isto posto, aqui, o termo
está sendo empregado a partir de um esforço para ampliação
da abordagem teórica que fundamenta o pensamento decolo-
nial observado na obra de Walter Mignolo “Desobediência Epis-
têmica: Retórica de la Modernidad, Lógica de la Colonialidad, y
Gramática de la Descolonialidad” de 2010, que o coloca (dentre
outras coisas) como um movimento de contraponto e resistên-
cia a regimes colonizadores e vertentes únicas na concepção de
ideias, possibilitando assim a diversidade analítica nas constru-
ções e desconstruções de padrões que condicionam fenômenos
sociais e civilizatórios. (Silva, 2023, p. 20).
Como estratégia e metodologia adotadas ao desenvolvimen-
to do presente capítulo, partimos do objetivo de analisar um
panorama dialógico e multidisciplinar entre a gênese da Inteli-
gência Artificial e os aspectos apresentados como aporte teóri-

31
co mediante os preceitos Decoloniais desenvolvidos pelo grupo
Modernidade/Colonialidade e Decolonialidade. Para tanto, foi
realizado um trabalho de revisão de literatura especializada nas
temáticas sinalizadas, adotando livros e artigos científicos publi-
cados ou traduzidos em língua portuguesa, cuja análise interpre-
tativa cumpre uma abordagem qualitativa como foco na demar-
cação de um discurso que chama à responsabilidade os sujeitos
desenvolvedores/programadores de estruturas de conhecimen-
to que subsidiam a produção de algoritmos na geração de Inte-
ligência Artificial, pois esta última cumpre um papel simbólico
de reverberar representatividade sociocultural a partir de suas
estruturas computacionais.

A INTELIGÊNCIA ARTIFICIAL NA CENTRALIDADE DOS DIÁLOGOS

EM CIÊNCIA DA COMPUTAÇÃO E CIÊNCIA DA INFORMAÇÃO

A popularização do termo e ferramentas associadas à Inteli-

gência Artificial, como analisado na seção anterior, representam
um movimento de culturalização de mecanismos baseados em
linguagem computacional que promovem a automatização de
tarefas por sistemas de computadores através de interfaces de
Arquitetura da Informação acessíveis e atraentes.
O discurso midiático de facilidades ligadas ao encurtamento
da realização de processos na produção e manipulação de con-
teúdo baseados em Objetos Digitais (documentos, imagens,
gráficos, links, códigos de programação, dentre outros) tende a
fixar a experiência da maioria das comunidades de usuários das
ferramentas na perspectiva do utilizador e chega a ocultar os as-
pectos técnico-científicos intrínsecos ao produto de Inteligência
Artificial.

32
 Outrossim, em muito a interação social humana com a expe-
riência da Inteligência Artificial é meramente a recuperação da
informação que tais recursos promovem a partir de uma série
de comandos realizados em um dispositivo, ou seja, superficial
(Faceli, 2011). O resultado desta relação direta humano e máqui-
na acaba revelando comportamentos no que diz respeito a bus-
ca por informação, mecanismo que de modo supervisionado ou
automaticamente retroalimentados em estruturas algorítmicas
que “aprendem” a se portar de modo inteligente ou mesmo ge-
rando respostas ao usuário segundo o que ele apresenta como
demanda à máquina (Russell, 2013).
O fenômeno computacional de Inteligência Artificial é basea-
do em modelos que correspondem à realidade e pretensão de
conferir à máquina uma linguagem e repertório aplicados à re-
solução de tarefas previamente programadas ou em casos es-
pecíficos tornar o sistema capaz de desenvolver sua experiên-
cia singular por meio de uma ou mais bases de dados de dados
ou repositórios de conteúdo. O ponto de partida é o crivo do
promotor dos conteúdos ou desenvolvedor(es) do sistema,
baseado em padrões de aprendizagem de máquina, tais como:
aprendizagem supervisionada (pautada em modelos específi-
cos de referência ou conjunto de objetos para corresponder a
realidade); Aprendizagem não supervisionada (mediante clus-
tersque o algoritmo agrupa por potencial de similaridade e
relevância e determinada margem de correspondência); Apren-
dizagem semi-supervisionada (pautada em dados passíveis de
agrupamentos e outra classificação (identificação de classes);
e, aprendizagem por reforço (regrada no modelo de tentativa e
erro). (Silva; Novo, 2022, p. 12-13).
Este arranjo técnico que se encontra por trás das estruturas
de Inteligência Artificial, ou seja, como as máquinas aprendem e
de onde parte os comandos iniciais na maioria das ferramentas

33
de computação cognitiva, em geral, não é de conhecimento po-
pular. Como resultado temos um fluxo de produção de conheci-
mento que ainda é desconhecido das massas, em que, o mesmo,
silenciosamente penetra no cotidiano dos sujeitos no contexto
da sociedade em meio a era dos algoritmos pensantes e estabe-
lece a ordem de experiências positivas ou negativas em relação
à Inteligência Artificial, cuja culpabilização das ferramentas ao
gerarem resultados culturalmente questionáveis ou criminoso é
dirigido a um Objeto Digital que executa automaticamente co-
mandos determinados a princípio por humanos.
Ao concebermos uma era dos algoritmos pensantes, estamos
compreendendo um fenômeno que é social, no qual aplicações
automatizadas desenvolvidas e utilizadas pela civilização huma-
na passam a reconhecer dados de entrada e gerar uma resposta
associativa de modo automático. A Inteligência Artificial é esse
produto do conhecimento humano manifestado em linguagem
de programação, e, baseada em ambiente digital e seus elemen-
tos constituintes de hardware diversificados e primordialmente
softwares cuja base de desenvolvimento é essencialmente hu-
mana e natural (Russell, 2013).
É a partir da sistematização do mundo natural e as possibi-
lidades materiais e imateriais como a abstração simbólica ou
imaginação que os desenvolvedores de algoritmos elaboram
de maneira criativa e inovadora as condições de novos produ-
tos computacionais visando a solução de tarefas humanas (Fa-
celi, 2011). Nestes termos, o mundo digital ou ciberespaço, na
perspectiva de Levy (1999), apesar de partir no mundo natural,
acaba extrapolando e criando a própria dimensão de ambiente
digital (ciberespaço) que existe independentemente das pesso-
as conectadas ou desconectadas, sendo um espaço próprio de

34
interações ininterruptas entre humanos e máquinas ou máqui-
nas e máquinas.
Alguns sistemas de Inteligência Artificial, por exemplo, conti-
nuam a explorar dados digitais presentes na Web mediante re-
positórios institucionais e bases de dados, apreendendo sobre
outros dados e ferramentas de forma autônoma e ininterrupta.
Tal conjuntura nos faz questionar aspectos éticos e legais sobre
os dados que os algoritmos e seus supervisores podem acessar
e aprender, de modo mais crítico sobre o que ele pode compar-
tilhar comercialmente ou de maneira aberta.
Tendo em mente o universo de implicações jurídicas e ético-
-sociais fixaremos aqui as lentes acerca das pessoas e processos
que germinam Inteligências Artificiais, como profissionais da Ci-
ência da Computação por meio do desenvolvimento de lingua-
gens de programação para estruturar sistemas de Inteligência
Artificial e os pesquisadores da Ciência da Informação que atu-
am majoritariamente no contexto do desenvolvimento de Siste-
mas de Organização do Conhecimento, cujo aparato complexo
ante a representação do conhecimento visa a recuperação da in-
formação em múltiplos contextos e expressões para promover
incidências lógicas por meio de Ontologias utilizadas pelo corpo
de Engenheiros do Conhecimento e aplicados ao “pensamento”
da máquina ou o que a máquina sabe sobre o mundo natural
(Silva, 2023).
Iniciemos pelo campo de estudos de Ciência da Informação,
uma ciência que congrega desde seu surgimento em meados da
década de sessenta pesquisadores que estudam os fenômenos
informacionais e buscam em seu núcleo dialógico cumprir sua
pretensão de conhecimento interdisciplinar mediante seu obje-
to de estudo (a informação), assegurando assim diferentes abor-

35
dagens, processos e diálogos sob um contexto multidisciplinar
de áreas do conhecimento (Capurro, 2003).
Na Ciência da Informação destacamos áreas consideradas
chave para seu desenvolvimento e de maior expressão como as
Ciências Documentárias, a Computação, a Física, a Antropologia,
a Sociologia e a Matemática, que, mesmo surgidas e consolida-
das anteriores e além dela, possuem adesão de seus pesquisa-
dores por proximidade e interesse no objeto de estudo. O des-
taque no recorte da temática das Inteligências Artificiais fica a
cargo da área ou Ciências Documentárias que durante séculos
cumpre importante papel nos processos de Organização e Tra-
tamento da Informação e do Conhecimento presente em Uni-
dades de Informação, ou seja, Arquivos, Bibliotecas, Museus e
Centros de Documentação.
Com a base teórica e corpo de profissionais em Organização
e Tratamento da Informação e do Conhecimento e o advento
das tecnologias e a atuação científica junto à Ciência da Infor-
mação, é oportunizado o incremento científico na construção,
reestruturação e surgimento de novos saberes científicos e de-
senvolvimento de conhecimento fronteiriço com áreas como a
Computação. Em especial ao campo aplicado da Organização do
Conhecimento por promover estruturas que interconectam pro-
cessos de automatização orientado à recuperação da informa-
ção, atualmente núcleo de intersecção com a Inteligência Artifi-
cial através das Ontologias (Silva; Novo, 2022).
Nestes termos, mediante os Sistemas de Organização do Co-
nhecimento, dentre os quais as Ontologias compõem o amplo
espectro de seu portfólio teórico metodológico, cabe a necessi-
dade de integração dos conteúdos das ciências da computação
no campo de engenharia de dados e do conhecimento, assim
como na aprendizagem de máquina, cujos Objetos Digitais re-

36
 pousam seu potencial, bem como na prospecção de avanço de
uma Web semântica para uma internet das coisas, baseada em
Inteligência Artificial como fenômeno social no qual as práticas
de Organização do Conhecimento podem contribuir com aspec-
tos como a lógica formal para desenvolvimento de vocabulários
ontológicos significativos em distintos domínios do conheci-
mento humano. (Silva, 2023, p. 34).
Tal dimensão e relevância do papel das Ontologias para o ce-
nário das Tecnologias da Informação e Comunicação, desponta-
-as como campo de estudos no eixo temático de Organização
do Conhecimento por sua intersecção dentro e fora da própria
Ciência da Informação, uma vez que Ontologias são atualmente
trabalhadas de maneira independente a ela e constitui também
eixos temáticos nas ciências da computação e Engenharia do Co-
nhecimento, algo que dá corpo a outras abordagens mediante o
mesmo objeto de Ontologias que representam um;
[...] método de categorização e associação de um conteúdo, que
é baseado em uma estrutura lógica de relações entre objetos di-
gitais ou conceitos, inteligível e passível de visualização ao ser
humano (descritas como sendo leves) através de um esquema
visual que a representa, e, também inteligível à máquina – com-
putador (Ontologias Densas) na modalidade de aplicação ou al-
goritmo desenvolvido para realizar uma ou várias tarefas previa-
mente determinadas pelo programador. (Silva, 2023, p. 45).
A este ponto, conforme já afirmado na introdução, a Ciência
da Informação atua principalmente na geração de Ontologias
leves, exatamente pela tradição das Ciências Documentárias.
E, tanto a Computação quanto a Engenharia do Conhecimento,
pelo corpo de profissionais que nelas atuam, operam com Onto-
logias consideradas densas ou de aplicação. Contudo, de forma
matricial, tanto as Ontologias Leves em Ciência da Informação
como Ontologias Densas em Ciência da Computação emergem

37
da natureza ontológica presente na Filosofia como representa-
ção conceitual e natural via sistemas de classes gerais.
Necessariamente é perceptível que todo Sistema de Repre-
sentação da Informação e do Conhecimento, mesmo os que
buscam processar linguagem natural ou artificial como a catego-
rização, classificação ou as Ontologias. O domínio da linguagem
é um domínio artificial (diferente de linguagem artificial em inde-
xação), construído e codificado por seres humanos e pactuado
socialmente.
Quando os profissionais, sejam eles pesquisadores da Ciência
da Informação ou Engenheiros do Conhecimento e profissional
da Tecnologia da Informação (Computação), buscam organizar
sistemas representativos de um domínio complexo como o mun-
do natural ou a própria cultura sintetizam mesmo que de forma
sistemática estruturas da diversidade.
Esse processo de buscar representar artificialmente para or-
ganizar, como requisito em Ontologias Leves, ou de tarefa, vol-
ta-se para questões fundamentais como a ética, a moral, direitos
individuais e coletivos no desenvolvimento de sistemas de re-
presentação que busquem contemplar a diversidade de cultu-
ras, credos e ideologias.
Isto posto, representar pode implicar, além de um desafio,
um empecilho ou uma negativa das pessoas que estão na pon-
ta desenvolvendo estruturas de conhecimento e algoritmos que
mediante a Arquitetura da Informação serão repassados a so-
ciedade com interfaces amigáveis, mas que podem incorrer em
produtos positivos ou negativos à ótica dos usuários e suas ex-
periências individuais ou coletivas como parte desta represen-
tação, por resultar do processo de compreensão e captura da
realidade social que será transformada em digital por estes de-

38
senvolvedores.
Na próxima seção será desenvolvida tal conjunta de produção
algorítmica para ferramentas de Inteligência Artificial tomando
por base aspectos Decoloniais que até então se encontram pos-
tos em evidência junto às pautas de movimentos sociais e de
parcela da ciência, mas requer esse olhar sensível no ambiente
digital, hoje, deslocado a responsabilização de usuários e a pró-
pria Inteligência Artificial por equívocos nos resultados gerados
a partir de seu uso. Contudo, e, necessariamente, precisa inte-
grar amplamente os responsáveis pelo desenvolvimento das in-
teligências por trás dos algoritmos.

DECOLONIALIDADE ALGORÍTIMICA: INTELIGÊNCIAS ARTIFI-

CIAIS COMO PRODUTO IDEOLÓGICO HUMANO

Os Objetos Digitais produzidos, processados e armazenados

desde o surgimento dos computadores e sistemas de dados bi-
nários se transformaram com o desenvolvimento das ciências
da computação e compõem um prisma de diferentes linguagens
algorítmicas como uma sequência de regras que determinam
uma função específica a ser desempenhada no cumprimento de
tarefas na dimensão física de hardware ou lógica no caso de sof-
tware (Faceli, 2011).
O desenvolvimento algorítmico passa por múltiplas áreas e
tende a se beneficiar da atuação de áreas afins, conforme abor-
dado a Ciência da Informação corrobora com os conhecimentos
da matriz das Ciências Documentárias no eixo de Organização do
Conhecimento e especificamente por meio das Ontologias que
promovem a representação de conceitos e inferências lógicas à
modelagem de domínios do conhecimento proporcionando da-

39
dos e relações de sentido aplicáveis ao campo da aprendizagem
de máquina, por exemplo, algoritmos como Árvores de Decisão,
Support Vector Machines (SVM), Regressão Linear, Redes Neu-
rais e K-Nearest Neighbors (K-NN).
Algoritmos distintos, como Objetos Digitais, são fundamen-
tais no campo das ciências computacionais ou que operam no
tronco comum dos saberes da Ciência da Computação que tem
se estratificado em grandes áreas ou até outras ciências emer-
gentes como, por exemplo, Desenvolvimento de Sistemas e Re-
des, Curadoria de Dados Digitais, Engenharia do Conhecimento,
dentre outras. Seu insumo de uso de dados, programação ba-
seada em linguagens computacionais e algoritmia são a chave
para o avanço tecnológico vigente.
O desenvolvimento de algoritmo, baseado em representa-
ções em linguagens formais ante sistemas naturais ou especia-
lizados (linguagem artificial), apresenta-se como diagramas de
fluxo para expressar de maneira lógica a sequência de etapas a
serem seguidas de modo inteligível ao ser humano e à máquina
para que esta possa processar automaticamente as tarefas defi-
nidas de modo declarado e condicional (Russell, 2013).
Para fins de cumprimento adequado das tarefas ou soluções al-
gorítmicas que preveem sua precisão (através da clareza dos ele-
mentos declarados e sem ambiguidade), finitude (determinação
de etapas por função ou tarefa a ser cumprida), eficiência (racio-
nalizando os recursos computacionais como memória e proces-
samento em um prazo estipulado de execução) e generalidade
(flexibilidade e adequação a operações em distintos conjuntos de
dados compatíveis com a mesma tarefa). Russel (2023) esclarece
que o pré-processamento de dados e o alinhamento da Inteligên-
cia Artificial são pontos fundamentais mediante a subjetividade e

40
abrangência das funções algorítmicas que permeiam a sociedade.
As preocupações sinalizadas por Russell (2013) se encontram
na esteira do desenvolvimento de sistemas de inteligência com-
putacional ao apresentar situações, em que uma função algorít-
mica como uma Inteligência Artificial de grande magnitude, que
hipoteticamente interpretaria a solução de uma tarefa como “o
combate do aumento de temperaturas no planeta terra”, cuja
dedução seria a extinção de parte ou de toda humanidade pelo
uso de combustíveis fósseis. Corresponde a um problema de
proporções catastróficas fixado inicialmente no teor das senten-
ças declaradas por seu programador.
Consequentemente, emergem vertentes na própria área de
Inteligência Artificial como o “alinhamento” em Inteligência Ar-
tificial que representam um mecanismo de garantias que, espe-
cialmente no cerne da aprendizagem de máquina para que suas
funções correspondam à tomada de decisões e ações conforme
os objetivos e valores desejados pelos humanos que os projeta-
ram.
O objetivo do alinhamento em Inteligência Artificial a partir
das ponderações de Russel (2013) pode ser entendido como cru-
cial na construção de sistemas Inteligência Artificial confiáveis
e seguros, especialmente à medida que se tornam complexos
e autônomos, evitando, resultados indesejados, prejudiciais ou
não intencionais que possam surgir quando os desenvolvedores
transmitem suas ideologias ou a Inteligência Artificial otimiza
suas próprias funções sem considerar as intenções humanas.
Coadunando com as preocupações emergentes no campo da
Inteligência Artificial, é proposto o conceito de Decolonialida-
de Algorítmica referente a uma perspectiva crítica que tem em
vista repensar e subverter as estruturas de poder coloniais que

41
ainda persistem na sociedade, ao passo que adota a abordagem
de questões de dominação, viés e colonialismo presentes nos al-
goritmos e nas Tecnologias da Informação e Comunicação. Nos
algoritmos, em especial a atuação frente à mitigação do viés nos
algoritmos, que pode levar a resultados discriminatórios e in-
justos, especialmente em relação à raça, gênero, etnia e outras
pautas sensíveis.
Outrossim, como já apresentado, há um crescente reconhe-
cimento de que as Inteligências Artificiais não são neutras, mas
refletem as ideologias, crenças, os valores e os preconceitos de
seus criadores e das estruturas de poder nas quais estão inse-
ridos e perpassam cultura e sociedade. Isso pode resultar em
algoritmos que perpetuam e ampliam desigualdades sociais e
raciais, discriminam certos grupos, marginaliza comunidades e
reforçam estereótipos prejudiciais a certos grupos oprimidos
historicamente.
Como alternativa para uma atuação crítica e combativa fren-
te aos processos coloniais reconhecer alguns aspectos funda-
mentais presentes na crítica Decolonial contribui para demarca-
ção de estruturas de opressão, assim como enseja o surgimento
de uma agenda Decolonial na sociedade, inclusive, nas ciências
e atuação profissional como na perspectiva em tela, dos Enge-
nheiros do Conhecimento.
Neste sentido, optou-se por traçar um panorama teórico De-
colonial que endosse a visibilidade do discurso ante a Decolonia-
lidade Algorítmica e a busca por um protagonismo e resistência
nos saberes inscritos em Mignolo (2010) que compõe o grupo
Colonialidade/Modernidade e visões atualizadas acerca da críti-
ca Decolonial nacional presente em Mota Neto (2016) e Descolo-
nial internacional em Santos (2022).

42
 Para cumprir tão iniciativa comecemos por entender que “as
três formas principais de abordar criticamente as consequências
do colonialismo europeu nos modos de pensar e agir contempo-
râneos são o Pós-colonialismo a Descolonialidade e as Epistemo-
logias do Sul” (Santos, 2022). Em que, cabe compreender o co-
lonialismo como um resultado do processo iniciado em séculos
cujo avanço, exploração e dominação do homem europeu sobre
povos não-europeus com a imposição de sua cultura, crenças e
ideologia de raças e superioridade seguiram em estratégia de
manutenção de seus interesses (Mignolo, 2010).
Os desdobramentos do movimento de Colonialidade de po-
vos foram a introjeção do ideário de superioridade da cultura,
povo e pensamento europeu, e, como um mecanismo bem-su-
cedido ainda se encontra vigente e enraizado de modo sistemá-
tico em diferentes culturas, mesmo que estas não compunham
mais um processo de Colonialidade e já tenham sido, do ponto
de vista geral, descolonializadas. Esta última que dá origem a
perspectiva de atuação e centralidade do pensamento científico
Descolonial (Santos, 2022).
A abordagem Descolonial cumpre uma “agenda crítica na
abordagem acadêmica aos processos político-sociais que suce-
deram a colonização”, ou seja, uma agenda Pós-colonialidade
ou mesmo descolonização (Santos, 2022, p. 19). Destarte, “os
estudos Pós-coloniais são anteriores aos estudos Descoloniais;
até certo ponto, os segundos respondem ao que é percebido
como deficiências dos primeiros[...]. A confrontação do projeto
colonial em sua totalidade tornou-se precondição para teorizar
a condição Pós-colonial em si mesma” (Santos, 2022, p. 20).
Há um desacordo e uso de diferentes termos para se referir a
esse processo que identifica, avalia e crítica à conjuntura social

43
com a retirada física das entidades coloniais. Assim, podemos
encontrar na literatura estudos que demarcam o pensamento
após a corrente de pensamento Pós-coloniais, utilizados os ter-
mos de Descolonial e Decolonial se referindo necessariamente a
abordagens e lentes acadêmicas do norte e sul, não em alusão
geográfica, mas respectivamente acerca do que é produzido pe-
los povos dominantes (norte) e povos descolonizados (sul), pre-
dominando a adoção do termo Decolonial na literatura e abor-
dagem brasileira (Mota Neto, 2016).
Emergem nesse contexto as Epistemologias do Sul formula-
das nos anos 2000 a partir da experiência no Fórum Social Mun-
dial e;
[...] visam nomear e destacar saberes antigos e contemporâne-
os dos grupos sociais que resistiram ao domínio eurocêntrico
moderno. Concebem a ciência moderna como um tipo de co-
nhecimento válido (e precioso), mas não como único tipo de co-
nhecimento válido (e precioso); e insistem na possibilidade de
interconhecimento e tradução intercultural. As epistemologias
do sul partilham com o pós-colonialismo a ideia de que o colo-
nialismo não terminou. Contudo, insistem que a dominação mo-
derna é constituída não só pelo colonialismo, mas também pelo
capitalismo e patriarcado. (Santos, 2022, p. 18).
Partindo do entendimento dos movimentos científicos e po-
pulares que aplicam a crítica Decolonial, estejam eles centrados
na corrente imediata após a descolonização (Pós-colonial), o
processo analítico de buscar novas visões sobre os fatos e lega-
dos Pós-descolonização (Descolonial ou Decolonial), assim como
as Epistemologias do Sul. Foram demarcados operadores deste
movimento também conhecido como Giro Decolonial, aqui cate-
gorizados em desafios e possibilidades de atuação:
Os desafios estão na centralidade de demarcação dos dispo-

44
sitivos ainda operantes socialmente por fazerem parte da cultu-
ra do povo colonizado durante tempo suficiente para ser assimi-
lado como natural. E, de maneira mesmo que sutil representar
os saberes aliados aos discursos e práticas automatizadas como
um “manifesto patrimonial do colonizador” de discriminação e
manutenção de poder simbólico na medida, em que, conforme
Bourdieu (1998) elucida, que faz parte dos interesses da domina-
ção que os dominados sigam reproduzindo na dimensão socio-
cultural suas ideais, ao ser um capital invisível, eficaz e introjeta-
do subjetivamente aos valores e comportamentos cotidianos da
população. Logo, tidos como “típicos” e toleráveis (Mota Neto,
2016).
Estes saberes coloniais que são principalmente produtos do
movimento de modernidade civilizatória e operam na sociedade
ainda de modo latente como, por exemplo, o colonialismo me-
diante seus traços remanescentes introjetados no “manifesto
patrimonial do colonizador” ou projeto colonial que segue em
práticas institucionais, política, cultural e relações sociais. Soma-
-se ao colonialismo o capitalismo e o patriarcado como estru-
turas de organização social que reproduzem estereótipos artifi-
ciais europeus e massacram as culturas e povos em detrimento
de sua manutenção.
Mediante o exposto, às Epistemologias do Sul emergem
como resistência e valorização das culturas e povos que buscam
ressignificar suas histórias, resgatando traços ancestrais à Pré-
-colonização com foco no reconhecimento de saberes oprimi-
dos e dialogicidade na construção de modelos de pensar, agir e
fazer ciência na sociedade que contribuem com o protagonismo
e resistência das pessoas subalternizadas em séculos, mas prin-
cipalmente sendo combativa e anticolonialismo.

45
 Nestes termos, no contexto da pesquisa em tela pensar uma
Decolonialidade Algorítmica pode representar um processo de
reconhecimento das questões sociais introjetadas nos saberes
dos desenvolvedores de sistemas de Inteligência Artificial. Nes-
te ponto, agir para assegurar a pluralidade de ideias e manifesta-
ções socioculturais pautado no respeito à diversidade, ou seja, é
um papel social do programador. Principalmente atuando com
atenção e combatendo narrativas de dominação que subjetiva-
mente podem ser transmitidas às inteligências computacionais,
gerando marginalidade, pré-conceito e discriminação de povos
já subalternizados durante séculos mediante o projeto de mo-
dernidade e colonialidade europeu.

CONSIDERAÇÕES FINAIS

A era dos algoritmos pensantes revela uma multiplicidade de

abordagens que merecem reconhecimento e diálogos acadêmi-
cos como pautas do conhecimento necessário a experiência e
prática mediante a Inteligência Artificial que impulsiona o desen-
volvimento científico e tecnológico das civilizações para ocorre-
rem de modo sustentável e alinhado às demandas sociais.
Como analisado, na investigação em tela, a área de Ciência da
Informação e seu caráter essencialmente multidisciplinar, a par-
tir de um panorama dialógico entre a gênese da Inteligência Arti-
ficial e os aspectos apresentados como aporte teórico mediante
os preceitos Decoloniais desenvolvidos pelo grupo Modernida-
de/Colonialidade e Decolonialidade. Fica explicitado o notório
papel social dos desenvolvedores de algoritmos orientados a
geração de Inteligências Artificiais, pois como atores sociais que
compõem as relações e facilitadores de tecnologias instituídas

46
socialmente, ainda de forma remanescente, há de ser combati-
do o “manifesto patrimonial do colonizador” que é o legado do
projeto secular de modernidade e colonização introjetado pelas
epistemologias eurocêntricas.
O Engenheiro do Conhecimento e programador de Inteligên-
cias Artificiais não está imune às influências nefastas que rever-
beram em práticas de aprendizagem de máquina questionáveis
e equivocadas, caso transfiram suas ideologias nas representa-
ções e tarefas automatizadas e operadas por Objetos Digitais.
Em especial, algoritmos que passem a reproduzir da colonialida-
de o traço de dominação sobre raças, como o racismo e intole-
rância religiosa, e, do patriarcado, como: misoginia, homofobia
e transfobia.
Neste ínterim, concluímos que as discussões sobre a temática
de Decolonialidade Algorítmica não se encerram e nem podem
reduzir-se a este estudo, sendo necessária a investida na amplia-
ção e aprofundamento científico para compor um repertório de
conhecimento crítico e abrangente, mas avalia-se que as discus-
sões aqui apresentadas contribuem para prósperas investidas
acadêmicas e fundamentação de novas pesquisas, sobretudo ao
informar a pessoa leitora.

REFERÊNCIAS

ABRANTES, Silvio. A. Apontamentos de teoria da informação. Universidade do

Porto, Faculdade de Engenharia. 2003. p 01-07.
BOURDIEU, Pierre. O poder simbólico. Rio de Janeiro: Bertrand Brasil. 1998.
CAPURRO, Rafael. Epistemologia e ciência da informação. In: ENCONTRO NA-
CIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO - ENANCIB, 5., 2003.
Belo Horizonte. Anais. Belo Horizonte: UFMG, 2003.

47
FACELI, Katti.; et al. Inteligência Artificial: uma abordagem de aprendizado de
Máquina. Editora LTC. 1ª Ed. 2011.
LÉVY, Pierre. Cibercultura. Tradução: Carlos Irineu da Costa. São Paulo: Ed. 34,
1999.
MIGNOLO, Walter. Desobediencia epistémica: retórica de la modernidad, lógi-
ca de la colonialidad y gramática de la descolonialidad. Buenos Aires: Edicio-
nes del Signo. 2010.
MOTA NETO, João Colares da. Por uma pedagogia decolonial na América Lati-
na: reflexões em torno do pensamento de Paulo Freire e Orlando Fals Borba.
Curitiba: CRV 2016.
RUSSELL, Stuart Jonathan.; et al. Inteligência artificial. Rio de Janeiro: Else-
vier. 2013.
SANTOS, Boaventura de Sousa. Descolonializar: abrindo a história do presen-
te. Autenica Editora. Sao Paulo, SP: Boitempo.
SILVA, Ismaelly Batista dos Santos. Recomendações para uma ontologia de
domínio no âmbito de objetos digitais imagéticos à luz da Ciência da Infor-
mação. 2023. 112f. Tese (Doutorado em Ciência da Informação). Programa de
Pós-Graduação em Ciência da Informação da Universidade Federal da Bahia
(PPGCI/UFBA). Salvador, 2023.
SILVA, I. B. dos S.; NOVO, H. F. Interacionismo simbólico e ontologias digitais
como aporte teórico aplicado à organização do conhecimento na ciência da
informação. Revista Informação na Sociedade Contemporânea, [S. l.], v. 6, n.
1, p. e27727, 2022. DOI: 10.21680/2447-0198.2022v6n0ID27727. Disponível em:
https://periodicos.ufrn.br/informacao/article/view/27727. Acesso em: 12 out.
2023.

48
 3. DESAFIOS E DILEMAS DA PROTEÇÃO DE DADOS PESSOAIS
NA ERA DA CULTURA ALGORÍTMICA
Paula Cotrim de Abrantes1

INTRODUÇÃO

O século XXI trouxe à humanidade um novo cenário tecnoló-

gico. As Tecnologias da Comunicação e Informação (TICs) agora
fazem parte do contexto social decidindo o que as pessoas po-
dem ver primeiro no seu feed do Google, do Instagram, do Tik
Tok, dentre outras redes sociais digitais. Essa decisão de que ver
primeiro é tomada por algoritmos2 de machine learning3 (ML) e
outros algoritmos de inteligência artificial (IA), que baseados no
conteúdo que cada usuário mais vê, o direciona anúncios, perfis
e sites quando se acessa um site ou rede social digital (Prado,
2022). Vive-se numa cultura dos algoritmos, onde eles sabem o
que é “melhor” para cada usuário. De acordo com Lemos (2021,
posição 426-429):
a cultura dos algoritmos “é hoje a base da cultura digital. Os al-
goritmos são as novas mídias, pois são formas de plasmar a rea-
lidade, sendo ao mesmo tempo uma mensagem, um canal, um
emissor e um receptor. Eles não apenas processam informação
e realizam tarefas, como essas tarefas nos compelem a fazer
algo (Lemos, 2021, posição 426-429).
1
Doutoranda em Ciência da Informação (UFRJ/IBICT). ORCID: https://orcid.org/0000-0003-0271-
2186. pcotrimdeabrantes@gmail.com
2
“É um conjunto de instruções matemáticas, uma sequência de tarefas para alcançar um resul-
tado esperado em um tempo limitado. Os algoritmos antecedem os computadores – o termo
remonta ao século IX ligado ao matemático al-Khwãrizmi, cujo livro ensinava técnicas matemáti-
cas a serem equacionadas manualmente. ‘Algorismus’ era originalmente o processo de calcular
numerais hindo-arábicos” (KAUFMAN, 2018, posição 367).
3
Subcampo da inteligência artificial, 1959 foi ano da sua criação (KAUFMAN, 2022).

49
 No entanto, para os algoritmos realizarem essa tarefa de in-
dicação de conteúdo eles se baseiam em dados, e muitos deles,
dados pessoais e dados pessoais sensíveis. Isso acarreta grande
preocupação quanto à proteção de dados e ao seu tratamento
e disponibilização. A Lei Geral de Proteção de Dados Pessoais –
LGPD4. Foi sancionada no Brasil em 2018 e entrou em vigor em
2020. Ela trouxe uma série de regulamentações que precisam
ser seguidas pelos detentores dos dados sob pena de multa e
sanções.
É necessário proteger os dados pessoais para se evitar que
pessoas sejam identificadas e sofram discriminação por conta
deles. Nesse mesmo contexto, algoritmos que usam inteligên-
cia artificial podem negar crédito, demitir ou contratar pessoas
baseados em seus dados, que muitas vezes nem foram autori-
zados seu uso para esses sistemas de IA. Em muitos momentos
as pessoas nem sabem como esses algoritmos processam seus
dados, se existem pesos para eles e que fatores eles levaram
em conta. Outras vezes, os indivíduos sequer sabem o que são
algoritmos! Nesse sentido, a cultura social de que os algoritmos
são verdadeiros oráculos da razão podem então prejudicar as
pessoas nos mais diversos aspectos sociais e econômicos.
Algumas abordagens tecnológicas podem minimizar esse
problema, como por exemplo, técnicas de anonimização de da-
dos, criptografia, aprendizado de máquina federado e a chama-
da Fairness in AI. A função de algumas dessas técnicas é justa-
mente proteger os dados de cidadãos para não serem expostos
a qualquer invasor num banco de dados, além disso, eles podem
embaralhar mais os dados para evitar vieses.
4
Lei n. 13.709, de 14 de agosto de 2018. http://www.planalto.gov.br/ccivil_03/_Ato2015-2018/2018/
Lei/L13709.htm. Alterada pela Lei nº 13.853, de 8 de julho de 2019. http://www.planalto.gov.br/cci-
vil_03/_Ato2019-2022/2019/Lei/L13853.htm#art1.

50
 Um outro ponto muito importante, se refere à regulação dos
dados no que se refere ao seu uso na inteligência artificial (IA).
No Brasil foi protocolado o Projeto de Lei (PL) n° 2338, de 2023
(Senado Federal, 2023), que dispõe sobre o uso da Inteligência
Artificial. Esse PL traz diversas regulamentações sobre a IA no
país, inclusive sobre o uso de dados pessoais por algoritmos
de IA. Respostas governamentais regulatórias são importantes
quando se pensa numa sociedade dominada pela cultura dos al-
goritmos e focada somente nos resultados, o aspecto humano
também tem que ser considerado.
Nesse sentido, essa pesquisa visa responder a seguinte per-
gunta: como proteger os dados pessoais na cultura dos algorit-
mos? Para isso, este estudo usou de uma metodologia explorató-
ria, e dedutiva para selecionar e analisar uma ampla bibliografia,
seja em documentos, sites governamentais, relatórios e artigos
científicos sobre o tema. Quanto ao objetivo geral da pesquisa,
ele se direciona a investigar os principais desafios e dilemas rela-
cionados à proteção de dados pessoais no contexto da cultura
algorítmica, tendo como objetivos específicos:
1. Compreender a LGPD;
2. Analisar a era da cultura algorítmica e o uso de dados pesso-
ais;
3. Examinar a transparência e compreensão dos algoritmos;
4. Investigar abordagens tecnológicas de proteção; e
5. Avaliar as respostas regulatórias para sistemas de IA numa
perspectiva sobre o Projeto de Lei (PL) n° 2338, de 2023.
Esse trabalho se justifica na medida que se sabe que devido
à cultura dos algoritmos, sonhos podem ser comprometidos e
vidas modificadas de forma negativa. É preciso fazer uma refle-
xão sobre como isso pode ser evitado. As pessoas precisam pro-
teger seus dados, saber de seus direitos, compreender como os

51
algoritmos funcionam, como uma possível regulamentação da
inteligência artificial pode trazer mais equidade aos resultados
dos algoritmos. Já existem tecnologias para essa finalidade, elas
precisam ser obrigatoriamente usadas para a proteção de dados
do cidadão.
A partir dessa análise, buscou-se estruturar este artigo da se-
guinte forma: na seção um foi explicada a metodologia do artigo.
Na seção dois, a LGPD foi explicada de forma geral para compre-
ensão dos seus principais conceitos. Na seção três foi abordado
sobre a era da cultura algorítmica e uso de dados pessoais. A
seção quatro examina as questões relacionadas à transparên-
cia e compreensão dos algoritmos pelas pessoas. A seção cinco
trouxe à tona a existência de técnicas de anonimização para a
proteção de dados pessoais. A seção seis analisa aspectos regu-
latórios do Projeto de Lei (PL) n° 2338, de 2023 relacionados aos
algoritmos e suas aplicações, e a seção sete traz os resultados e
discussões sobre o estudo.

METODOLOGIA

A metodologia deste artigo fez uso de uma abordagem ex-

ploratória, dedutiva documental e bibliográfica. Foram realiza-
das análises documentais em leis, regulamentos, manuais e rela-
tórios para prover uma bibliografia ampla e atual sobre o tema
da pesquisa. A partir de uma leitura exploratória, o conteúdo foi
classificado e categorizado em tópicos para a leitura ficar mais
dinâmica e agradável.
O texto foi contextualizado numa linguagem acessível, e den-
tro do possível, se buscou conceituar e definir os termos que
não fazem parte do senso comum para que o entendimento do

52
contexto do estudo seja compreendido de uma forma factível
para todos que tenham interesse no tema da pesquisa.
Por conta de uma visão abrangente, e específica quando ne-
cessária, as informações trazidas neste artigo podem ser provei-
tosas em várias áreas que discutem sobre os desafios e dilemas
da proteção de dados pessoais na era da cultura algorítmica.

COMPREENDENDO A LEI GERAL DE PROTEÇÃO DE DADOS – LGPD

A LGPD é uma importante regulamentação para a proteção

de dados pessoais dos cidadãos. Sejam eles dados sensíveis ou
não, a Lei traz várias sanções para quem não a cumprir. Ela criou
normas para o tratamento dos dados, o que se relaciona com
sua coleta e compartilhamento. Essas normativas são válidas
para pessoas naturais (vivas). Pessoas físicas ou jurídicas, sejam
elas do direito público ou privado, precisam cumpri-las. Sua vali-
dade se estende tanto para o meio não digital como para o digi-
tal (Brasil, 2018). Logo no seu art. 2º a LGPD já disciplina alguns
de se seus fundamentos:
I - o respeito à privacidade;
II - a autodeterminação informativa;
III - a liberdade de expressão, de informação, de comunicação e
de opinião;
IV - a inviolabilidade da intimidade, da honra e da imagem;
V - o desenvolvimento econômico e tecnológico e a inovação;
VI - a livre iniciativa, a livre concorrência e a defesa do consumi-
dor; e
VII - os direitos humanos, o livre desenvolvimento da personali-
dade, a dignidade e o exercício da cidadania pelas pessoas natu-
rais (Brasil, 2018).

53
 O respeito à privacidade é fundamental, não é permitido que al-
guma empresa tenha acesso a dados pessoais se o dono do dado
não permitir. Isso só acontece em alguns casos específicos, como
por exemplo para fins de pesquisa e de interesse público. A Lei con-
tinua garantindo ao cidadão direitos constitucionais fundamentais,
como a liberdade de expressão, acesso à informação, e a garantia
que sua imagem e honra continuam invioláveis. A LGPD também
não vai contra à inovação e ao desenvolvimento tecnológico, no
entanto, os dispositivos inovadores precisam respeitar a Lei.
Toda essa regulamentação é relevante porque com apenas
nome, RG e CPF uma pessoa se torna identificada, e com o dado
sobre seu emprego, idade, doenças e formação, por exemplo,
ela se torna identificável (Lima et al., 2023). Portanto, pessoas
físicas e jurídicas responsáveis por esses dados, têm grandes
obrigações em suas mãos. Elas serão responsabilizadas se não
tratarem os dados com transparência e de forma segura.
Para fornecer essa segurança aos dados, alguns papéis foram
definidos pelo artigo 5º da LGPD:
[...] V - titular: pessoa natural a quem se referem os dados pes-
soais que são objeto de tratamento;
VI - controlador: pessoa natural ou jurídica, de direito público ou
privado, a quem competem as decisões referentes ao tratamen-
to de dados pessoais;
VII - operador: pessoa natural ou jurídica, de direito público ou
privado, que realiza o tratamento de dados pessoais em nome
do controlador; [...]
VIII - encarregado: pessoa indicada pelo controlador e operador
para atuar como canal de comunicação entre o controlador, os
titulares dos dados e a Autoridade Nacional de Proteção de Da-
dos (ANPD);
IX - agentes de tratamento: o controlador e o operador [...] (Bra-
sil, 2018).

54
 É preciso adequação de quem possua dados pessoais para
ativar esses papéis de controlador, encarregado e operador dos
dados. Cada um deles na sua função terá que pedir o consenti-
mento ao cidadão do uso do seu dado, anonimizar esse dado,
oferecer segurança para ele num banco de dados para que não
aconteça acessos indevidos, como também fornecer um rela-
tório de impacto relacionado à proteção desses dados (Brasil,
2018).
No que tange aos dados sensíveis, a LGPD no artigo 5º, inciso
II, os descreve como sendo de: “origem racial ou étnica, convic-
ção religiosa, opinião política, filiação a sindicato ou a organiza-
ção de caráter religioso, filosófico ou político, dado referente à
saúde ou à vida sexual, dado genético ou biométrico, quando
vinculado a uma pessoa natural” (Brasil, 2018).
São considerados dados sensíveis porque qualquer um dos
fatores elencados pode ser usado para fazer bullying ou para
discriminar uma pessoa. Ela pode sofrer preconceito por possuir
uma doença ou por se determinado partido político e devido a
isso não conseguir emprego, por exemplo.
A LGPD, no art. 33, define também várias regras específicas
para a transferência internacional de dados pessoais, o objetivo
é proteger os direitos dos titulares dos dados. Essa transferên-
cia é permitida desde que o país ou organização internacional
destino forneça proteção adequada aos dados. O controlador
também precisa garantir, por meio de cláusulas contratuais, nor-
mas globais, selos e certificados, que os direitos de privacidade
dos dados do titular estão garantidos.
No entanto, essa transferência acontecerá em algumas cir-
cunstâncias, por exemplo: numa cooperação jurídica interna-
cional, para proteção da vida, quando a autoridade nacional

55
autorizar, quando de resultado de um acordo de cooperação in-
ternacional; quando a transferência de dados ocorrer por conta
de políticas públicas, quando o titular do dado tiver dado per-
missão para sua transferência, entre outros pontos. Pessoas ju-
rídicas públicas podem solicitar uma avaliação sobre o nível de
proteção de dados de determinado país ou organismo interna-
cional (Brasil, 2018). Esse aspecto da LGPD é relevante quando
se sabe que as Big Techs5 atuam no Brasil e coletam, tratam e
compartilham dados pessoais.
Vale ressaltar que a Autoridade Nacional de Proteção de Da-
dos (ANPD) tem como missão assegurar que a LGPD seja cum-
prida. Ela é vinculada à Presidência da República e “regulamen-
tará padrões e técnicas aplicáveis às questões de segurança da
informação, interoperabilidade e processos de anonimização”
(ANPD, 2033). Também poderá pedir informações relativas ao
tratamento dos dados pessoais para os agentes de tratamento.
Por conta de todos os fatores expostos, as regulamentações
da LGPD são tão importantes para sociedade. Elas criam um am-
biente de segurança para os dados pessoais, os protegendo de
qualquer fator que viole a privacidade de uma pessoa sem uma
causa justa e amparada legalmente.

CULTURA ALGORÍTMICA E O USO DE DADOS PESSOAIS

Na era da cultura dos algoritmos surge um novo paradigma

social do culto aos dados, os resultados dos algoritmos calcula-
dos por machine learning, deep learning6, redes neurais profun-
5
“As grandes empresas associadas a plataformas de uso intensivo de dados, quase todas situa-
das na América do Norte, e também cada vez mais na China” (MOROZOV, 2018, posição 1760).
6
“Aprendizado profundo que introduz representações complexas, expressas em termos de ou-
tras representações mais simples organizadas em diversas camadas. Essa estrutura codifica uma
função matemática que mapeia conjuntos de valores de entrada (inputs) para valores de saída

56
das7 entre outras, são recebidos como quase inquestionáveis por
algumas pessoas. Os dados passaram do paradigma físico8 onde
a preocupação era a eficácia da transmissão da mensagem, ao
paradigma social9, onde são analisados de forma holística.
O dado pessoal é analisado, usado, tratado e compartilhado
levantando-se em conta todos os seus “sujeitos”. Suas amiza-
des, seu trabalho, seus relacionamentos íntimos e preferências
sexuais, sua saúde, educação, cultura, religião, partido político,
enfim, absolutamente tudo é analisado, classificado, e catego-
rizado pelos algoritmos. Afinal, cada usuário tem seu próprio
ecossistema, ele não é um ser asocial (Frohmann, 1995).
Cunha e Cavalcanti (2008, p. 113) conceituam “dado” como
a “menor representação da informação”. Capurro (2008) afir-
ma que a origem da palavra “informação” se origina do latim, e
busca modelar algo físico para transmitir conhecimento. Quanto
a transmitir informação, isso tem a ver com a comunicação de
algo a alguém, e precisa ser verdadeira e sem erros para ter utili-
dade (Machlup, 1983). Dessa forma, pode auxiliar na tomada de
decisões, sejam pessoais ou organizacionais.
Essa nova era moldada pela cibernética de segunda ordem,
onde o usuário faz parte do sistema, tornou-se tão confortável
nessa sociedade do século XXI que praticamente tornou real a
previsão de Alan Turing onde ele anteviu que “a inteligência da
máquina se tornaria tão difundida, tão confortável e tão bem

(outputs)” (KAUFMAN, 2022, p. 11).

7
“Redes neurais de aprendizado profundo” (deep learning neural networks, dlnn) pela inspiração
no funcionamento do cérebro biológico. A técnica é capaz de lidar com dados de alta dimensio-
nalidade, por exemplo, milhões de pixels num processo de reconhecimento de imagem. Além
disso, seus algoritmos estabelecem correlações nos dados não perceptíveis aos desenvolvedo-
res humanos, origem do problema da interpretabilidade ou ‘caixa-preta’” (KAUFMAN, 2022, p.
11-12).
8
Numa referência ao texto de Capurro (2003).
9
Numa referência ao texto de Capurro (2003).

57
integrada em nossa economia baseada em informações que as
pessoas nem a perceberiam” (Kurzweil, 1999, p. 59).
Os mais diversos aplicativos em smartphones coletam os
mais variados dados: por onde a pessoa transitou, locais mais
frequentes que ela costuma ir, quantidade de passos, contro-
le menstrual, batimentos cardíacos etc. Como esses dados são
tratados e compartilhados? O usuário, dono dos dados, não tem
conhecimento, na maioria das vezes concorda com os termos de
serviço dos aplicativos sem ler as letras minúsculas com dezenas
de páginas que lhe é solicitado aceitar.
O problema dessa nova sociedade acontece quando os avan-
ços computacionais usam dados pessoais para alimentar a má-
quina e seus prognósticos. Sistemas computacionais fazem uso
de uma massiva quantidade dados, os chamados Big Data, com
todos os seus 5 Vs – volume, veracidade, variedade, velocidade
e valor ” (Martínez-Ávila; Souza; Gonzalez, 2019, posição 1584).
Todos esses dados, quando se referem às pessoas alimentando
as máquinas, podem conter vieses como preconceito e racismo.
Decisões financeiras críticas como o deferimento de um finan-
ciamento de um imóvel, de um carro, de contratar ou despedir
alguém, tudo terá como resposta “desculpe, foi a inteligência
artificial que decidiu”.
Cavalcanti (2021) explica que os algoritmos dariam uma pos-
sível objetividade e eficiência aos dados, tirando os vieses que
fazem parte da subjetividade humana. No entanto, segundo a
mesma autora, isso não passa de uma falácia, pois os próprios
dados fornecidos ao sistema já contêm vieses. A IA irá tornar o
sistema ainda mais viciado criando uma base fundamentada em
algoritmos falhos.
Morozov (2018, posição 406) cita um exemplo onde o ex-di-

58
retor de tecnologia do Google diz que “todos os dados são rele-
vantes para o crédito, ainda que não saibamos como usá-los”. O
autor externa grande preocupação com essa frase, pois segun-
do ele, a privacidade está em grande risco e pode ser inacessível
para algumas classes econômicas mais desprotegidas. Qualquer
clique, telefonema, movimento, poderiam interferir na avalia-
ção de crédito e suas taxas de juros. O’Neil (2020) chama aten-
ção que em enquanto as pessoas privilegiadas economicamen-
te, podem ter seus dados avaliados por pessoas, para a grande
massa, resta a análise automatizada.
Essa questão de uso de dados pessoais e privacidade não é
preocupação somente no Brasil, Croll (2012) exemplifica que um
cliente norte-americano da American Express teve seu limite de
crédito diminuído porque no mesmo local que ele faz compras,
outros clientes maus pagadores também faziam. Pessoas estão
sendo qualificadas para ter crédito rebaixado somente pelo lo-
cal onde fazem compras e por conta de fatores que independem
de sua vontade.
Hui e colaboradores (2022) explicam como a discriminação
dos dados pessoais acontece na saúde numa perspectiva norte-
-americana. Num sistema de IA com vieses, o paciente azul, que
não está em estado grave, mas possui um nível socioeconômico
mais alto, é favorecido no atendimento por conta de sua capaci-
dade de pagamento. O paciente vermelho, mais desprovido eco-
nomicamente, ficaria menos tempo internado para liberar mais
recursos para o paciente mais rico, mesmo o paciente vermelho
precisando de mais tempo de hospitalização. Conforme Figura 1
abaixo:

59
 Figura 1 – Vieses nos dados pessoais de saúde

Fonte: Adaptado de Hui et al. (2022, p. 58).

Numa perspectiva de um modelo sem vieses, ele seria impar-

cial, e a avaliação do paciente seria unicamente pela gravidade
e urgência do atendimento. O paciente azul seria liberado mais
cedo para a unidade de saúde oferecer mais recursos para o pa-
ciente vermelho, mesmo ele sendo mais pobre. Isso daria mais
equidade ao sistema de saúde e aumentaria a justiça no atendi-
mento (Hui et al., 2022).
No Brasil, a grande preocupação acontece no próprio trata-
mento dos dados de saúde das pessoas. O artigo 52 da LGPD,
normatiza punições como advertência, para quem não cum-
prir a Lei. Aragão e Schiocchet (2020) se preocupam quanto à
transparência do tratamento dos dados de saúde, dizem que
não está bem claro como o Sistema Único de Saúde (SUS) faz
a proteção e gerenciamento desse tipo de dado. Entretanto o
DataSus possui firewalls; software de proteção antivírus e anti-
malware entre outras proteções pertinentes (Brasil, 2022b).
Já numa preocupação referente ao próprio uso da internet,
uma normativa anterior a LGPD, a Lei nº 12.965, de 23 de abril
de 201410, estabelece princípios, garantias, direitos e deveres
10
Marco Civil da Internet.

60
para o uso da Internet no Brasil, em seu art. 7º, diz o seguinte:
O acesso à internet é essencial ao exercício da cidadania, e ao
usuário são assegurados os seguintes direitos:
I - inviolabilidade da intimidade e da vida privada, sua proteção
e indenização pelo dano material ou moral decorrente de sua
violação;
II - inviolabilidade e sigilo do fluxo de suas comunicações pela
internet, salvo por ordem judicial, na forma da lei;
III - inviolabilidade e sigilo de suas comunicações privadas arma-
zenadas, salvo por ordem judicial;
[...] VII - não fornecimento a terceiros de seus dados pessoais,
inclusive registros de conexão, e de acesso a aplicações de inter-
net, salvo mediante consentimento livre, expresso e informado
ou nas hipóteses previstas em lei;
VIII - informações claras e completas sobre coleta, uso, arma-
zenamento, tratamento e proteção de seus dados pessoais [...]
(Brasil, 2014).
Percebe-se, portanto, que a Lei nº 12.965, de 23 de abril de
2014 tem grande preocupação quanto a resguardar privacidade
e os dados pessoais. Questões como inviabilidade da intimidade
são expressamente normatizadas, como o tratamento dos da-
dos. Além disso, a Emenda Constitucional nº 115, de 10 de feverei-
ro de 202211, alterou a Constituição Federal e inseriu a proteção
de dados pessoais dentre os direitos e garantias fundamentais.
Sendo assim, compreende-se que o governo brasileiro traz as
normativas para a proteção dos dados pessoais, mas a lei preci-
sa ser cumprida. Os dados pessoais precisam estar protegidos
e somente usados, esse ou aquele dado, se o usuário permitir.
Existe um conjunto de dilemas éticos e morais no uso de dados
pessoais. No entanto, a ética e o cumprimento da Lei jamais po-

11
Brasil (2022a).

61
dem se afastar desta questão, independentemente do nível de
automação e desenvolvimento tecnológico que a humanidade
chegue.

TRANSPARÊNCIA E COMPREENSÃO DOS ALGORITMOS

Vive-se na era do século XXI numa verdadeira vigilância algo-

rítmica12, onde os algoritmos sabem por onde as pessoas circu-
lam, como está sua saúde, relacionamentos, trabalho, até o tipo
de filme e comida que mais gostam. Para Xavier e Dantas (2023),
os procedimentos de vigilância algorítmica se iniciam na nave-
gação na Web, onde os dados são coletados. Para as autoras,
quanto mais dados são capturados, mais eficiente é o processo.
Dessa forma, os algoritmos conseguem gerar um padrão com-
portamental dos indivíduos fazendo uma correlação entre os
dados. Nesse sentido, é importante que as pessoas compreen-
dam como esses algoritmos funcionam.
Num primeiro momento é importante reconhecer que tomar
decisões sem vieses faz parte da ética. Algoritmos enviesados
podem perpetuar as mais diversas desigualdades e preconcei-
tos. Diferenciando o tratamento entre ricos e pobres, pretos e
brancos, por conta de sua renda e/ou raça. Para que isso não
aconteça é preciso que haja transparência nos algoritmos, ou
seja, saber quais dados eles estão baseados para tomar suas de-
cisões e o porquê. Isso traz uma questão relevante, já que em
muitos momentos, nem quem inseriu os dados sabem como
funcionam os resultados fornecidos pelos algoritmos.

“Vigilância de dados é a criação e/ou uso sistemático de dados pessoais para a investigação ou
12

monitoramento das ações ou comunicações de uma ou mais pessoas” (CLARKE; GREENLEAF,

2017, p. 3).

62
 Por conta do problema da “caixa preta13” (black box) dos al-
goritmos, que realizam milhares de cálculos em funções comple-
xas, se torna difícil entender sua indicação para uma coisa em
detrimento da outra. No entanto, Kaufman (2022, p. 41) ressalta
que existe o que se denomina “interpretabilidade do sistema de
ia”, que é entendido como “a tentativa de entender e determi-
nar qual grau de confiança atribuir ao resultado obtido” (Kau-
fman,2022, p. 41). A autora menciona que existem métodos mais
avançados de estudo para essa finalidade. A própria rede como
um todo seria observada no que se refere às suas unidades, e
não seus resultados (output). Isso permitiria a visualização das
unidades que fossem mais ativadas e poderia se realizar testes
nessas mesmas unidades num modelo de IA.
Hui e colaboradores (2022) esclarecem que é importante per-
ceber a diferença entre a interoperabilidade do sistema e sua
explicabilidade. São conceitos diferentes, mas usados como si-
nônimos às vezes. De acordo com os autores, a interoperabili-
dade torna possível ver o que acontece dentro da caixa preta,
inclui-se os dados, e analisa-se a causa e o efeito. A explicabilida-
de analisará como o modelo de IA se comporta e a sua racionali-
dade, além tirar insights disso, será compreender seu resultado.
No entanto, os dois atuam juntos para tornar todo o processo
transparente conforme observado na Figura 2.

13
“Decisões estão sendo tomadas por algoritmos de inteligência artificial, suscitando certo descon-
forto pelo “problema da interpretabilidade”, como os cientistas denominam a caixa-preta desses
modelos (desconhecimento de como são gerados os resultados)” (Kaufman, 2022, p. 205).

63
 Figura 2 – Modelos de IA com transparência

Fonte: Adaptado de Hui et al. (2022, p. 61).

Kaufman (2022) destaca assim, que existem esforços no senti-

do de aumentar a transparência dos modelos de redes neurais em
IA. Dessa forma, mesmo sistemas complexos seriam mais com-
preensíveis. Uma das rotas possíveis é fornecer exemplos ao sis-
tema e entender como eles fazem a categorização. O objetivo é
fazer com que o usuário entenda o sistema e o grau de sua confia-
bilidade.
Entretanto, conforme O’Neil (2020), nem todos fazem parte
desse esforço de tornar os algoritmos transparentes. Algumas
empresas simplesmente transformam todo o sistema de IA em
segredo corporativo e não querem estudar sua caixa preta. Nesse
sentido, essa dificuldade técnica de compreensão dos dados, for-
nece uma abertura para manipulação dos dados, discriminação,
violações de privacidade, sem falar sobre abuso de poder e censu-
ra (Cavalcanti, 2021).
O problema da caixa preta dos algoritmos e sua falta de ac-
countability segue sem resolução completamente definida. O’Neil
(2020), cujo livro se intitula “Algoritmos de Destruição em Massa”,
discorre, além de outros temas, sobre a grande falta de transparên-
cia dos algoritmos e os danos que isso acarreta para as pessoas.

64
 Cavalcanti (2021) explica que um dos primeiros problemas
relacionados à transparência dos sistemas em IA se refere à
própria compreensão, pelo usuário, do código matemático que
compõem o modelo. Sem falar nas questões relacionadas à pro-
priedade intelectual. A Portaria 411/2020 (INPI, 2020), estabele-
ce que as patentes de invenção implementadas por programa
de computador têm condições de receber uma carta-patente de
invenção. Por conta disso, técnicas de inteligência artificial que
façam uso de algoritmos de IA são entendidas como invenção,
caso haja aplicabilidade para resolução de problemas técnicos.
Além disso, pessoas físicas e jurídicas também têm a opção
do segredo industrial no que se refere à sistemas de inteligência
artificial. O segredo industrial se refere à ativos intangíveis, sua
função é garantir o direito de exclusividade. O segredo indus-
trial está citado na Lei de Propriedade Industrial, nº 9.279/9614;
no que se refere à Programas de Computador, é citado na Lei
nº 9.609/9815, e citado pela Lei nº 10.603, de 17 de dezembro de
200216. Nesse sentido, o possuidor do segredo industrial pode
fazer acordos e contratos conforme a Lei assim o permite, in-
clusive com cláusulas de confidencialidade (Barbosa, 2010). Isso
pode fazer com que na prática, sistemas de IA continuem com
sua falta de transparência.
Nas patentes de invenção, ao menos existe uma publicação
do pedido patente. Nele contém um desenho do modelo que
se quer patentear e as reivindicações relacionadas a essa inven-
ção (INPI, 2013). Mesmo que para um leigo seja difícil entender
como o sistema irá funcionar, já é algo que se possa ler e pesqui-
sar uma resposta.
14
Brasil (1996).
15
Brasil (1998).
16
Brasil (2002).

65
 Numa tentativa de oferecer mais transparência à coleta de
dados, a LGPD em seu art. 20 (Brasil, 2019), disciplina que o titu-
lar dos dados tem direito de pedir reavaliação de deliberações
realizadas, que usem de forma única, um processamento au-
tomatizado de dados pessoais que de alguma forma irão incidir
seus interesses. Inclui-se arbitramentos sobre o “perfil pessoal,
profissional, de consumo e de crédito ou os aspectos de sua per-
sonalidade”. No entanto, como visto, ainda existe um longo ca-
minho a se trilhar para tornar os algoritmos mais transparentes
e entendíveis.

ABORDAGENS TECNOLÓGICAS PARA PROTEÇÃO DE DADOS PES-

SOAIS

Soluções tecnológicas, podem contribuir efetivamente para

anonimizar dados pessoais e evitar que os algoritmos sejam en-
viesados por conta de fatores econômicos, raça, ou qualquer
outro tipo de preconceito. Técnicas de anonimização/pseudo-
nimização, criptografia e aprendizado de máquina federado,
são formas de proteger os dados pessoais. Além disso, existem
técnicas que possibilitam que a IA consiga prover equidade,
transparência em seus algoritmos, conhecido como Fairness, Ac-
countability, and Transparency in Machine Learning (FAT/ML) ou
somente “Fairness in AI”. Existe uma organização17 com eventos
anuais para fomentar essa questão.
A LGPD, em seu art. 5º, inciso 11, define anonimização como
“utilização de meios técnicos razoáveis e disponíveis no momen-
to do tratamento, por meio dos quais um dado perde a possibi-
lidade de associação, direta ou indireta, a um indivíduo” (Brasil,

17
https://www.fatml.org/

66
2018). Sendo assim por meio desta técnica um dado pessoal não
pode ser mais associado a uma pessoa, impedindo, ou ao menos
diminuindo qualquer tipo de viés no tratamento desse dado por
um algoritmo.
No que se refere à pseudonimização, a LGPD, em seu art. 13,
parágrafo 4º, conceitua da seguinte forma: “é o tratamento por
meio do qual um dado perde a possibilidade de associação, di-
reta ou indireta, a um indivíduo, senão pelo uso de informação
adicional mantida separadamente pelo controlador em ambien-
te controlado e seguro” (Brasil, 2018).
Alguns métodos podem anonimizar indivíduos ou ao menos
permitem que eles não sejam rapidamente identificados, como
por exemplo, o k-anonimato; Ɩ-diversidade e o t-proximidade.
Esses métodos, explicados na seção “resultados”, trabalham
com variáveis que possuem a capacidade de anonimizar dados
para impedir que as pessoas sejam identificadas por suas carac-
terísticas (Silva, 2015).
No que tange à criptografia, Agner (2017, p. 5-6) a descreve como:
um ramo da matemática que, em sua definição moderna, acolhe
toda a tecnologia criada e utilizada para restringir verdades fun-
damentais da natureza da informação com o intuito de alcan-
çar objetivos como: esconder mensagens, provar a existência
de um segredo sem a necessidade de revelar o segredo, provar
autenticidade e integridade de dados, provar trabalho compu-
tacional etc (Agner, 2017, p. 5-6)
Terada (2008) explica que os algoritmos e protocolos de cripto-
grafia possuem alguns eixos fundamentais. A encriptação simétri-
ca tem utilidade para esconder o conteúdo dos dados. A encripta-
ção assimétrica atua em blocos menores de dados, é muito usada
em assinaturas digitais. Já os algoritmos de integridade de dados
agem em proteger os blocos de dados de potenciais alterações.

67
Por fim, de acordo com o autor, existem os protocolos de autenti-
cação que, juntamente com os algoritmos criptográficos, fazem a
análise e conferência da identidade de diversas entidades.
Quanto ao Aprendizado de Máquina Federado, que pode usar
técnicas de criptografia, “é uma técnica de machine learning (ML)
que permite que um grupo de organizações ou grupos dentro da
mesma organização treinem e aprimorem de forma colaborati-
va e interativa um modelo de ML global compartilhado” (Google
Cloud, 2022). Nessa forma de tratamento dos dados, somente é
compartilhado dados entre as organizações que fazem parte de
uma federação pré-formada e que possui várias regras de prote-
ção dos dados pessoais. De acordo com o mesmo autor18, essas
organizações podem ser de diferentes áreas geográficas ou mes-
mo de setores diferentes numa mesma instituição.
No Aprendizado Federado (Federated Learning- FL), os mo-
delos de machine learning são treinados com dados homogêneos
e distribuídos de forma idêntica. Da mesma forma acontece com
dados não independentes e potencialmente não distribuídos de
maneira idêntica (Google Cloud, 2022). Nesse tipo de aprendizado
são compartilhados pelas organizações somente “os parâmetros
dos modelos de ML, que podem ser criptografados para aumen-
tar a privacidade” (Google Cloud, 2022).
No que se refere ao Fairness in AI, ela abrange técnicas de pré-
-processamento, processamento em andamento e pós-processa-
mento de dados. O objetivo é mudar um conjunto de dados que
são usados num modelo preditivo de machine learning para que
nos resultados haja mais imparcialidade. Os algoritmos usados
são ajustados para melhor chegar a esse resultado (Hass, 2019).
Na seção sete do artigo essa questão será mais detalhada.

18
Ibidem.

68
RESPOSTAS REGULATÓRIAS PARA A PROTEÇÃO DE DADOS PES-
SOAIS EM SISTEMAS DE IA – PERSPECTIVAS DO PROJETO DE LEI
(PL) N° 2338, DE 2023

A Inteligência Artificial, oficialmente criada em 195619, passou

por momentos de grandes progressos e investimentos, como
também invernos20 e recuos de injeção de capital (Taulli, 2020).
No século XXI, com o aumento da capacidade do processamen-
to computacional, a IA conseguiu o ambiente que precisava para
voltar novamente aos grandes investimentos tecnológicos (Bos-
trom, 2018).
A IA, dessa forma, está incorporada e conectada a sistemas
computacionais que oferecem produtos e prestam serviços a
partir de suas predições. No entanto, como anteriormente ob-
servado, dados tratados por modelos de IA podem conter vieses
em seus resultados e terem a possibilidade de vir a prejudicar a
vida das pessoas. Existem formas de prover transparência a es-
ses resultados, mas a prática disso no dia a dia ainda está longe
do esperado. Técnicas de anonimização precisam ser usadas de
forma mais comum para garantir mais segurança para as pesso-
as no que se refere ao uso dos seus dados.
Uma das principais formas regulatórias relativas à proteção e
dados de pessoais quando se pensa numa cultura dos algoritmos
é a própria LGPD, como foi observado, ela busca resguardar os
dados pessoais dos indivíduos e também é válida para essa nova
era algoritmização. Recentemente, o Projeto de Lei n° 2338, de

19
Por John McCarthy e Marvin Minsky num curso de verão no Dartmouth College (EUA) (RUSSEL,
2021).
20
O primeiro inverno da IA ocorreu na década de 1970 (TAULLI, 2020). Entre 1980 e 1990 houve
grandes investimentos em IA, mas não obteve bons resultados, causando o segundo inverno da
IA (KAUFMAN, 2018). As máquinas não eram capazes de processar o grande volume de dados e
os investimentos diminuíram (BOSTROM, 2018).

69
2023 (Senado Federal, 2023)21, que dispõe sobre o uso da Inteli-
gência Artificial, também se tornou um agente importante nessa
questão da salvaguarda dos dados pessoais. O PL se preocupa
com os riscos e benefícios que a IA oferece. Além disso, ele pro-
tege os direitos constitucionais do cidadão, mas sem prejudicar
o desenvolvimento econômico do país e os incentivos à inova-
ção (Brasil, 2023). No seu art. 5º ele disciplina o seguinte:
Pessoas afetadas por sistemas de inteligência artificial têm os
seguintes direitos, a serem exercidos na forma e nas condições
descritas neste Capítulo: I – direito à informação prévia quanto
às suas interações com sistemas de inteligência artificial; II – di-
reito à explicação sobre a decisão, recomendação ou previsão
tomada por sistemas de inteligência artificial; III – direito de con-
testar decisões ou previsões de sistemas de inteligência artificial
que produzam efeitos jurídicos ou que impactem de maneira sig-
nificativa os interesses do afetado; IV – direito à determinação e
à participação humana em decisões de sistemas de inteligência
artificial, levando-se em conta o contexto e o estado da arte do
desenvolvimento tecnológico; V – direito à não-discriminação e
à correção de vieses discriminatórios diretos, indiretos, ilegais
ou abusivos; e VI – direito à privacidade e à proteção de dados
pessoais, nos termos da legislação pertinente (Brasil, 2023).
Como visto, o PL normatiza questões importantes no que se
refere à proteção de dados pessoais, cita explicitamente siste-
mas de IA. Esses modelos precisam garantir que os direitos do
cidadão, quanto aos seus dados, sejam cumpridos. Não é per-
mitido discriminar os indivíduos, e se isso acontecer, os vieses
precisam ser corrigidos. Ademais, as pessoas podem contestar
decisões dos modelos de IA se seus interesses forem afetados.
O art. 7º do Projeto de Lei n° 2338 de 2023, prediz que antes
mesmo de usar os modelos de IA as pessoas podem obter infor-
21
Brasil (2023).

70
mações sobre esses sistemas no que tange: à sua automação,
aos dados que foram usados no modelo, qual o papel específico
da IA e do agente humano e quais são as medidas de segurança,
acurácia e precisão do sistema. O art. 11. do referido PL22 é impor-
tantíssimo, visto que disciplina que decisões por IA que tenham
de alguma forma um impacto que não possa ser revertido ou
quase impossibilidade de se reverter. Também disciplina situa-
ções que gerem decisões que ponham a vida da pessoa em risco.
Em ocasiões assim, deve haver um agente humano em grande
parte da decisão final.
Na era da vigilância algorítmica, o art. 15 do Projeto de Lei n°
2338 de 2023, normatiza que os sistemas de identificação bio-
métrica em espaços públicos somente são permitidos quando
houver previsão de lei federal ou uma autoridade judicial permi-
tir para apuração e repressão penal individual. No entanto, so-
mente nos seguintes casos: “I – persecução de crimes passíveis
de pena máxima de reclusão superior a dois anos; II – busca de
vítimas de crimes ou pessoas desaparecidas; ou III – crime em
flagrante” (Brasil, 2023).
O art. 26 do PL n° 2338 de 2023, garantidos os segredos in-
dustrial e comercial, as conclusões da avaliação de impacto da
IA serão públicas. Nessa publicização devem estar incluídas uma
descrição da finalidade e contexto do sistema. Medidas de redu-
ção de riscos também estão previstas na do Projeto. Já o art. 36
regulamenta que os agentes de IA podem receber sanções por
conta de infrações realizadas.
A ANPD (2023) lembra que uma estrutura de regulação re-
cebe críticas por porventura barrar a inovação, no entanto, as
normas são elaboradas para que os fomentos à inovação conti-

22
Ibidem.

71
nuem, mas com responsabilidade e proteção aos dados pesso-
ais. O diálogo e interoperabilidade com as instituições inovado-
ras e os agentes reguladores precisam acontecer.
ANPD (2023) ressalta vários aspectos da LGPD que são preo-
cupações em comum com o PL n° 2338 de 2023, seja na coleta, no
tratamento, no compartilhamento dados pessoais ou também
disciplinando sanções, caso não haja o cumprimento das norma-
tivas. A ANPD (2023), por conta disso, cita que as Autoridades
internacionais que têm a função de proteger dados pessoais,
e têm atuado na normatização da IA, são citados exemplos da
Itália, Espanha e Holanda. Esses países atuam contra a discrimi-
nação algorítmica e regulam, por exemplo, setores da saúde e
telecomunicações.

RESULTADOS E DISCUSSÕES

A partir da metodologia descrita na seção anterior foi possí-

vel identificar formas de anonimização e pseudoanonimização
dos dados pessoais. As técnicas descritas a seguir buscam prote-
ger esse tipo de dado como forma de garantir a privacidade das
pessoas. O objetivo de algumas dessas técnicas é evitar vieses
nos resultados gerados por algoritmos de IA, pois o modelo não
terá acesso a dados que embutem preconceito e racismo.
Entretanto, é importante ressaltar que mesmo com probabili-
dade diminuída de conter vieses, os procedimentos técnicos não
são infalíveis, e mesmo com todo cuidado, ainda existe a possibili-
dade de identificação do dado pessoal. Além disso, as técnicas ex-
postas não possuem a intenção de abranger todo o espectro de
técnicas de proteção de dados pessoais relativos à IA, esse estudo
trouxe apenas alguns para conhecimento do leitor.

72
 O k-anonimato; Ɩ-diversidade e o t-proximidade, são técnicas
usadas que protegem dados pessoais. No entanto, num modelo
de machine learning, talvez elas acentuem o viés justamente por
homogeneizar dados de determinada doença ou característica fi-
nanceira, por exemplo, pois quem estivesse nesses grupos, pode-
ria ser discriminado pelos algoritmos de IA. De qualquer forma é
válido conhecer como elas funcionam, pois se uma organização
informar que apenas usam essas técnicas no modelo de IA, os da-
dos ainda podem conter vieses.
No k-anonimato: O dado pessoal não é identificado se a variá-
vel k for: k > 1 (Sant’Ana, 2017). Por outro lado, no Ɩ-diversidade:
Cada conjunto de dados com variáveis-chave compartilhadas terá
no mínimo Ɩ valores distintos para variáveis sensíveis (Ribeiro-Al-
ves; Franco, 2022). Quanto ao t-proximidade, os dados são distri-
buídos de tal forma que possibilita assegurar a distribuição dos
dados de forma que simetrias ou assimetrias não sejam percebi-
das (Silva, 2015).
No que tange ao Aprendizado Federado, ele pode usar técnicas
da criptografia como a criptografia homomórfica23. Ela consegue
mitigar riscos de exposição de dados e manter sua privacidade (Sil-
va; Campos; Lucena, 2023). O Aprendizado Federado é uma aborda-
gem de ML colaborativa, diversas máquinas fazem uso do mesmo
algoritmo diversas vezes (Yang et al., 2019). Os dados são treinados
em equipamentos locais para posteriormente, os resultados serem
enviados a uma central. Além disso, somente os resultados que
passaram pelo retreinamento são compartilhados. Dessa forma é
possível favorecer a privacidade dos dados (Yang et al., 2019).

23
“A Criptografia Homomórfica é uma técnica de criptografia para o processamento de dados
criptografados sem a necessidade de decifrá-los. Tal método é indicado para uso em ambientes
não confiáveis, como por exemplo as plataformas de computação em nuvem” (GAVINHO FILHO;
SILVA; MICELLI, 2015).

73
 Para buscar uma maneira de certificar que os dados dos usuá-
rios tenham sua privacidade garantida, vários conjuntos de com-
putadores são modelados em conjunto. Assim, espera-se atingir
a meta de aperfeiçoar a precisão do modelo (Wang, et al., 2021).
Resumidamente o Quadro 1 mostra algumas características do
modelo.

Quadro 1 - Aprendizado Federado

Benefícios Privacidade dos dados num modelo de ML;
Possibilita treinamento em diversos equipamentos;
Escalabilidade.
Riscos Atualizações não autorizadas do modelo – comprometimento
dos resultados;
Vazamentos não propositais;
Ataques externos;
Comprometimento da acurácia (Vieira; Campos, 2023).
Custos altos que inviabilizem o uso do modelo (Khan; Glavin;
Nickles, 2023).
Fonte: Elaborado a partir de Google Cloud (2022)

O Aprendizado Federado atua para prover privacidade dos

dados na forma de sua constituição. mesmo assim há risco dos
dados serem relacionados e prejudicar sua privacidade. A crip-
tografia homomórfica pode inserir ruído aos dados, entretanto
isso pode prejudicar a precisão do modelo. A criptografia homo-
mórfica criptografa os dados antes mesmo que os modelos de
ML usem. São necessários cálculos posteriores para verificar a
eficiência do modelo (Khan; Glavin; Nickles, 2023).
A partir da leitura do trabalho de Vieira e Campos (2023), é
possível concluir que, quanto aos vieses no Aprendizado Fede-
rado, é importante considerar que os dados são treinados local-
mente e os resultados desse treinamento é compartilhado, se os
dados já tiverem enviesados, é possível passá-lo para o modelo.

74
A variabilidade dos dados é um fator importante, no entanto, se
o próprio sistema estiver comprometido, afetará também seu
resultado.
O Fairness in AI é uma outra abordagem tecnológica para
fornecer mais equidade aos algoritmos de IA. Em geral, o mo-
delo é ajustado para que isso aconteça. São realizadas técnicas
que podem ser usadas no pré-processamento, processamento
em andamento e pós-processamento (Haas, 2019).
Haas (2019) explica que alguns algoritmos de análise prediti-
va como Árvores de Decisão precisam que os dados de entrada
tenham boa qualidade para ter um bom resultado. Se o padrão
do dado já entrar no modelo com viés, isso será reproduzido na
sua predição. Sendo assim, técnicas de pré-processamento po-
dem ser abordadas antes mesmo do treinamento no modelo,
reduzindo os vieses nos dados. Quanto ao processamento em
andamento, os dados seriam alterados durante o processamen-
to dos dados pelos algoritmos (Calders; Verwer, 2010).
No que se refere às técnicas de pós-processamento, após as
análises preditivas de um algoritmo é possível ajustar o mode-
lo para ele ser mais justo. De acordo com Haas (2019) é factível
alterar a classificação para alguns indivíduos e assim diminuir o
preconceito relacionado àquela etiqueta. No entanto, é preciso
ter cuidado para que as soluções encontradas não sejam ten-
denciosas ou imparciais ao extremo, o que seria polos opostos
relacionados a Fairness in AI (Haas, 2019).

75
CONCLUSÃO

Este artigo buscou trazer ao leitor as questões relacionadas à

cultura da algoritmização num amplo espectro. Primeiramente,
o tema foi exposto e os problemas que advém dele: preconcei-
to, racismo, discriminação. Vidas reais sendo afetadas por conta
de algoritmos que usam IA. Muito poder tem sido dado a eles,
no entanto, sua transparência nos resultados ainda apresenta
muitos desafios. A discriminação continua por conta dos resulta-
dos dos algoritmos.
No Brasil, a LGPD trouxe muitas normativas que regulam e
protegem os dados pessoais no que se refere à sua coleta, tra-
tamento, armazenamento e compartilhamento. Essa legislação
é de suma importância e precisa ser cumprida à risca para que
dados pessoais não sejam expostos e prejudiquem pessoas. Em
2023, o PL n° 2338 de 2023, dispõe sobre a inteligência artificial e
sua regulação. Se for aprovado, as pessoas poderão reivindicar
análise dos resultados, como também, em alguns casos mais sé-
rios, solicitar que um agente humano decida a questão.
Por fim, o estudo expôs também algumas soluções tecnoló-
gicas para prover mais proteção e equidade aos dados tratados
num modelo que use IA. Espera-se ter respondido à questão
principal do estudo: “como proteger os dados pessoais na cultu-
ra dos algoritmos?” Da mesma forma, deseja-se que o leitor saia
desse texto mais consciente de como seu dado pode ser usa-
do por algoritmos e o que fazer para proteger seu dado pessoal
para não ser vítima da discriminação em algum ponto chave da
sua vida. Para trabalhos futuros, recomenda-se um estudo mais
aprofundado com relação à regulação dos algoritmos de IA na
esfera legislativa, e seus perspectivos e desafios.

76
REFERÊNCIAS

AGNER, Marco. Bitcoin para programadores. Rio de Janeiro: Instituto de Tecnologia

e Sociedade do Rio, 2017, 90 p. Disponível em: https://itsrio.org/wp-content/uplo-
ads/2018/06/bitcoin-para-programadores.pdf. Acesso em: 13 ago. 2023.
ARAGÃO, Suéllyn Mattos; SCHIOCCHET, Taysa. Lei Geral de Proteção de Dados:
desafio do Sistema Único de Saúde. Reciis – Rev Eletron Comun Inf Inov Saúde.
jul.-set., v. 14, n. 3. p. 692-708. 2020. Disponível em: https://www.reciis.icict.fiocruz.
br/index.php/reciis/article/view/2012/2391. Acesso em: 13 ago. 2023.
AUTORIDADE NACIONAL DE PROTEÇÃO DE DADOS – ANPD (Brasil). Análise preli-
minar do Projeto de Lei nº 2338/2023, que dispõe sobre o uso da Inteligência Artificial.
Brasília: ANPD, 2023, 31 p. Disponível em: https://www.gov.br/anpd/pt-br/assun-
tos/noticias/analise-preliminar-do-pl-2338_2023-formatado-ascom.pdf. Acesso em:
11 ago. 2023.
AUTORIDADE NACIONAL DE PROTEÇÃO DE DADOS – ANPD (Brasil). Perguntas
Frequentes – ANPD. Qual é o papel da Autoridade Nacional de Proteção de Dados
– ANPD? 2023. Disponível em: https://www.gov.br/anpd/pt-br/acesso-a-informacao/
perguntas-frequentes-2013-anpd#c1. Acesso em: 11 ago. 2023.
BARBOSA, Denis Borges. Uma introdução à propriedade intelectual. Editora Lumen
Juris, 2 ed. ver. atual., 2010. 951 p. Disponível em: https://www.dbba.com.br/wp-
-content/uploads/introducao_pi.pdf. Acesso em: 12 ago. 2023.
BOSTROM, Nick. Superinteligência: caminhos, perigos e estratégias para um novo
mundo. Rio de Janeiro: DarkSide Books, 2018. 549 p. Kindle.
BRASIL. Emenda Constitucional nº 115, de 10 de fevereiro de 2022. Altera a Constitui-
ção Federal para incluir a proteção de dados pessoais entre os direitos e garan-
tias fundamentais e para fixar a competência privativa da União para legislar sobre
proteção e tratamento de dados pessoais. 2022a. Disponível em: https://www.pla-
nalto.gov.br/ccivil_03/constituicao/Emendas/Emc/emc115.htm. Acesso em: 12 ago.
2023.
BRASIL. Lei nº 9.279, de 14 de maio de 1996. Regula direitos e obrigações relativos à pro-
priedade industrial. Disponível em: http://www.planalto.gov.br/ccivil_03/leis/l9279.
htm#:~:text=LEI%20N%C2%BA%209.279%2C%20DE%2014,obriga%C3%A7%C3%B5es%20
relativos%20%C3%A0%20propriedade%20industrial.&text=Art.%201%C2%BA%20
Esta%20Lei%20regula,obriga%C3%A7%C3%B5es%20relativos%20%C3%A0%20proprie-
dade%20industrial.&text=V%20%2D%20repress%C3%A3o%20%C3%A0%20concorr%-
C3%AAncia%20desleal.. Acesso em: 12 ago. 2023.
BRASIL. Lei nº 9.609, de 19 de fevereiro de 1998. Dispõe sobre a proteção da pro-
priedade intelectual de programa de computador, sua comercialização no País, e

77
dá outras providências. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/
l9609.htm. Acesso em: 12 ago. 2023.
BRASIL. Lei nº 10.603, de 17 de dezembro de 2002. Dispõe sobre a proteção de in-
formação não divulgada submetida para aprovação da comercialização de pro-
dutos e dá outras providências. Disponível em: http://www.planalto.gov.br/cci-
vil_03/leis/2002/l10603.htm#:~:text=LEI%20No%2010.603%2C%20DE%2017%20DE%20
DEZEMBRO%20DE%202002.&text=Disp%C3%B5e%20sobre%20a%20prote%C3%A7%-
C3%A3o%20de,produtos%20e%20d%C3%A1%20outras%20provid%C3%AAncias. Acesso
em: 12 ago. 2023.
BRASIL. Lei nº 12.965, de 23 de abril de 2014. Estabelece princípios, garantias, direitos
e deveres para o uso da Internet no Brasil. Disponível em: http://www.planalto.
gov.br/ccivil_03/_ato2011-2014/2014/lei/l12965.htm. Acesso em: 12 ago. 2023.
BRASIL. Lei nº 13.709, de 14 de agosto de 2018. Lei Geral de Proteção de Dados
Pessoais (LGPD). Disponível em: http://www.planalto.gov.br/ccivil_03/_ato2015-
2018/2018/lei/L13709.htm. Acesso em: 10 ago. 2023.
BRASIL. Lei nº 13.853, de 8 de julho de 2019. Altera a Lei nº 13.709, de 14 de agosto
de 2018, para dispor sobre a proteção de dados pessoais e para criar a Autoridade
Nacional de Proteção de Dados; e dá outras providências. Disponível em: http://
www.planalto.gov.br/ccivil_03/_Ato2019-2022/2019/Lei/L13853.htm#art1. Acesso
em: 10 ago. 2023.
BRASIL. Ministério da Saúde. Assessoria Especial de Proteção de Dados. Programa
de Governança em Privacidade. Brasília: Ministério da Saúde, 2022b. 24 p. https://
bvsms.saude.gov.br/bvs/publicacoes/programa_governanca_privacidade.pdf
CALDERS, Toon; VERWER, Sicco. Three naive bayes approaches for discrimination-
-free classification. Data mining and knowledge discovery, v. 21, pp. 277-292, 2010.
Disponível em: https://link.springer.com/content/pdf/10.1007/s10618-010-0190-x.
pdf. Acesso em: 15 ago. 2023.
CAPURRO, Rafael. Epistemologia e Ciência da Informação. In: V Encontro Nacional
de Pesquisa em Ciência da Informação - ENANCIB. Belo Horizonte, 10 de novembro de
2003. Disponível em: http://www.capurro.de/enancib_p.htm. Acesso em: 11 ago.
2023.
CAPURRO, Rafael. Pasado, presente y futuro de la noción de información. In: NA-
FRÍA, J. M. D. e ALEMANY, F. S. (Ed.). ¿Qué es información? Actas del primer encuen-
tro internacional de expertos en Teorías de la Información - un enfoque interdiscipli-
nar. León (Spain): Universidad de León. 2008. p.1-26.
CAVALCANTI, Natália Peppi. Transparência e revisão de decisões automatizadas.
In: VAINZOF, Rony et al. Inteligência Artificial: Sociedade Economia e Estado. São
Paulo: Thomson Reuters Brasil, 2021. p. 175-206.

78
CLARKE, Roger; GREENLEAF, Graham. Dataveillance regulation: A research fra-
mework. JL Inf. & Sci., v. 25, p. 104, 2017. Disponível em: https://papers.ssrn.com/
sol3/papers.cfm?abstract_id=3073492. Acesso em 12 ago. 2023.
CROLL, Alistair. Big data is our generation’s civil rights issue, and we don’t know
it. Big data now, Atlanta, p. 55-59, 2012. Disponível em: https://faculty.cc.gatech.
edu/~beki/cs4001/big-data.pdf. Acesso em: 11 ago. 2023.
CUNHA, Murilo; CAVALCANTI, Cordélia Robalinho de Oliveira Bastos da. Dicioná-
rio de biblioteconomia e arquivologia. Brasília, DF: Briquet de Lemos, 2008. 472 p.
Disponível em: https://repositorio.unb.br/handle/10482/34113. Acesso em: 10 ago.
2023.
FROHMANN, Bernd. Knowledge and power in information science: toward a dis-
course analysis of the cognitive viewpoint. In: R. Capurro, K. Wiegerling, A. Brello-
chs (Eds.): Informationsethik. Konstanz, UVK, pp. 273-286, 1995. Publicado origina-
riamente: The power of imges: a discourse analysis of the cognitive viewpoint In:
Journal of Documentation, vol. 48, No. 4, 1992, 365-386. Acesso em: 11 ago. 2023.
GAVINHO FILHO, Joffre; SILVA, Gabriel Pereira da; MICELLI, Claudio. Compressão e
Otimização de Chaves Públicas usando Algoritmo Genético em Criptografia Com-
pletamente Homomórfica. In: Anais do XV Simpósio Brasileiro em Segurança da In-
formação e de Sistemas Computacionais. SBC, 2015. p. 225-238.
GOOGLE CLOUD. Aprendizado federado no Google Cloud. 2022. Disponível em: https://
cloud.google.com/architecture/federated=-learning-google-cloud?hl=pt-br#:~:text-
O%20aprendizado%20federado%20%C3%A9%20uma,modelo%20de%20ML%20glo-
bal%20compartilhado. Acesso em: 13 ago. 2023.
HAAS, Christian. The price of fairness-A framework to explore trade-offs in algorithmic
fairness. 2019. Disponível em: https://web.archive.org/web/20220802070037id_/ht-
tps://aisel.aisnet.org/cgi/viewcontent.cgi?article=1034&context=icis2019. Acesso em:
14 ago. 2023.
HUI, Aaron T. et al. Ethical challenges of artificial intelligence in health care: a nar-
rative review. Ethics in Biology, Engineering and Medicine: An International Journal,
v. 12, n. 1, 2021. Disponível em: https://www.researchgate.net/profile/Aaron-Hui-3/
publication/357757904_Ethical_Challenges_of_Artificial_Intelligence_in_Health_
Care_A_Narrative_Review/links/621415714be28e145ca909c1/Ethical-Challenges-of-
-Artificial-Intelligence-in-Health-Care-A-Narrative-Review.pdf . Acesso em: 13 ago.
2023.
INSTITUTO NACIONAL DE PROPRIEDADE INDUSTRIAL – INPI (Brasil). Instrução
Normativa nº 30. 2013. 12 p. Disponível em: https://www.gov.br/inpi/pt-br/assuntos/
patentes/in_030_in_17_2013_exame_tecnico_versao_final_03_12_2013-1-_1_0.pdf
Acesso em: 12 ago. 2023.

79
INSTITUTO NACIONAL DA PROPRIEDADE INDUSTRIAL – INPI. Portaria 411/2020 -
diretrizes para o exame de pedidos de patente envolvendo invenções implementa-
das por computador. 23 de dezembro de 2020a. Disponível em https://www.gov.
br/inpi/pt-br/servicos/patentes/legislacao/legislacao/PortariaINPIPR4112020_DIR-
PAInvenesImplementadasemComputador_05012021.pdf. Acesso em: 12 ago. 2023.
FAT/ML. Fairness, Accountability, and Transparencyin Machine Learning. Disponível
em: https://www.fatml.org/. Acesso em: 14 ago. 2023.
KHAN, Mashal; GLAVIN, Frank G.; NICKLES, Matthias. Federated learning as a priva-
cy solution-an overview. Procedia Computer Science, v. 217, p. 316-325, 2023.
KAUFMAN, Dora. A inteligência artificial irá suplantar a inteligência humana?. Barue-
ri, SP: Estação das Letras e Cores, 2018. 94 p. Kindle.
KAUFMAN, Dora. Desmistificando a inteligência artificial. Belo Horizonte: Autêntica,
2022. 331 p. Kindle.
KURZWEIL, Ray. Spiritual machines. Research & Development, v. 41, n. 7, p. 14-18,
1999.
LEMOS, André. A tecnologia é um vírus: pandemia e cultura digital. Porto Alegre:
Sulina, 2021. Kindle.
LIMA, Ana Paula Canto de et al. Manual do cidadão: privacidade, proteção de dados
pessoais. Recife: Editora Império, 2023. 242 p.
MACHLUP, Fritz. Semantic Quirks in Studies of Information. In: MACHLUP, Fritz.
The Study of Information, org. F. Machlup e U. Mansfield. Nova York: John Wiley &
Sons, 1983. pp. 641-671.
MARTÍNEZ-ÁVILA, Daniel; SOUZA, Edna. Alves de; GONZALEZ, Maria Eunice Quilici
Informação, conhecimento, ação autônoma e big data: continuidade ou revolução.
Marília: Cultura Acadêmica; Unesp, 2019. Kindle.
MOROZOV, Evgeny. Big Tech: A ascensão dos dados e a morte da política. São Pau-
lo: Ubu Editora, 2018. 192 p. Kindle.
O’NEIL, Cathy. Algoritmos de Destruição em Massa. São Paulo: Editora Rua do Sa-
bão. 2020, 252 p.
PRADO, Magaly. Fake news e inteligência artificial: O poder dos algoritmos na guer-
ra da desinformação. Digitaliza Conteudo, 2022. 424 p.
RIBEIRO-ALVES, Marcelo; FRANCO, Carolina Mendes. MANUAL PRÁTICO DE ANO-
NIMIZAÇÃO DE DADOS DE PESQUISA COM O R. Fundação Oswaldo Cruz, Rio de Ja-
neiro, 2022. 89 p. Disponível em: https://www.arca.fiocruz.br/bitstream/handle/
icict/56398/Manual%20Pr%c3%a1tico%20de%20Anonimiza%c3%a7%c3%a3o%20de%20
Dados%20de%20Pesquisa%20com%20o%20R.pdf?sequence=2&isAllowed=y. Acesso
em: 14 ago. 2023.

80
RUSSELL, Stuart. A inteligência artificial a nosso favor: como manter o controle so-
bre a tecnologia. Trad, Berilo Vargas. São Paulo: Cia das Letras, 2021. Kindle.
SENADO FEDERAL (Brasil). Projeto de Lei n° 2338, de 2023. Dispõe sobre o uso da In-
teligência Artificial. Disponível em: https://legis.senado.leg.br/diarios/ver/112653?-
sequencia=295. Acesso em: 10 ago. 2023.
SILVA. Daniel Fernando Alves da. Geração Sintética de Microdados utilizando algo-
ritmos de data mining. 2015. 125f. Dissertação (Mestrado em Economia) Universi-
dade do Porto. 2015, 125 f. Disponível em: https://repositorio-aberto.up.pt/bitstre-
am/10216/80015/2/36274.pdf. Acesso em: 13 ago. 2023.
SILVA, Nicolas A. Alves da; CAMPOS, Carlos A. Vieira; LUCENA, Sidney C. de. Infe-
rência da qualidade do serviço em enlaces de rede através de um método baseado
em aprendizado federado. In: Anais do XXVIII Workshop de Gerência e Operação de
Redes e Serviços. SBC, 2023. p. 71-84. Disponível em: https://sol.sbc.org.br/index.
php/wgrs/article/view/24671/24492. Acesso em: 14 ago. 2023.
TAULLI, Tom. Introdução à inteligência artificial: uma abordagem não técnica. São
Paulo: Novatec, 2020. 276 p. Kindle.
TERADA, Routo. Segurança de dados: criptografia em rede de computador. trad.
Daniel Vieira. São Paulo: Editora Blucher, 2008. 578 p.
VIEIRA, Flávio; CAMPOS, Carlos Alberto V. FedWS: Uma Nova Abordagem para
Aprendizado Federado usando Dados Heterogêneos. In: Anais do XXII Workshop em
Desempenho de Sistemas Computacionais e de Comunicação. SBC, 2023. p. 1-12. Dispo-
nível em: https://sol.sbc.org.br/index.php/wperformance/article/view/24936/24757.
Acesso em: 14 ago. 2023.
XAVIER, Maria Rita Pereira; DANTAS, Alexsandro Galeno Araújo. Dispositivo de vi-
gilância algorítmica: algoritmos rastreadores e coleta de dados. Simbiótica. Revista
Eletrônica, v. 8, n. 4, p. 94-127, 2021. Disponível em: https://periodicos.ufes.br/sim-
biotica/article/view/37348/24619. Acesso em: 12 ago. 2023.
WANG, Shibo et al. Privacy Protection in Federated Learning Based on Differential
Privacy and Mutual Information. In: 2021 3rd International Conference on Artificial
Intelligence and Advanced Manufacture. 2021. p. 428-435.
YANG, Qiang et al. Federated learning: synthesis lectures on artificial intelligence
and machine learning. vol, v. 13, p. 1-207, 2019.

81
 4. EVOLUÇÃO DA IA: INTELIGÊNCIA ARTIFICIAL
NA CONTEMPORANEIDADE
José Everton dos Santos Figueiredo1
Maria do Desterro Medeiros2

INTRODUÇÃO

Como podemos ver os humanos daqui a alguns anos? Robôs

trabalhando? Fazendo serviços que os seres humanos estão
acostumados fazer? Questionamentos assim são muitos repe-
titivos hoje em dia. Na era contemporânea a tecnologia eleva
seus patamares em níveis impensáveis, se antigamente compu-
tadores ocupavam sala inteiras hoje em dia ocupam relógios, ou
até mesmo caixinhas de som, exemplo disso são os smartwatch,
Alexa, celulares smartphone.
A evolução da ciência da computação nos proporciona um
conjunto de conquistas e serviços, se antigamente computa-
dores eram “burros” e precisam ser programados de maneira
minuciosa para evitar falhas, hoje com o avanço da inteligência
artificial podemos fazer com que sejam feitas cirurgias avança-
das e programadas minuciosamente através de robôs, carros au-
tônomos que podem dirigir sozinhos sem ajudar de terceiros.
A adoção dessas tecnologias se faz presente cada dia mais na
nossa rotina. A evolução disso se dar através de não só um mar-
co histórico, mas como também vários, exemplos disso vem a

1
José Everton dos Santos Figueiredo, Técnico em Informática pelo Instituto Federal da Paraíba –
IFPB de Patos - PB, Santa Luzia – PB, Brasil. joseeverton464@gmail.com
2
Maria do Desterro Medeiros, Pós-graduada em Educação Básica pela Universidade Federal de
Campina Grande – UFCG, licenciada em Ciências Sociais e Pedagogia, graduando em Letras com Ha-
bilitação em Língua Portuguesa pelo IFPB, João Pessoa – PB, Brasil. mary.medeiros67@gmail.com

82
teoria da computação de Alan Turing, Criação da linguagem de
programação C.
Este artigo tem como finalidade, demonstrar informações
sobre IA, além de mostrar a sua evolução e como isso afeta a
sociedade como um todo, nos próximos textos veremos isso cla-
ramente.

INTELIGÊNCIA ARTIFICIAL

A Inteligência Artificial constitui uma disciplina no âmbito da

informática que se direciona à elaboração de sistemas e algorit-
mos com aptidão para executar atividades que tipicamente exi-
giriam competência intelectual humana. Este escopo engloba a
habilidade de adquirir conhecimento a partir de dados, efetuar
processos de raciocínio, tomar decisões, solucionar problemas,
compreender linguagem natural e interagir de maneira autô-
noma em contextos de alta complexidade. A organização da IA
se dar através de métodos de buscas, onde são divididos em 3
eixos, esses 3 eixos são designados como: “representação de
conhecimento; tomada de decisão; aprendizado.” (COZMAN ET
AL, 2021, p. 26) podemos ver que esses 3 eixos se dar muito bem
com o saber dos humanos. A representação de conhecimento é
uma disciplina inserida nos campos da Inteligência Artificial (IA)
e Ciência da Computação, cuja finalidade reside na estruturação
e ordenação de informações e conceitos com o propósito de ha-
bilitar um sistema computacional a compreender, manusear e
aplicar esse conhecimento de maneira substancial e significativa.
Este processo compreende a concepção de modelos ou esque-
mas que delineiam entidades, ideias, vínculos e dados pertinen-
tes a um domínio específico. Essas representações facultam que

83
sistemas de IA executem tarefas, como raciocínio, tomada de
decisão, resolução de problemas, aprendizado, busca de dados
e interação com seres humanos ou outros sistemas com maior
eficácia e semântica.
A tomada de decisão se torna muito importante do raciocino
logico, para termos certo desempenho precisamos tomar deci-
sões para isso ser feito ou não. Esse eixo envolve a quantidade
de riscos, benefícios, consequências e também suas incertezas,
exemplo disso se dar através de sistema de recomendações que
são usados nas plataformas de filmes, eles elaboram os sistemas
para recomendar se determinada pessoa gosta do filme A, ou B,
se vai retornando anúncios para o usuário assistir baseado no
que ele já assistiu ou pesquisou.
Já o aprendizado vem das máquinas para podermos operar,
nós seres humanos precisamos ser capazes de saber sobre as
máquinas e como devemos operá-las de tal forma que ela se
torna inteligente ao fato de nos mostrar que somos capazes. O
aprendizado de máquina se concentra em fazer algoritmos que
capacitam sistema de computadores para aprender e aprimorar
o seu desempenho em determinadas tarefas, exemplos disso
são os reconhecimentos de falas, classificação de E-mail spam
ou não.

HISTÓRIA DA INTELIGÊNCIA ARTIFICIAL

A Inteligência Artificial (IA) tem desempenhado um papel in-

tegral na transformação da sociedade contemporânea, tendo re-
volucionado significativamente a maneira como vivemos, impac-
tando uma variedade de setores em nosso cotidiano e causando
mudanças profundas em diversas esferas da vida. Exemplos

84
concretos disso são os assistentes virtuais, comercio eletrônico,
tradução a texto de forma automáticas, atendimento ao cliente
com chatbots.
A história da inteligência artificial começa no ano de 1955,
onde um grupo de cientista e inteligentes se juntaram o propó-
sito de fazer máquinas pensadas como nós seres humanos. A
primeira pessoa a citar a frase INTELIGENCIA ARTIFICIAL, foi o
professor John McCarthy. Esse cientista é reconhecido mundial-
mente por suas ideias e contribuições significativas para a tecno-
logia. Ele é conhecido como o pioneiro da inteligência artificial.
Ele e outros colegas dele acreditavam que a inteligência artificial
iria revolucionar o mundo com várias evoluções das máquinas.
A evolução da Inteligência Artificial (IA) ao longo das décadas
tem sido marcada por diversos marcos significativos que contri-
buíram para o desenvolvimento desta área. Marcos esses que se
tornam importante para tudo que temos hoje, Alan Turing e sua
máquina de Turing, aprendizado de máquinas e redes neurais,
uma conferência em Dartmouth, onde o grande Cientista John
McCarthy marcou o início da origem do termo IA (Inteligência
Artificial).
Na ilustração abaixo teremos uma linha do tempo mostran-
do melhor como cada década e ano que passava a IA se evoluía.

85
 Imagem 1 - História da IA.

Fonte: https://thaispatricio.medium.com/awari-bookstore-re-
csys-cc50dba00cf1

O avanço dessa tecnologia traz com ela várias possibilidades,

desafios e implicações éticas que podem no futuro acarretar mu-
danças dramáticas sobre isso.
A grande possibilidade da IA avançar já acontece atualmen-
te temos uma automatização de programas que são feitos para
ajudar a sociedade, como programar seu ar-condicionado para
ele ligar antes de você chegar, ligar as luzes, falar com você, di-
rigir por você. Porém com isso traz os desafios constantes para
essa área desempregos constantes, privacidade e segurança de
dados, questões éticas, porém isso falando sobre o futuro, pois
isso será um problema mais relevante e preocupante no futuro.
Ser responsável nesta área é uma questão ética pois quem irá
ser o responsável por tantos sistemas automatizados? Benefí-
cios sociais não será para todos, e assim por diante, não sabere-
mos como será o futuro, pois vivemos em constante presente,
mas a IA irá evoluir bastante.

86
INTELIGÊNCIA ARTIFICIAL NAS EXPERIÊNCIAS DE VIDA

A inteligência artificial se torna mais presente nas vidas de to-

dos os seres humanos, onde podemos prever, fazer, perguntar
ou questionar algo.
A Inteligência artificial se torna relevante a ponto de ter be-
nefícios e impactos bastante positivos. Exemplos disso se traz
na saúde, na ajuda a pessoa com deficiência, ter gestão de ali-
mentos, isso faz com que a IA se torne algo indispensável para
que possamos ter um sistema de qualidade. A inteligência artifi-
cial se pensarmos, está a mais de duas décadas nas nossas vidas,
pois o serviço de call center e bancário é um tipo de IA que se
torna necessário para nós seres humanos. No geral, a IA desem-
penha um papel muito importante na sociedade, melhorando a
eficiência de sistemas, promove a inovação da tecnologia e nos
faz perceber que isso é qualidade de vida que todos os seres hu-
manos irão poder conter da mesma.

ALGORITMOS DE RECOMENDAÇÕES

Algoritmos são algo simplesmente necessário para a construção

de todas as coisas que envolvam tecnologia, seja ele fazer um pro-
grama para assistir, como para levar um foguete a lua. Os algorit-
mos de recomendação são aqueles que não percebemos que usa-
mos, mas ele está lá sempre. Algoritmos de recomendação são:
A mais comum formulação do problema de recomendação é a
solução para o problema de estimar a avaliação para um deter-
minado item que ainda não foi avaliado por um usuário. Assim
que tivermos uma estimativa da avaliação dos itens ainda não
vistos, podemos recomendar ao usuário os itens que obtiveram
as melhores avaliações estimadas. (MEDEIROS, 2013, p.5)

87
 Anúncios que são aparecidos nas redes sociais, filmes que são
recomendados para o telespectador assistir, com base no que
ele fala ou pesquisa nas redes de telecomunicações. O maior
exemplo que existe desses algoritmos que está meio que “es-
condido” diante nós, é o corretor ortográfico. Se pararmos para
ver o corretor ortográfico está presente em todas as redes so-
ciais, como WhatsApp, Facebook, Instagram. A cada palavra que
você escreve errado ele dar sugestões de palavras que você pos-
sa querer usar, porém digitou errado.
Algoritmos como esses passaram bastante para serem usa-
dos, e então assim implementados nos sistemas de tecnologia.
Podemos assim dizer que esses algoritmos são como vendedo-
res online, pois por isso que vários sites e apps se tornam famo-
sos e mais desejado para aqueles que o pesquisam. Para esses
algoritmos se tornam indispensáveis o uso de Machine Learning,
e data Analysis, pois com isso irá conseguir ter uma resposta me-
lhor, mais abrangente e fazer o reconhecimento do que o usuá-
rio preferir. Se ao analisarmos abrangente mente os algoritmos
de recomendações se dividem em dois modelos de recomenda-
ções: Personalizado e não personalizado.
O personalizado por sua vez se trata de o usuário fazer pes-
quisar sobre determinado assunto, fazer classificações, fazer
compras, e logo após aparecer sugestões ou coisas parecidas
com o que o usuário possa achar interessante e poder logo con-
sumir aquilo.
O não personalizado se torna mais abrangente pois não irá
verificar ações que o usuário usou anteriormente. Exemplo dis-
so são ofertas, produtos que são desejados não só por uma ou
duas pessoas, mas por vários, lançamentos de aparelhos ele-
trônicos, perfumes, filmes e series. Diante esses modelos, vem

88
os chamados “filtros”, onde serão divididos em três: Filtragem
de conteúdo, Filtragem colaborativa e Filtragem híbrida. Vamos
analisar o que cada uma faz e seus conceitos.

FILTRAGEM DE CONTEÚDO

A filtragem de conteúdo, foi a primeira a ser usada para os

algoritmos de recomendações.
A ideia central dessa abordagem, também conhecida como re-
comendação baseada em conteúdo, baseia-se na premissa de
que os usuários gostariam de obter recomendações de itens
semelhantes a itens preferidos do usuário no passado. (MEDEI-
ROS, 2013, p.7)
Exemplo disso se dar nas redes sociais, o usuário procurar so-
bre perfumes importados da china, e compra esse determinado
produto, logo após ou dias depois já vem recomendações des-
se assunto em anúncios ou vídeos falando sobre isso. Exemplo
disso também são as classificações que o usuário pode dar a de-
terminado produto, se ele der nota 0 para perfumes, e 10 para
jogos de futebol, irá aparecer recomendações de jogos, apos-
tas, times, seleção. Ou seja, o usuário será colocado numa bola
de neve, onde tudo que for recomendado irá ser aquilo que ele
gostou. Porém isso leva a desvantagem, pois por sua vez isso a
longo prazo poderá gerar desinteresse e chatice para o usuário
que irá ver. Exemplos concretos disso se dar através de platafor-
mas de streamings, filtragem de vírus e malwares, filtragem de
notícias, filtragem de lojas online.

89
FILTRAGEM COLABORATIVA

A filtragem colaborativa é totalmente contraria da filtragem

de conteúdo, ela irá dependerá de fatores semelhantes entre
usuários e conteúdo. Essa filtragem é:
Uma técnica de recomendação de informações que se ba-
seia no comportamento e nas preferências de um grupo
de usuários para prever as preferências de um usuário es-
pecífico. Ela é amplamente utilizada em sistemas de reco-
mendação online, como os usados por empresas de stre-
aming de vídeo e música. (RESNICK, VARIAN, 1997. 56-58)
Ela faz com que recomendem coisas que usuários semelhan-
tes compraram ou procuraram por isso. Esse método se baseia
também em opiniões e ações de muitos usuários para fazer uma
ou mais recomendações personalizadas. Observa-se que esse
método analisa diferentes usuários, ver o que que eles avaliam
ou comunicam e geram recomendações personalizadas para um
grupo. O princípio dessa filtragem é que se os usuários gosta-
ram de algo no passado ou se inspiraram, no futuro eles terão,
provavelmente, gostos semelhantes. Isso quer dizer que se um
usuário C gostou dos mesmo itens e coisas que o usuário D, as
chances de serem ao contrário também pode acontecer.
Um exemplo claro da distinção das duas filtragens, é um livro
que foi lido por ambos com temas parecidos, onde ela já fez a
leitura de outro livro também parecido com o que o outro usu-
ário já leu, porém, esse usuário ainda não conhece. A filtragem
colaborativa faz com que o usuário veja esse livro seja ele online,
para que ele se interesse e possa comprar ou demonstrar inte-
resse sobre esse produto.

90
 Imagem 2 - Filtragem de conteúdo e filtragem colaborativa.

Fonte: https://thaispatricio.medium.com/awari-bookstore-re-
csys-cc50dba00cf1

FILTRAGEM HÍBRIDA

A filtragem hibrida é:
Uma abordagem de recomendação que combina múltiplos
métodos de filtragem, como filtragem colaborativa, filtragem
baseada em conteúdo e técnicas de aprendizado de máquina,
para melhorar a precisão e a eficácia das recomendações em
sistemas de recomendação. (BURKE, 2002. 331-370)
Podendo assim ser combinados de várias maneiras, entretan-
to, aplicar as duas filtragens e depois combinar os resultados é a
forma mais comum de ser usada. Esse tipo de filtragem, se torna
mais fácil de ser usado, porque possuem resultados melhores,
onde que suas desvantagens são poucas. Essa filtragem deve
ser a mais usada pois há algoritmos complexos e que necessitam
de muitos dados para gerar recomendações concretas, perso-
nalizadas e mais especificas possível. Plataformas de comercio
eletrônico como a Amazon, faz o uso dessa filtragem pois pega

91
compras feitas anteriormente pelo usuário e as características
do produto que foi vendido, faz a junção dos dois e faz com que
apareça recomendações personalizadas. E isso não é só usado
somente em âmbitos de comercio eletrônico, plataformas de
viagens fazem o mesmo com os usuários fazem a leitura de via-
gens feitas e junta com os destinos mais procurados, proprieda-
des ou países.

INTELIGÊNCIA ARTIFICIAL GENERATIVA

A inteligência artificial generativa

As IAs generativas se enquadram na ampla esfera de Machine
Learning, comportando algoritmos que podem ser usados para
criar novos conteúdos, incluindo áudios, códigos, imagens, tex-
tos, simulações e vídeos. (CUPERTINO, 2023, p.63)
Significa dizer que a IA generativa se dar através de conteú-
dos já existentes para gerar novas peças realista, porém não irá
repetir. Esse tipo de inteligência é exclusivamente relevante em
relação a geração de textos, produções de músicas artísticas,
criação de imagens e consequentemente até fazer criações de
simuladores de ambientes virtuais. Exemplo disso são duas ima-
gens, uma de carro e um de trem, onde a base de dados pré-exis-
tentes reconhece a imagem e através disso irá conseguir distin-
guir o que é um carro e um trem. Um exemplo claro disso, vem
através do GPT-3(chatGPT) onde estar popularmente conhecido
mundialmente, por trazer suas diversas funcionalidades e ser ca-
paz de gerar textos, para que se conecte entre o usuário para ter
uma qualidade melhor de suas respostas através de contextos
que o próprio usuário tenha digitado. Entretanto esse tipo de
IA não irá gerar somente algo do zero, ela pode simplesmente

92
criar coisas que o usuário queira e fazer de maneira mais realís-
tica possível, como por exemplo o usuário digita que quer criar
um céu azul e claro em forma de desenho, essa IA irá reconhe-
cer esse tipo de comportamento e irá retorno algo parecido ou
igual com o que foi fornecido para ele fazer. Existem dois tipos
que podemos criar que são IA para textos e IA para criação de
imagens, os dois conseguem fazer basicamente a mesma coisa,
fazer o que o usuário pedir e dar aquilo de maneira mais precisa
e boa possível para um aproveitamento melhor do que lhe foi
dado.

SISTEMAS DE INTERAÇÃO HOMEM-MÁQUINA

Sistemas de Interação Homem-Máquina (IHM), também

conhecidos como interfaces homem-máquina (HMI), são siste-
mas que possibilitam a interação e a troca de informações entre
seres humanos e máquinas. Essas interfaces desempenham um
papel essencial na democratização e na usabilidade da tecnolo-
gia, simplificando a comunicação e a emissão de comandos en-
tre humanos e dispositivos computacionais.
A interação homem-máquina tem seus primeiros surgimentos
na primeira revolução industrial que foi no século XVIII, naquela
época usava-se o trabalho braçal para comandar qualquer tipo
de máquina que existia. No entanto, com a evolução da tecno-
logia e dos computadores, novos métodos de interação com as
máquinas foram desenvolvidos. Entre as formas mais contem-
porâneas de IHM, incluem-se a tela sensível ao toque, o reconhe-
cimento facial e de gestos, o reconhecimento de voz, o rastrea-
mento ocular, o joystick, a captura de movimento, a tecnologia
háptica e a interface cérebro-máquina (ICM). Para que se tenha

93
um desenvolvimento avançado, a raça humana sempre mostra
uma necessidade de ter várias interações com o meio em que
vive, seja ele pessoalmente ou virtualmente. Com o passar dos
anos o homem, se torna vulnerável a tecnologia pois:
Com efeito, diante do avanço da globalização, criaram-se os pri-
meiros meios de comunicação e interação social digital, sendo
alguns deles: o telégrafo, que permite a comunicação por meio
de códigos; o correio, que permite o envio de cartas, documen-
tos e encomendas; os jornais, que anunciam notícias impressas;
o rádio que através de sinal eletromagnético possibilita a co-
municação em massa com o efeito sonoro; os telefones, que
por sinal eletroacústico possibilita a interação sonora (voz); e
as televisões, que são capazes de reproduzir imagens e áudios
de forma instantânea, convertendo ondas eletromagnéticas em
luz e som.(FERNANDES, 2021 p.3)
Com esse progresso, ocorreram diversos avanços, tais como
o desenvolvimento do telefone, computadores, notebooks e a
criação de software de alta complexidade, culminando atual-
mente. Através dessa trajetória evolutiva, torna-se evidente que
a interação entre o ser humano e a máquina se torna cada vez
mais viável e tecnologicamente factível. À medida que avança-
mos, novas tecnologias continuarão a surgir.

CHATBOT

A palavra Bot, vem da abreviação da palavra robot, são sof-

twares construídos para imitar mente humana, onde podemos
conversar com ele, interagir como pessoa-computador. Os pri-
meiros bots tinha pouca interação e eram muito simples. Nos
dias atuais, com a tecnologia que existe, se torna mais natural a
conversa entre pessoa e computador, através de vários anos de

94
estudos foram feitas diversas análises para chegar até isso.
Os bots “são pessoas que atuam de acordo com um progra-
ma de software em vez de serem controladas diretamente por
um usuário humano.” (JÚNIOR & CARVALHO, 2018, p. 72). Ou
seja, são programas que foram desenvolvidos para haver uma
comunicação com seres humanos de forma mais limpa e que po-
dem também ser adaptados de acordo com a situação, fazendo
e respondendo perguntas, podendo dar informações claras ou
não, e fazendo sugestões onde você usuário possa querer de
determinado assunto. Com isso veio várias ideias para criar chat-
sbots, ALICE ou ALICEBOT, foi um marco na história da inteligên-
cia artificial, criada por Wallace em 1995, como também criadas
outras como ELZA (1976), PARRY (1999) e CONVERSE (1999). A
principal característica do bot, é o seu código, desenvolvido ex-
clusivamente para a automação de algumas funcionalidades do
cotidiano humano, e gerar uma comunicação especial com o ser
humano, podendo assim se passar por um humano. O chatGPT
é o mais recente chatbot que foi criado, ele é um tipo de inteli-
gência super usada e querida por todas a que o usufruem dela. A
tecnologia usada para o chatGPT permite que ela se torne capaz
de manter uma conversa civilizada ou não, e ao mesmo conse-
guir gerar respostas amplas e instantemente para o assunto da
conversa, isso é uma grande promessa para o futuro em que te-
remos tecnologias muito mais avançadas daqui uns anos.
O chatGPT se tornou tão popular entre os usuários que atingiu
a marcar de um milhão de usuários em menos de 5 dias do que
redes sociais que são muito conhecidas, de acordo com o similar
web, em cinco dias o chatGPT atingiu um milhão de usuários.

95
 Imagem 3 - Aplicações chegadas a 1 milhão de usuários em
quanto tempo.

Fonte: https://www.bis2bis.com.br/blog/como-usar-chat-gpt/

Mas, os chatbots não somente são usadas para esse tipo de

finalidade. No atendimento ao cliente, ele se torna importante
pois fazem a coleta de dados e informações dos usuários, antes
que enviem para uma pessoa humana atender.
Bancos são os que mais usam esse sistema, eles usam a in-
teligência artificial através dos chatbots para ver se conseguem
resolver os problemas que foram designados pelos clientes ape-
nas no atendimento virtual sem a necessidade do homem. E isso
ajuda no caso que for para o atendimento que já vai ter a ideia
do que o cliente disse sobre o determinado problema, e irá tra-
tá-lo da maneira mais rápida e eficiente. Abaixo está uma ilustra-
ção bem básica de como um chatbot do banco XYZ se comporta
com o usuário através de app como WhatsApp.

96
 Imagem 4 - Exemplo de um chatbot de banco
fazendo sua devida interação.

Fonte: https://www2.infobip.com/pt/blog/chatbot-para-atendimento/

MACHINE LEARNING

O Machine Learning mais popularmente conhecido como apren-

dizado de máquina é:
Uma das principais subáreas da inteligência artificial, e é com-
posto por uma coleção de métodos criados a partir de modelos
matemáticos baseados na teoria estatística que permitem aos
computadores automatizar tarefas com base na descoberta sis-
temática de padrões nos conjuntos de dados disponíveis ou em
experiências passadas. (ALMEIDA, 2020 p.3)

97
 Ao invés de desenvolver através de instruções rigorosas, o
machine learning faz uso de dados para identificar padrões, fa-
zer previsões, tomar decisões ou realizar tarefas semelhantes.
Geralmente o machine learning é usado com fins de desenvol-
ver modelos para termos uma previsão de saída para cada dado
novo que entrar. Exemplos disso é a prever se o cartão de crédi-
to que está sendo usado é uma compra fraudulenta, o machine
learning pega uma estrutura de dados já existentes e compara e
consegue identificar se é ou não.
Esses algoritmos são repletos de dados pré treinados, onde
formam um conjunto, e contém exemplos de problemas que se
pode resolver. Utilizando esses exemplares como referência, o
algoritmo adapta os parâmetros internos com o propósito de
construir um padrão que seja capaz de abstrair generalizações e
informações essenciais imbuídas nos dados. Subsequentemen-
te, esse modelo é submetido a testes usando dados de avaliação
ou dados inéditos, a fim de avaliar sua aptidão em realizar previ-
sões ou tomar decisões com precisão.
Existem diferentes tipos de abordagens de machine lear-
ning, como o aprendizado supervisionado, não supervisionado
e aprendizado por reforço.
O aprendizado supervisionado.
O modelo recebe um conjunto de entradas com suas respecti-
vas saídas e busca encontrar uma função que estabeleça uma
relação aproximada entre elas. Mais formalmente, o modelo
baseado no aprendizado supervisionado busca encontrar uma
função h (x i), denominada hipótese, que se aproxime da fun-
ção f (x i), onde f (x i) é a saída da i - ésima entrada de x. (ALMEI-
DA, 2020 p.3)
Esta metodologia revela-se notável por sua aplicabilidade
preeminente em tarefas de categorização e estimativa, estabe-

98
lecendo-se como uma abordagem robusta e confiável para aná-
lise e projeção de resultados. Um exemplo claro desse tipo de
abordagem se dar através de classificações de E-mail spam ou
não spam, ele faz sua classificação de acordo com conjuntos de
E-mail já rotulados e compara dando assim a resposta.
Já no aprendizado não supervisionado,
Deve fazer inferências a partir de um conjunto de dados que
não foi rotulado, classificado ou categorizado previamente. Este
tipo de aprendizado é amplamente utilizado para a descoberta
de padrões ocultos nos dados. (ALMEIDA, 2020 p.3)
Através da aplicação de metodologias como particionamento
e redução de dimensionalidade, essa abordagem desvela cone-
xões intrínsecas que podem escapar à percepção humana. Essa
perspectiva propicia a análise de agrupamentos, segmentações
e similaridades latentes nos conjuntos de dados, revelando as-
pectos ocultos que de outra forma permaneceriam obscureci-
dos. Exemplo concreto disso temos as transações bancárias que
são feitas nas suas contas, que muitas delas são tratadas de for-
ma normal pois o usuário a faz constantemente.
Aprendizado por Reforço, por sua vez,
Os modelos são treinados para tomarem uma sequência de de-
cisões e um ambiente incerto e complexo. Nessa abordagem, os
agentes possuem um estado que é alterado após realizar uma
ação que é executada de forma aleatória, com base nessa ação,
os agentes podem ser penalizados ou recompensados. (ALMEI-
DA, 2020 p.3)
Exemplo que podemos ter são os jogos de vídeo, como o xa-
drez, que aprendem a tomar decisões baseadas nas regras que
o jogo tem e nas experiências que já foram passadas.
Essa metodologia encontra aplicação em domínios diversos,
abrangendo desde a robótica até tomada de decisões, e desta-

99
ca-se como um campo de pesquisa intrinsecamente interdiscipli-
nar e altamente relevante.
Em síntese, o machine learning, por meio de suas múltiplas
abordagens, oferece uma gama diversificada de ferramentas
para extrair conhecimento e efetuar decisões fundamentadas
em dados. Desde o aprendizado supervisionado, que desvenda
inter-relações dirigidas, até o aprendizado não supervisionado,
que desenterra estruturas ocultas, cada abordagem detém seu
propósito particular e contribui para o avanço de variadas áreas.
Entender e empregar essas abordagens é crucial para o desen-
volvimento de sistemas inteligentes e adaptativos, impulsionan-
do, assim, as fronteiras da tecnologia.

CONCLUSÃO

Como podemos ver a inteligência artificial, é um campo

bem vasto, que tem seus benefícios e malefícios, porém sem-
pre visando o bem-estar da sociedade humana. Destaca-se tam-
bém os benefícios que ela tem, como na saúde, na educação, na
acessibilidade, na agricultura, na inclusão. Exemplos que temos
na saúde, são os diagnósticos médicos mais precisos e rápidos
sobre determinadas doenças, através de IA avançadas temos o
poder de ter isso. Com isso podemos concluir que a IA impacta
nas vidas das pessoas tanto no passado como irá ser no futuro,
podemos pensar que isso será benéfico para todos os seres vi-
vos, pois com a chegada de novas tecnologias o mundo se trans-
forma em um lugar melhor e com certeza melhor de se viver.
Tudo que é criado vem de alguma pessoa ou ser vivo, então a IA
não pode e nem irá ser um ser humano de verdade. Ela pode ter
suas próprias qualidades e sentimentos, mas nunca irá ser um

100
ser humano capaz de viver entre a sociedade. A mente humana
é um mundo muito complexo dentro de um órgão tão pequeno,
artes que são feitas a mãos, empatia com as pessoas, generalizar
o conhecimento, isso torna o humano indispensável. Com isso,
podemos dizer que a IA será benéfica para o futuro em todas
as áreas que possam existir, na saúde, na sustentabilidade, na
educação e em todas as áreas que possam desejar usar esse tipo
de conhecimento. De agora em diante, devemos nos perguntar
como podemos melhorar e garantir que a IA seja usada de forma
significativa na vida de todas as pessoas, ao invés de preocupar-
mos com perdas de empregos. Como podemos garantir que a
IA seja feita de forma transparente e justa? E como poderemos
englobar a IA no mundo sendo que os seres humanos são mais
empáticos, pensam e tem uma compreensão maior?

REFERÊNCIAS

ALMEIDA, Adriano et al. Introdução ao machine learning: De alunos para alunos. 1.

ed. [S. l.]: INPE, 07/12/2020. Disponível em: https://dataat.github.io/introducao-ao-
-machine-learning/index.html#grupo-dataat. Acesso em: 22 set. 2023
AUGUSTO, DAVI et al. INTELIGÊNCIA ARTIFICIAL: A ERA DAS MÁQUINAS PENSAN-
TES. In: AUGUSTO, DAVI. INTELIGÊNCIA ARTIFICIAL: A ERA DAS MÁQUINAS PEN-
SANTES. 270. ed. [S. l.]: REVISTA CONTINENTE, 1 jun. 2023. Disponível em: https://
revistacontinente.com.br/edicoes/270/inteligencia-artificial--a-era-das-maquinas-
-pensantes. Acesso em: 14 ago. 2023.
BROWN, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P., ... & Amodei,
D. (2020). Language models are few-shot learners. arXiv preprint arXiv: 2005.14165.
Disponível em: https://arxiv.org/abs/2005.14165. Acesso em: 12 set. 23.
BURKE, R. (2002). Hybrid recommender systems: Survey and experiments. User mo-
deling and user-adapted interaction, 12(4), 331-370.”
COZMAN, FABIO G. et al, (org.). Inteligência Artificial: Avanços e Tendências. SÃO
PAULO: Instituto de Estudos Avançados, 2021. 414 p. v. 1.

101
CUPERTINO, Rafael teodoro. Impactos da inteligência artificial na economia mun-
dial. Orientador: Germano Mendes De Paula. 2023. 103 f. Monografia (Bacharelado
em ciências economicas) - Universidade Federal de Uberlândia, Uberlândia - MG,
2023.
DE SOUZA, Fernanda. Ética e Inteligência Artificial (IA) para profissionais de tecno-
logia: navegando no mundo digital de forma responsável. 1. ed. [S. l.]: Alura, 11 set.
2023. Disponível em: https://www.alura.com.br/artigos/etica-e-inteligencia-artifi-
cial. Acesso em: 13 set. 2023.
FERNANDES, L.R.; FONTANA, SS.; FIGUEIREDO, A. da M.; MATTIOLI, P. de S.; SIL-
VA, PCD Interação homem-máquina e formas de comunicação humana. Pesquisa,
Sociedade e Desenvolvimento, [S. l.], v. 14, pág. e90101420777, 2021.DOI: 10.33448/
rsd-v10i14.20777. Disponível em: https://rsdjournal.org/index.php/rsd/article/
view/20777. Acesso em: 13 set. 2023.
GRUS, JOEL. DATA SCIENCE DO ZERO: PRIMEIRA REGRAS COM PYTHON. Tradução:
Welington Nascimento. RIO DE JANEIRO: Alta Books, 2016. 336 p. v. 1. ISBN ISBN:
978-85-508-0387-6.
HONDA, Hugo; FACURE, Matheus; YAOHAO, Peng. Os Três Tipos de Aprendizado
de Máquina. In: HONDA, Hugo et al. Os Três Tipos de Aprendizado de Máquina. 1. GIT
HUB: LAMFO, 27 jul. 2017. Disponível em: https://lamfo-unb.github.io/2017/07/27/
tres-tipos-am/. Acesso em: 13 set. 2023.
JÚNIOR, Ciro Ferreira de Carvalho; CARVALHO, Kely Rejane Souza dos Anjos de. Chatbot:
uma visão geral sobre aplicações inteligentes. Chatbot: uma visão geral sobre aplicações
inteligentes, tocantins, ano 2012, v. 2, n. 2, ed. 2, p. 68-84, 2 jul. 2018.
LISBOA, Alveni. O que é IA generativa? CIRIACO, Douglas (ed.). [S. l.]: Canal Tech, 15
abr. 2023. Disponível em: https://canaltech.com.br/inteligencia-artificial/o-que-e-ia-
-generativa/. Acesso em: 15 ago. 2023. Resnick, P., & Varian, H. R. (1997). Recom-
mender systems. Communications of the ACM, 40(3), 56-58.”
MEDEIROS, Igor Rafael Guimarães. Estudo sobre Sistemas de Recomendação Cola-
borativos. Orientador: Ricardo Bastos Cavalcante Prudêncio. 2013. 42 f. Monogra-
fia (Bacharel em Ciências da Computação) - Universidade Federal de Pernambuco,
Recife, 2013.
RUSSELL, Stuart et al. Inteligência artificial: TRADUÇÃO DA TERCEIRA EDIÇÃO. Tra-
dução: Regina Célia Simille. et al. 3. ed. RIO DE JANEIRO: DTPhoenix Editorial, 2013.
1324 p. v. 1. ISBN 978-85-352-3701-6.
TAKAHASHI, Marcos M. Estudo comparativo de Algoritmos de Recomendação. 2015.
Trabalho de Conclusão de Curso (Bacharelado em Ciências da Computação) – Uni-
versidade de São Paulo, São Paulo, 2015. p. 6-14. Disponível em: https://bcc.ime.
usp.br/tccs/2014/marcost/monografia_final.pdf Acesso em: 14 de julho de 2023.

102
5. INTELIGÊNCIA ARTIFICIAL E O CRITÉRIO DE AUTONOMIA
José Flávio Ramos de Queiroz1
Flávia Délia de Souza Queiroz2
Vanécia Maracajá Coutinho de Farias3

INTRODUÇÃO

Este trabalho tem a pretensão de traçar uma discussão acer-

ca da Inteligência Artificial (IA), sob o ponto de vista da atualida-
de – embora se mencione brevemente o marco histórico em que
essa fora criada.
Sabendo que a desenvolvimento da sociedade está atrelado
a evolução da tecnologia, tem-se como objetivo geral apresen-
tar as terminologias empregadas que unem IA e autonomia. De
modo que, esta pode ser vista de um ponto de vista às máquinas,
dispositivos, aparelhos etc. Como também de um ponto de vista
da racionalidade humana ou até, de almejo da humanidade.
Vê-se essa temática como crucial para discussão nos dias atu-
ais – tendo em vista que muitas são as contrariedades da pers-
pectiva crítica. Mas que deve ser objetivado as inúmeras formas
que a IA proporcionou maior qualidade de vida e conveniência
social aos indivíduos.

1
Especialista em Filosofia da Educação - Universidade Estadual da Paraíba (UEPB) – Campina
Grande-PB, Brasil – Email: joseflavioqueiroz@gmail.com
2
Graduanda em Filosofia – Universidade Estadual da Paraíba (UEPB) – Campina Grande-PB, Brasil
– Email: flaviadqueiroz1@gmail.com
3
Graduanda de Administração Pública – Universidade Federal da Paraíba (UFPB) – João Pessoa,
PB – Brasil – Email: vannycoutinho@gmail.com

103
INTELIGÊNCIA ARTIFICIAL – BREVES APONTAMENTOS

A Inteligência Artificial (IA), por vezes é confundida com o

desenvolvimento do computador – no entanto, o marco da IA
deu-se dez anos após à criação do computador, em 1956 – esse
termo fora utilizado a primeira vez na Conferência do Dartmou-
th College, nos Estados Unidos, compreendido como uma nova
área de conhecimento.
Partindo do pressuposto de que a Ciência é trata-se de um
desenvolvimento do conhecimento, pode-se afirmar que a AI
faz parte desse processo, mas que como todos os elementos
da construção humana, há controversas. Barbosa e Bezerra afir-
mam que: “Na seara do pensamento científico, a Inteligência Ar-
tificial (IA) revela-se um dos campos mais promissores e inquie-
tantes da atualidade.” (BARBOSA; BEZERRA, 2020, p. 92).
O crescente entusiasmo advindo do progresso da tecnologia,
levou a humanidade a uma visão de necessidade dos recursos
tecnológicos, aqui dado o escopo à IA, se pode afirmar que na
atualidade a mesma tem ocupado espaços cada vez mais com-
plexos, dando a ideia de recurso fundamental e perspicaz.
Neste sentido, a definição de IA, como quaisquer elemen-
tos que a circundam, é tomada por inúmeras discussões – se há
uma definição categórica, singular ou sistemática. Para Sichman
(2021):
cabe ressaltar que não existe uma definição acadêmica, pro-
priamente dita, do que vem a ser IA. Trata-se certamente de um
ramo da ciência/engenharia da computação, e, portanto, visa
desenvolver sistemas computacionais que solucionam proble-
mas. Para tal, utiliza um número diverso de técnicas e mode-
los, dependendo dos problemas abordados. Portanto, é inade-
quado utilizar-se expressões como “a IA da empresa X”; mais

104
 adequado (porém com menos apelo) seria dizer “um sistema
da empresa X que utiliza técnicas de IA”. (SICHMAN, 2021, p. 38)
Segundo o mesmo autor, a definir IA não é necessariamen-
te fundamental, mas caracterizar seus objetivos – solução por
algoritmos com rapidez e precisão, por exemplo. Para tanto, o
termo algoritmo é compreendido como:
Um algoritmo nada mais é do que uma sequência finita de ações
que resolve um certo problema. Uma receita culinária, como a
de um risoto, é um algoritmo. Assim, um algoritmo pode resol-
ver problemas de tipos bastante diferentes: cálculo estrutural
(projeto de uma ponte), processamento de dados (geração de
uma folha de pagamentos) ou planejamento (definição de um
pacote de turismo). (SICHMAN, 2021, p. 38)
Pela ótica do autor, a ferramenta chave da IA, que pode ser
codificada, baseia-se na indicação de algoritmos – de maneira
que, ao utilizar-se desses, resoluções são determinadas de for-
ma sistemática. Muito embora, é necessário salientar que as
indicações podem ser vistas como modelos, técnicas e tecno-
logias – três categorias que concernem as ações de humanos,
previamente.
Assim, o domínio de IA se caracteriza por ser uma coleção de
modelos, técnicas e tecnologias (busca, raciocínio e representa-
ção de conhecimento, mecanismos de decisão, percepção, pla-
nejamento, processamento de linguagem natural, tratamento
de incertezas, aprendizado de máquina) que, isoladamente ou
agrupadas, resolvem problemas de tal natureza. Para tal, podem
utilizar paradigmas distintos, sendo os principais os paradigmas
simbólico, conexionista, evolutivo e probabilístico. (SICHMAN,
2021, p. 39)
Uma matéria publicada pelo site G1, intitulada Inteligência Ar-
tificial: entenda o que está por vir com as novas interações entre

105
homem e máquina, aponta que com o surgimento do ChatGPT
– “um chatbot alimentado por inteligência artificial (IA) que in-
terage com seres humanos e permite obter respostas em lingua-
gem natural a partir de comandos escritos.” (LEMOS, 2023), as
informações utilizadas no site referem-se aquelas, que de um
modo geral, estão contidas na internet. Este fato é correlaciona-
do a um dos riscos provenientes dessa cadeia de informações.
“O problema é que a inteligência artificial generativa pode inventar al-
gumas informações quando não tem a base necessária. Esse é o alerta
do escritor e especialista em tecnologia Martin Ford. A Inteligência Ar-
tificial pode gerar todo tipo de mídia inventada, falsa.” (G1, 2023).
Uma perspectiva anterior a essa é expressa por Prado (2019), ao
salientar algumas atividades realizadas com IA:
Fazer predições com base em um grande volume de dados. Diagnos-
ticar doenças a partir de informações genéticas, históricos médicos e
exames. Encontrar o suspeito de um crime com reconhecimento fa-
cial. Raciocinar dentro de um cenário de incertezas. Realizar análises
financeiras e avaliar riscos de uma empresa a partir de consultas de
megadados. Todas essas tarefas, antes feitas por nós, humanos, já po-
dem ser executadas com inteligência artificial, a IA. (PRADO, 2019).
Essas atividades são, sem dúvidas, as mais viáveis, reconhe-
cidas e procuradas na atualidade – isto implica em dizer não so-
mente que os avanços de soluções são frequentes, mas que eles
são justamente a resposta do modo acelerado que a modernida-
de elencou os modos de organização internas de serviços com-
plexos ou não. A este respeito, Prado traça uma discussão acer-
ca do questionamento que comumente se é visto – a IA é um
risco para os humanos?
Em primeiro lugar, é preciso ver que a IA é parte de um contex-
to maior resultante das transformações digitais que já impac-
tam as economias mundiais. Dentro desse cenário, mudanças

106
 são esperadas nas relações de emprego e trabalho. De acordo
com um estudo do Ministério da Ciência, Tecnologia, Inovações
e Comunicações (MCTIC), há uma tendência de se separar as
atividades com tarefas automatizáveis e de se valorizar as ati-
vidades humanas. Com isso, espera-se que o trabalhador do fu-
turo seja responsável por gerenciar riscos, estratégias e opera-
ções de suas atividades. Assim, aquelas ações mais repetitivas
e mecanizadas serão, provavelmente, assumidas por máquinas
inteligentes. Nesse futuro, aponta o estudo, as relações de tra-
balho devem ser mais horizontais, substituindo a linha vertical
“patrão-empregado”, e os profissionais terão um papel mais
autônomo no trabalho e na produção de valor. Outro aspecto
importante é o uso dessas novas tecnologias para melhorar a
qualidade de vida da sociedade. Segundo o estudo do MCTIC, as
transformações digitais, incluindo a IA, podem ser empregadas
para combater a fome, aumentando, por exemplo, a produtivi-
dade agropecuária, reduzindo as perdas no campo e na logística
de distribuição. Podem ainda reduzir o impacto das mudanças
climáticas, por meio de uma rede de sensores inteligentes que,
associada às técnicas de IA, faça mitigação ou prevenção de de-
sastres naturais. (PRADO, 2019).
Inúmeras vertentes positivas são indicadas na fala de Prado
– desde a Revolução Industrial (na segunda metade do século
XVIII) ouve-se falar acerca da preocupação do ser humano ser
substituído por máquinas – no entanto, é forçoso reconhecer
que o desenvolvimento da sociedade caminha sempre por vias
de novas necessidades, dada a alta evolução. Assim, como ex-
presso por Prado sob a perspectiva do estudo relatado, a relação
das atividades realizadas por IA serão formas complementares
das atividades humanas, e vice-versa. Assim como já no século
XVIII em que o fortíssimo aumento de produção requereria es-
tratégias para seu fomento.
É forçoso pontuar alguns fatores crescentes do século XXI

107
que dão maior força e indicam ser a era incisiva da IA, que como
dito acima, acompanha a evolução da sociedade, logo, requer
novas ferramentas: Alta conectividade; baixo custo computacio-
nal; grande quantidade de dados; Machine Learning.
Prado (2019) os elenca da seguinte forma:
1 – Alta conectividade: não somente a sociedade mundial en-
contra-se mais conectada digitalmente, como também as má-
quinas, por meio de diferentes sensores.
2 – Baixo custo computacional: cada vez mais, “chips” eletrôni-
cos com capacidade de processamento igual ou maior que os mo-
delos anteriores são lançados e com custos cada vez menores.
3 – Grande quantidade de dados (Big Data): vivemos num mun-
do em que a quantidade de dados como fonte de informação
tem aumentado de uma forma exponencial. Processar esses da-
dos e extrair conteúdos relevantes tem sido um grande desafio,
e a IA tem se mostrado uma ótima ferramenta para tal.
4 – Machine Learning: o aprendizado de máquina se baseia em
algoritmos e modelos matemáticos para extrair ou reconhecer
padrões escondidos em um conjunto de dados. Essa capacidade
de associar dados novos aos padrões aprendidos permite que
essas máquinas, por exemplo, possam identificar objetos em
imagens ou vídeos. (PRADO, 2019)
É possível se reconhecer que a inserção da IA no cotidiano da
humanidade está presente de várias formas – a facilidade com
que a mesma desempenha tarefas de organização e até mes-
mo de resolução são vistas desde das plataformas digitais, até
construções mais complexas como no caso de empresas. Assim,
podemos dizer que a tendência favorável da IA está fortemente
ligada com a maneira como o ser humano possa se tornar cada
vez mais autônomo – seja de maneira subjetiva ou subjetiva. A
esse critério, a próxima seção está encarregada de pontuar os
vieses de autonomia.

108
INTELIGÊNCIA ARTIFICIAL E AUTONOMIA

A etimologia da palavra autonomia significa lei própria (do

grego a m p o = próprio; h o m i a = lei). No dicionário Aurélio a
palavra significa: (a) faculdade de se governar por si mesmo; (b)
direito ou faculdade de se reger por leis próprias; (c) liberdade
ou independência moral ou intelectual.
Em várias áreas do conhecimento, o conceito de autonomia
é empregado para acompanhar as delimitações de temáticas.
À exemplo, do ponto de vista filosófico – para Immanuel Kant
(1724-1804): “a autonomia é a vontade própria. É governar-se
por si mesmo. É a escolha racional e emocional. É a escolha que
não leva em conta as consequências externas e imediatas dos
atos e nem as regras, por pura prudência, inclinação, interesse
ou conformidade.” (CHRISTINO, 1997, p. 73). Já para Karl Marx
(1818-1883), autonomia tem forma variada – independência de
classe, auto-atividade, autonomia política do proletariado. (MO-
DONESI, 2021).
Posto dito, pensemos sob a perspectiva da IA e/ou qual rela-
ção a autonomia desempenhe sobre essa e vice-versa. Se partir-
mos dos correlatos que se baseiam as contraposições acerca da
IA, poderemos chegar ao indicativo de que o termo autonomia
atrelado a mesma, sugere uma espécie de autorização/indepen-
dência de atividade que não esteja a mercê da vontade humana.
No entanto, ao nos aprofundarmos nas interposições dos ter-
mos na literatura da IA vemos que:
autonomia em relação ao design: um agente é autônomo se
ele tem sua própria existência, independente da existência de
outros agentes, como proposto em (Demazeau; Müller 1990).
Anos mais tarde, tal abordagem materializou-se na chamada
“computação baseada em serviços”; autonomia em relação ao

109
 ambiente: um agente autônomo é um agente que deve traba-
lhar em ambientes dinâmicos e incertos, que só podem ser per-
cebidos de modo imperfeito, que podem mudar como resultado
de ações que não são controladas pelo próprio agente e sobre
o quais os efeitos de suas ações nem sempre são previsíveis.
Essa definição de autonomia é normalmente encontrada nos
trabalhos de robótica móvel, como os elencados por (Nilsson,
1994) e também está muito próximo da noção de autopoiese
citada em (Bourgine, 1995); autonomia em relação aos próprios
objetivos :um agente autônomo é um agente que pode atingir
seus objetivos por conta própria. Ele não tem não necessidade a
priori de cooperar com outros agentes, e caso decida fazê-lo tal
escolha se deve a uma possível melhoria de sua atuação. Essa
noção de autonomia, bem como outra em relação à localidade
(local ou global) da tarefa a ser realizada, foi usada em (Demaze-
au; Müller, 1990) para classificar comportamentos possíveis de
um agente de negócio (coabitação, cooperação, colaboração e
distribuição), sendo posteriormente refinada em (Ferber, 1995)
para propor a noção de situações de interação entre agentes;
autonomia em relação às motivações: um agente autônomo é
um agente que tem a liberdade de escolha para interagir social-
mente. É a partir do conteúdo de seu estado mental que ele de-
cide cooperar ou não, adotar objetivos de outros agentes ou
não etc., como discutido em (Castelfranchi, 1990). Em outras
palavras, o significado do termo significa que um agente não é
necessariamente benevolente, podendo decidir atingir um ob-
jetivo ou não, cooperar com outros agentes ou não. (SICHMAN,
2021, p.40-41)
Como visto, as termologias representadas pela IA diferem em
pontos eminentes das quais relacionamos mais acima ao exem-
plificarmos com os conceitos filosóficos. Muito embora o pró-
prio autor reitere as definições, utilizando-se da referência de
Dignum (2019), expondo que em um contexto mais recente:

110
 É importante notar que sistema autônomo é um termo impró-
prio, pois nenhum sistema é autônomo em todas as situações
e para todas as tarefas [...] Autonomia não é uma propriedade
intrínseca de um sistema, mas sim o resultado da sua interação
com a tarefa, contexto e ambiente [...] Não se trata de uma pro-
priedade emergente, mas de algo que deve ser projetado no
sistema. (DIGNUM, 2019, p. 18 apud SICHMAN, 2021, p. 41)
É sob essas afirmações que levantamos o questionamento
de que até que ponto as motivações dadas em forma de auto-
nomia, podem estar alinhadas as reais necessidades que o ser
humano exprima de um dispositivo, por exemplo. Em outras pa-
lavras, até que ponto pode ser deixado às mãos da IA a autono-
mia de seu funcionamento – a exemplo o dispositivo ALEXA, em
que responde ao comando humano – e mesmo que funcionando
sem determinações atuais, esse passou por uma programação
de atividades, ou seja, torna-se a continuação do que outrora
fora pesquisa/requerido.
Neste sentido, podemos afirmar que há impreterivelmente
uma relação entre o ser humano e o agente da IA, e é neste pon-
to que podemos ver a interação de forma eficiente para a didá-
tica cotidiana. É o caso dos sistemas dos aplicativos e empresas
que utilizam de callcenter, este último muitas vezes não é ne-
cessário o atendente, pois o sistema dispõe de recursos que o
próprio cliente resolva seus problemas.
Tais sistemas já estão presentes em nossas vidas há pelo menos
duas décadas: basta pensar nas nossas experiências com diversos
tipos de call-center ou serviços bancários. Atualmente, na maioria
dos casos, os elementos técnicos fornecem subsídios para que
humanos possam tomar decisões. Há instâncias para recursos
que podem, em certos casos, alterar decisões tomadas de forma
equivocada, inclusive aplicando eventualmente sanções aos ato-
res envolvidos para aprimorar os resultados futuros do sistema.

111
 Esses exemplos fomentam visão de que a IA está cada vez
mais inerente, sobretudo, a possíveis correções. Fato este pode
coloca-la em maiores escalas de testes e efetivações.

CONSIDERAÇÕES FINAIS

Neste artigo abordou-se algumas prerrogativas acerca da IA

sob sua definição, sua predominância perante o desenvolvimen-
to da sociedade e a conceituação de autonomia, uma vez que
esta esteja correlacionada às discussões sobre IA.
Viu-se que dentre as definições de autonomia, aquelas pre-
sentes na literatura de IA englobam a sistemática tecnológica.
No entanto, vê-se como critério conclusivo, a presença entre
linhas da autonomia humana, outrora apresentada – sob a se-
guinte perspectiva – o ser humano recorre a tecnologia de forma
proposital, uma vez que aquele que não se adequa a atualidade,
acaba por não acompanhar a difusão de informações e ativida-
des (um exemplo são os aplicativos de mensagens – a busca pela
comunicação de quem não os tem se torna mais difícil).
Embora essa afirmação pareça negativa, vê-se por outro lado
o alinhamento entre os entes que se comunicam (podemos di-
zer que as distâncias entre os seres humanos foram diminuídas).
Além do mais, a IA possibilitou ao ser humano mais tempo de
ser autônomo em si mesmo, dando a oportunidade de econo-
mizar o tempo que gastava outrora com atividade burocráticas,
por exemplo. Assim, da mesma forma em que nos utilizamos do
conceito de autonomia do filósofo Kant, integramo-lo à ideia da
ética – esta que cabe somente a espécie humana de distinguir e
efetivá-la de forma adequada ao convívio social.

112
REFERÊNCIAS

BARBOSA, Xênia de Castro. BEZERRA, Ruth Ferreira. BREVE INTRODUÇÃO À HISTÓ-

RIA DA INTELIGÊNCIA ARTIFICIAL. Jamaxi, UFSC. v. 4, n. 2, 2020. 90-97 p.
CHRISTINO. Raquel Rosan. Piaget e Kant: uma comparação do conceito de autono-
mia. Nuances. vol. III. 1997. 73-77 p.
Inteligência Artificial: entenda o que está por vir com as novas interações entre
homem e máquina. G1. 2023. Disponível em: https://g1.globo.com/inovacao/noti-
cia/2023/08/05/inteligencia-artificial-entenda-o-que-esta-por-vir-com-as-novas-inte-
racoes-entre-homem-e-maquina.ghtml Acesso em: 29/10/2023.
LEMOS, Amanda. O que é ChatCPT? Tudo que você precisa saber para usar a IA. Exa-
me. 2023. Disponível em: https://exame.com/inteligencia-artificial/o-que-e-chatgpt-
-como-usar-a-ia-em-portugues-no-seu-dia-a-dia/ Acesso em: 29/20/2023.
MODONESI, Massino. O conceito de autonomia no marxismo contemporâneo. Re-
vista Direito e Praxis. Rio de Janeiro. v. 12, n. 01. 2021, 707-733 p.
PRADO. Charles. A era da inteligência artificial. Ciência Hoje. 2019. Disponível
em: https://cienciahoje.org.br/artigo/a-era-da-inteligencia-artificial/ Acesso em:
30/10/2023.
SICHMAN, J. S. Inteligência Artificial e sociedade: avanços e riscos. Estudos Avança-
dos, São Paulo, v. 35, n. 101, p. 37-50, 2021. Disponível em: https://www.revistas.usp.
br/eav/article/view/185024 Acesso em: 30/10/2023.

113
6. o DESENVOLVIMENTO DA TECNOLOGIA NA LINGUAGEM DA
INTELIGÊNCIA ARTIFICAL - UMA REFLEXÃO
Everton William de Lima Silva

INTRODUÇÃO

No progresso da tecnologia, as inteligências artificiais cada vez

mais se ramificam na sociedade fazendo com que os seres huma-
nos disponham de ferramentas que se integram na vida coletiva
dos seres humanos. As ligações em chamadas de vídeo pela in-
ternet permitem a comunicação instantânea entre duas ou mais
pessoas que podem estar em lugares diferentes do globo terres-
tre, sendo utilizada até mesmo na transmissão simultânea com
astronautas da NASA (Agência Espacial do Governo Federal dos
Estados Unidos), que sobrevoam a órbita Terra. Na educação dis-
pomos atualmente de aulas remotas ou, reuniões de trabalho, en-
trevistas de emprego via Linkedin, etc. Por mais que o discurso
social de grupos de tradicionalistas nos alertem sobre à importân-
cia de não deixamos à tecnologia ocupar os nossos espaços hu-
manos, cada vez mais percebemos que esse avanço tecnológico
se tornou inevitável (PEREIRA, CÂMARA, 2021).
O período da Pandemia da Covid-19 acelerou ainda mais a
transformação de sala de aula presencial para o formato remoto
e híbrido. Da área da educação a cursos da saúde, muitas disci-
plinas foram adaptadas para dar prosseguimento aos estudos
universitários e escolares, o que não evitou atrasos no calendá-
rio acadêmico, pois durante à emergência de saúde, iniciou-se o
planejamento dessas adaptações que só foram executadas al-
guns meses depois.

114
 Isso resultou em retardamento para alguns cursos, pois muitas
formações dependiam de atividades práticas em seus estágios.
Diante das dificuldades, o ser humano aprimora suas habilidades
para desempenhar suas atividades laborais e foi o que trouxe des-
construção para os resistentes da tecnologia. Gostando ou não,
muitos professores tiveram que reaprender suas práticas pedagó-
gicas por intermédio da inteligência artificial (SOUZA, 2022).
Hoje contamos com várias possibilidades desta moderniza-
ção, entre eles “Alexa”, robô que é uma inteligência artificial
que além de responder às perguntas dos seus usuários huma-
nos, reproduz uma “voz humana” que serve como despertador,
avisa sobre previsão do tempo, responde questões gerais sobre
à história da humanidade ou conteúdos recentes sobre desco-
bertas científicas. A inteligência artificial chegou a um ponto
que praticamente realizamos muitas das atividades que outrora
precisaríamos nos descolar para realizá-las, através de um sim-
ples clique, como uma feira do supermercado, pagamentos por
aplicativos de bancos e até visualizar roupas e óculos de forma
virtual espelhando sobre seu corpo. A inteligência artificial, no
processo de decodificação, tenta simular à inteligência humana.
E essa interação da comunicação entre robôs e humanos está
sendo aprimorada pelas grandes empresas de tecnologia huma-
noide (SGARBOSA, VECHIO, 2020).
Existem robôs que estão trabalhando em conjunto com equi-
pes médicas, tamanha é a sua precisão de assertividade em de-
terminadas operações cirúrgicas, como robôs recepcionistas em
formato humanoide que atendem clientes em hotéis da China.
O mundo tem vivenciando uma transformação simultânea e até
os celulares e computadores em tudo estamos sendo reconheci-
dos pelas câmeras destes aparelhos eletrônicos.

115
 As ideias que eram apresentadas em películas cinematográfi-
cas e que de forma risonha pelos descrentes era nomeado como
uma “ficção científica”, hoje está se materializando em uma ve-
locidade máxima. Esses algoritmos permitem escancear as ex-
pressões humanas, armazenar em seus sistemas e reproduzir às
representações da linguagem em ferramentas de conversação.
Os robôs estão sendo aperfeiçoados para apresentarem um rea-
lismo extraordinário e estético inclusive na conversação (BATIS-
TA et al., 2016).
Em 1969, a Universidade de Stanford desenvolveu o programa
DENDRAL para desenvolver soluções capazes de encontrar as
estruturas moleculares orgânicas a partir da espectrometria de
massa das ligações químicas presentes em uma molécula des-
conhecida. Na época, personagens importantes como Edward
Feigenbaum (antigo aluno de Herbert Simon), Bruce Buchanan
(filósofo transformado em cientista de computação) e Joshua
Lederberg (geneticista premiado com um prêmio Nobel) consti-
tuíram equipe para resolver o problema e o DENDRAL foi capaz
de solucionar graças ao seu modo automático de tomar deci-
sões (GOMES, pag. 237, 2010).
Em abreviação à inteligência artificial é conhecida como IA e
desde a década de 1940, os entusiastas da tecnologia já busca-
vam através de suas pesquisas aprimorarem o desenvolvimento
destas tecnologias. Neste período, também acontecia a segun-
da guerra mundial, o que acarretou no avanço das pesquisas em
torno do tema e surgiu o primeiro artigo sobre “Redes Neurais”
publicado em 1943 pelos autores Warren Mcculloch e Walter
Pitts. O trabalho debatia sobre a estruturação do mecanismo ar-
tificial de inteligência em formato de amostra de computação da
matemática que copiavam a sistematização do sistema nervoso
central dos seres humanos. Neste propósito de construir tecno-

116
logia que pudesse reproduzir ações rotineiras da nossa espécie,
os programadores seguiram aperfeiçoando os modelos mate-
máticos destes algoritmos sobre sequência lógica de aquisição,
arquivamento e reprodução tecnológica (CARVALHO, 2021).
O primeiro laboratório de tecnologia instituído para os estu-
dos exclusivos da inteligência artificial no contexto acadêmico,
foi criado no decênio de (1950) pelos pesquisadores Hebert Si-
mon e Allen Newell. O mesmo espaço estava integrado na Uni-
versidade de Carnegie Mellon, que é uma instituição de ensino e
pesquisas que fica em Pittsburgh na cidade Pensilvânia, na Fila-
délfia, nos Estados Unidos. Pela falta de processadores rápidos,
estes obstáculos trouxeram um hiato nos estudos da inteligên-
cia artificial que foi de 1960 até o ano de 1980, ano em que os
estudos renasceram com o refinanciamento destas pesquisas, o
que trouxe resultados positivos para a tecnologia que atualizou
os seus códigos processuais dos algoritmos, através do “Deep
Learning”, que aperfeiçoou aprendizagem consistente através
da “machine learnig”, que concedeu aos computadores à com-
petência de classificar amostras (SICHMAN,2021).
Deste avanço em diante, as ferramentas destes programas
avançados de computadores conseguiram derrotar seres huma-
nos em jogos de raciocínio lógico, como o jogo de xadrez oci-
dental. E esse movimento tecnológico ganhou força à medida
que os sistemas eram atualizados e novos instrumentos foram
implementados na configuração destes sistemas de inteligência
artificial. Entre as inúmeras ferramentas, instalou-se a “Lógica
Fuzzy”, que é responsável por respostas destes computadores
que são analisadas em uma variação de cálculo matemático tra-
balhando com probabilidades que se tornam “similares” as es-
colhas de decisões dos seres humanos. Diante desta inovação,

117
essa ferramenta foi inserida em aparelhamentos eletrônicos de
uso laboral e doméstico. Como exemplo, citamos o ar-condicio-
nado, que analisa a temperatura dentro de uma seleção tecno-
lógica avaliando a termo regulação do corpo humano (RIGNEL,
CHENCI, LUCAS, 2011).
Os avanços transcendentes no espaço digital é o que alguns
tem chamado de a Quarta Revolução Industrial caracterizada
pela integração do físico, do digital e do biológico. Exemplos
que antes só eram possíveis na seara da ficção, hoje fazem par-
te do cotidiano da maioria das pessoas e incluem apren-
dizado de máquina autônoma, nanotecnologia, biotecnolo-
gia, Internet das coisas (IoT), impressão 3D, robótica, veículos
autônomos, dentre outros. A Inteligência Artificial (IA) foi mal
compreendida ao longo dos anos, em parte porque as pessoas
realmente não entendem do que se trata a IA, ou mesmo o que
ela deve e pode realizar. Uma parte significativa do problema
é que filmes, programas de televisão e livros conspiraram para
dar falsas esperanças quanto ao que a IA realizará. Além disso,
a tendência humana de antropomorfizar (dar características hu-
manas) à tecnologia faz parecer que a IA deve fazer mais do que
realmente ela pode executar. (NEVES, pag.187, 2021).
Quando estudamos o corpo do ser humano, a disciplina que
avalia as estruturas do mesmo é anatomia. O ser humano arma-
zena suas informações através da memória de longo prazo e de
curto prazo e o conteúdo que não é revisitado constantemente
pode ser esquecido ou alterado nas lembranças. Na inteligên-
cia artificial o processo de aprendizagem e armazenamento das
informações é totalmente diferente, pois através de suas re-
des neurais da tecnologia robótica as máquinas acessam infor-
mações em tempo real do passado e presente através da “Big
Data”. Esse dispositivo se conecta com um aglomerado de da-
dos informativos, inclusive nas alterações das renovações dos

118
conteúdos, revisando e aprimorando à credibilidade das fontes
informativas. Através da Machine Learning, a inteligência artifi-
cial registra e reaprende de forma independente novas infor-
mações há cada segundo. Enquanto está desempenhando uma
busca-ativa de determinada pesquisa, está se retroalimentando
de novos conhecimentos (SALDANHA, BARCELLOS, PEDROSA,
2020).
Essas ferramentas da Machine Learning são programadas
para o método de autoaprendizagem, não sendo obrigatório
a intervenção humana; pois os códigos da inteligência artificial
possuem a habilidade calcular, esquematizar e aprender novos
conhecimentos. Essas informações são comparadas nos assun-
tos de coerência informativa, onde são checadas através fatos e
números. O algoritmo pode ser projetado para diversas funções
que vai desde análise de dados até avaliação de resultados, en-
tretanto ele pode ser delineado para determinada função espe-
cífica sobre suas respostas. Existem duas camadas da inteligên-
cia artificial que podem ser categorizadas como Artificial General
Intelligence (AGI), que trabalha com tomada de decisões que se
assemelha com o raciocínio dos seres humanos. Esta é conhe-
cida como (IA-Forte). De igual modo, a Norrow AI necessita da
intervenção humana (GOMES, 2010).
Com essa aptidão para imitar o pensamento humano, a IA en-
volve o emprego de funções cognitivas, como linguagem, pla-
nejamento, memória e percepção, todas executáveis artifi-
cialmente, e é estudada tanto pela tecnologia da informação,
quanto pela ciência da computação. Está edificada em torno de
conhecimentos de estatística e probabilidade, lógica e linguís-
tica. Baseada nesses conhecimentos, ela simula processos de
inteligência humana utilizando recursos computacionais (COL-
ZANI, pag.23, 2022).

119
 No exemplo desta segunda categoria, que é classificada como
IA-Fraca, os seres humanos usam diariamente em atividades di-
árias como GPS ou até mesmo com os nossos celulares ondem
programamos o sistema da câmera fotográfica para captar nos-
sa imagem em três segundos. A empresa Amazon lançou uma
adjunta virtual que é “Alexa”, que tem o propósito assistencial
no cumprimento de algumas tarefas cotidianas como ligar e des-
ligar as luzes, televisão, ar-condicionado e responder às pergun-
tas dos seres humanos. Como todo processo de aprimoramen-
to, a IA necessita ser atualizada em treinamento constante para
se alimentar de novas informações e apresentar antecipação
das respostas assertivas. Esse avanço tecnológico está cada vez
mais integrado às empresas, redes de ensino e campo do desen-
volvimento urbano e rural (QUARESMA, 2021).

CONSIDERAÇÕES FINAIS

No pós-pandemia, muitos avanços destas tecnologias se calci-

ficam em grandes empresas da educação, hospitais e vários segui-
mentos corporativos que implantaram sistemas de tutoria e res-
postas automáticas. Nos estudos de formação acadêmica, você
consegue deixar todo planejamento e cronograma da disciplina,
delineando inclusive recebimento de trabalhos e provas online com
datas programadas. Nesta operação de serviços, o processamento
de linguagem aprendido pela (IA) lhe possibilita avaliar o contexto
dos conteúdos. Essas ferramentas acabam servindo para dar uma
assistência extraclasse, para professores e alunos, que por intermé-
dio destas tecnologias conseguem interagir em um espaço virtual.

120
REFERÊNCIAS

COLZONI, Eduardo Edézio. O uso da inteligência artificial no Processo do Trabalho:

e a questão da segurança Jurídica. Universidade do Vale do Itajaí – UNIVALI. Santa
Catarina, junho 2022.
FORNASIER, Mateus de Oliveira. SCHARTZ, Germano. SILVA, FERNANDA Viero. Ro-
bôs Sexuais e (ALGO) normatividade Algorítmico: Comunicação e Observações in-
tersistêmicas. Revista Brasileira de Sociologia e Direito. Vol. 10. 2023.
GOMES, Dennis dos Santos. Inteligência Artificial: Conceitos e Aplicações. Revista
Olhar Científico. Faculdades Associadas de Arquimedes – FAAR. Vol. 01, n2 Agos.
Dezembro. 2010
NEVES, Bárbara Coelho. Inteligência Artificial e Computação Cognitiva em Unida-
des de Informação. LOGEION – Filosofia da Informação. Rio de Janeiro, v. 7, n. 1,
p.186-205, set.2020/fev.2021
PEREIRA, Juliana Calhau. CÂMARA, Carlos Eduardo. ALEXA: Uma análise de Inter-
face Baseada na Voz, Revista Ubiquidade, ISSN 2236-9031 – v.4, n.1 – jan. a jul. de
2021, p. 17
QUARESMA, Alexandre. INTELIGÊNCIA ARTIFICIAL FRACA E FORÇA BRUTA COM-
PUTACIONAL. Global Knowledge, TECHNO Review, 10(1), 2021.
RIGNEL, Diego Gabriel de Souza. CHENCI, Gabriel Pupin. LUCAS, Carlos Alberto.
Uma introdução a Lógica Fuzzy. Revista eletrônica de Sistemas de informação e Ges-
tão Tecnológica. RESIGet – UNIFACEF 2011.
SICHAN, Jaime Simão. Inteligência Artificial e Sociedade: Avanços e Ricos. ESTU-
DOS AVANÇADOS 35 (101), 2021. Universidade de São Paulo, Escola Politécnica, De-
partamento de Engenharia de Computação e Sistemas Digitais, São Paulo, Brasil.
SIQUEIRA-BATISTA, Rodrigo. SOUZA, Camila Ribeiro. MAIA, Polyana Mendes. SI-
QUEIRA, Sávio Lana. CIRURGIA ROBÓTICA: ASPECTOS BIOÉTICOS. Artigo de Revi-
são ABCD Arq Bras Cir Dig 2016;29(4):287-290
SOUZA, Claudete De. Inteligência Artificial Viabiliza Reflexo Positivo no Ensino Su-
perior Durante a Pandemia de Convid-19: Disputara de Paradigmas. Revista do Cur-
so de Direito da Universidade Metodista de São Paulo. V. 17, n 17. 2022.
SGARBOSA, Pietro. VECHIO, Gustavo Henrique Del. INTELIGÊNCIA ARTIFICIAL E
SUAS IMPLICAÇÕES: como os dispositivos inteligentes e assistentes virtuais in-
fluenciam o cotidiano das pessoas. Revista Interface e Tecnologia. V.17 n.2 (2020)
SOUZA, Ewerton Pacheco. GOMES, Ciro Martins. BARROSO, Daniel Holanda. MI-
RANDA, Vinícius Lima de. GONÇALVES, Rodrigo Gurgel. Aplicações do Deep Lear-
ning para diagnóstico de doenças e identificação de insetos vetores. SAÚDE DEBA-

121
TE, RIO DE JANEIRO, V. 43, N. ESPECIAL 2, P. 147-154, NOV 2019
SALDANHA, Rafael de Freitas. BARCELLOS, Chistovam. PEDROSA, Marcel de Mo-
rais. Ciência de dados e big data: o que isso significa para estudos populacionais e
da saúde? Cad. Saúde Colet., 2021.
TAVARES, Luiz Antônio. MEIRA, Mateus Carvalho. AMARAL, Sergio Ferreira. Inteli-
gência Artificial na Educação. Brazilian Journal of Development. Curitiba – 2020.

122
 7. aLUNOS, PROFESSORES E SIRI: UMA PARCERIA
PROMISSORA PARA A APRENDIZAGEM
Jean Carlos da Silva Monteiro1

“INTRODUZINDO” NOVO COMANDO DE VOZ

A crescente evolução da tecnologia tem impulsionado mu-

danças significativas na maneira como homem e máquina se re-
lacionam. Todos os dias novas possibilidades de produção, distri-
buição e consumo de informações em tempo real surgem para
facilitar o acesso à ambientes que emergem da cibercultura.
Sobre isso, Lévy (1999) e Jenkins (2006) entendem que a ci-
bercultura surge das interações que despontaram com o uso da
internet e da exploração das tecnologias, o que promoveu no-
vas práticas, valores, comportamentos e conexões mundo afora
diante das possibilidades virtuais oferecidas pela web.
Hoje se colhem os frutos da revolução tecnológica, iniciada
nos anos 80, momento em que se pode interagir e explorar am-
bientes virtuais com interfaces sofisticadas (realidade aumenta-
da, realidade virtual e realidade mista) tornou-se possível para
uns e, ao mesmo tempo, inviável para aqueles que não detém da
estrutura tecnológica para experimentar essas novas interações
com o digital.
Por outro lado, a “democratização” do acesso aos celulares
trouxe à tona as chamadas Interfaces de Usuário de Voz – a exem-
plo da Alexa, Siri, e Google Assistente – que, além de populares,

1
Jornalista e Pedagogo. Especialista em Educação e Cultura e em Comunicação, Cultura e Tecnologia.
Mestre em Cultura e Sociedade pela Universidade Federal do Maranhão. Líder do Grupo de Estudo e
Pesquisa em Educação, Cultura e Comunicação Multimídia. falecomjeanmonteiro@gmail.com

123
permitem que os usuários interajam com sistemas e serviços de
maneira prática e dinâmica, utilizando comandos de voz, seja
perto ou longe de seus dispositivos (MATOS; OLIVEIRA, 2021).
Tais assistentes virtuais adentraram as salas de aula, levados
pelos próprios alunos, na tentativa de auxiliá-los nas mais dife-
rentes atividades escolares. Nesse contexto, a inserção de as-
sistentes virtuais na educação tem suscitado debates e questio-
namentos sobre suas possíveis abordagens pedagógicas e suas
contribuições para o desenvolvimento dos alunos.
O presente artigo tem como proposta descrever as possibi-
lidades pedagógicas oferecidas pelos assistentes virtuais, com
foco na Siri, assistente virtual da Apple, a fim de que, posterior-
mente, se possa compreender o potencial da utilização de assis-
tentes virtuais enquanto recurso pedagógico para apoiar, enri-
quecer e aprimorar o ambiente educacional.

VOCÊ QUIS DIZER: “PERCURSO METODOLÓGICO?”

Este estudo questiona o potencial da utilização de assisten-

tes virtuais enquanto recurso pedagógico para apoiar processos
formativos. Para chegar à resposta deste questionamento, o
presente artigo adota uma abordagem metodológica que com-
bina um breve estudo bibliográfico e um estudo exploratório.
Na etapa do estudo bibliográfico, foi realizado um breve le-
vantamento de literatura que abordam o tema dos assistentes
virtuais na Educação, “[...] elaborada a partir de material já publi-
cado [...], com o objetivo de colocar o pesquisador em contato
direto com todo material já escrito sobre o assunto da pesquisa”
(PRODANOV; FREITAS, 2013, p. 54).
Em seguida, na etapa exploratória, o foco se voltou para a

124
análise da Siri e de como essa assistente virtual pode contribuir
para o processo de aprendizagem em contextos educacionais,
no qual busca-se “aumentar a compreensão de um fenômeno
ainda pouco conhecido, ou de um problema de pesquisa ainda
não perfeitamente delineado” (APPOLINÁRIO, 2011, p. 75).

“PROCURANDO POR ASSISTENTES VIRTUAIS...”

Um assistente virtual é um programa de inteligência artificial

(IA) projetado para interagir com os usuários e realizar tarefas
de forma autônoma. Esses assistentes são desenvolvidos para
simular a interação humana e podem responder a perguntas,
fornecer informações, executar comandos e auxiliar em diver-
sas tarefas.
Os estudos de Coppin (2015) e Ventura (2019) traçam algu-
mas das características mais presentes nos assistentes virtuais,
apesar das adaptações que cada um deles passam diariamente
para se adequar às necessidades de seus usuários.
• Interatividade: uma vez que assistentes são projetados para
interagir de maneira natural, seja por meio de comandos de voz
ou texto.
• Inteligência artificial: processamento de algoritmos para com-
preender as perguntas e fornecer respostas precisas e relevan-
tes.
• Personalização: com o tempo, os assistentes aprendem as in-
terações dos usuários e adaptam suas respostas às preferências
individuais.
• Versatilidade: visto que seus sistemas podem realizar uma va-
riedade de tarefas que abrangem diferentes atividades da vida
cotidiana.
• Disponibilidade: os assistentes estão presentes e conectados
nos mais variados dispositivos: celulares, computadores, carros,

125
 eletrodomésticos.
• Conveniência: apresentam uma forma conveniente de obter
informações e realizar tarefas sem a necessidade de interações
complexas com interfaces tradicionais.
• Atualizações constantes: isso porque são frequentemente
atualizados para melhorar sua funcionalidade e fornecer res-
postas mais precisas e relevantes.
• Assistência em tempo real: capacidade de fornecer informa-
ções do agora, como previsão do tempo, notícias atualizadas e
resultados de pesquisas.
• Facilidade de uso: sua programação costuma ser intuitiva e de
fácil uso, tornando a interação com a tecnologia mais acessível
a diferentes públicos.
• Segurança e privacidade: são desenvolvidos com foco na se-
gurança dos dados dos usuários e na proteção de informações
pessoais.
Diante dessas características apontadas por Coppin (2015) e
Ventura (2019), percebe-se que os assistentes virtuais possuem
atributos que os tornam cada vez mais necessários nos mais di-
ferentes aspectos da vida, principalmente pelo fato de tornar a
interação com a tecnologia mais intuitiva e proporcionando uma
experiência de usuário mais personalizada e eficiente.
O funcionamento e o mecanismo de um assistente virtual en-
volvem diferentes etapas e tecnologias de inteligência artificial
(IA). Embora cada assistente possa ter implementações especí-
ficas, estudos de Alencar, Schmitz e Cruz (2013) e Lima e Santos
(2020) explicam que a maioria segue um fluxo de trabalho geral
que pode ser descrito da seguinte forma:
• Entrada do usuário: recebimento de uma solicitação do usuá-
rio, que pode ser por meio de comandos de voz, texto ou outros
tipos de interação, dependendo da interface do assistente.
• Reconhecimento de voz ou texto: quando a interação é por

126
 voz, o assistente converte a fala em texto. Caso seja por texto,
essa etapa não se faz necessária.
• Processamento de linguagem natural: a solicitação do usuário
é analisada por algoritmos, que o permitem entender, extrair in-
formações e identificar os elementos-chave da solicitação.
• Inteligência artificial e aprendizado de máquina: utilização de
técnicas de aprimoramento de desempenho para processar a
solicitação do usuário e determinar a melhor resposta ou ação a
ser tomada.
• Acesso à base de conhecimento: direcionamento à base que
fornece respostas precisas e relevantes às perguntas do usuá-
rio, com informações pré-programadas e dados coletados de
fontes “confiáveis”.
• Geração de resposta: Com base na solicitação do usuário e no
acesso à base de conhecimento, o assistente virtual gera uma
resposta apropriada e relevante.
• Apresentação da resposta: A resposta é apresentada ao usu-
ário, seja em formato de texto, fala ou outra forma de interface,
dependendo do dispositivo e da preferência do usuário.
• Feedback e melhoria contínua: Além de fornecer respostas,
o assistente também aprende com as solicitações, melhorando
sua capacidade de entender e atender às necessidades individu-
ais ao longo do tempo.
Alencar, Schmitz e Cruz (2013) ressaltam que a implementa-
ção de um assistente virtual pode variar dependendo da empre-
sa ou desenvolvedor que o criou, bem como das tecnologias es-
pecíficas que foram utilizadas. Mas, no que tange o mecanismo
inicial de qualquer projeto de Interfaces de Usuário de Voz, leva-
-se em consideração as oito etapas apresentadas acima.
Acerca da sofisticação e melhoria diária da inteligência artifi-
cial, Ventura (2019) destaca que alguns assistentes virtuais tam-
bém podem ter integração com outras plataformas e serviços
para oferecer funcionalidades adicionais, como agendamento

127
de compromissos, controle de dispositivos domésticos inteli-
gentes ou realização de transações financeiras.
A origem dos assistentes virtuais remonta à década de 1960,
com os primeiros avanços em inteligência artificial e processa-
mento de linguagem natural. Nessa época, pesquisadores já
buscavam criar programas capazes de interpretar e responder
a comandos de texto de forma semelhante à interação humana.
• ELIZA: Criado em 1966, simulava um psicoterapeuta, respon-
dendo a perguntas com base em padrões pré-estabelecidos,
criando uma ilusão de conversa (WEIZENBAUM, 1966).
• PARRY: Desenvolvido na década de 1970, simulava uma pes-
soa com esquizofrenia, interagindo com respostas limitadas
(WEIZENBAUM, 1967).
• SHRDLU: Criado em 1970, demonstrou habilidades de com-
preensão de linguagem natural e manipulação de objetos
em ambiente virtual (WINOGRAD, 1971).
• Dr. Sbaitso: Lançado pela Creative Labs em 1991, simulava
um psiquiatra interativo, respondendo a perguntas e dando
conselhos (AYRES, 1992).
• Microsoft Office Assistant: Introduzido em 1997, era um as-
sistente virtual interativo no Microsoft Office, fornecendo
ajuda e dicas contextuais (COWAN et al., 2017).
• Siri: Lançado pela Apple em 2011, pioneiro no uso de reco-
nhecimento de voz e IA para respostas contextualizadas e
assistência pessoal (VENTURA, 2019).
• Google Assistant: Lançado em 2016, pela Google, oferece
ampla gama de recursos, integração com serviços e respos-
tas personalizadas (DIALOGFLOW, 2019).
• Amazon Alexa: Lançado em 2014, pela Amazon, controla dis-
positivos inteligentes, responde a comandos de voz e ofere-
ce informações variadas (ALLIANNEJADI et al., 2020).
• Microsoft Cortana: Introduzido em 2014, pela Microsoft, inte-
gra-se a dispositivos e serviços da Microsoft, respondendo a
perguntas e realizando tarefas (KËPUSKA; BOHOUTA, 2018).

128
 O futuro dos assistentes virtuais aponta para uma maior inte-
gração com os sistemas de automação e a contínua evolução da
inteligência artificial, visando aprimorar ainda mais a capacidade
de compreensão, aprendizado e adaptação às necessidades in-
dividuais dos usuários, tornando-os parte essencial do cotidiano
digital.

“E AÍ, SIRI?! ME FALE SOBRE VOCÊ!”

Neste estudo, dá-se enfoque na Siri, assistente virtual desen-

volvida pela Apple em 2011. A escolha pela assistente justifica-se
pelo fato de a Siri estar entre as assistentes virtuais mais utiliza-
das em todo o mundo, sendo amplamente conhecida, popular
entre os jovens e com uma alta participação tanto de mercado
quanto na presenta em dispositivos móveis (STATISTA, 2021).
A Siri teve suas raízes em um projeto de pesquisa do Labora-
tório de Inteligência Artificial do SRI International, desenvolvido
em 2003. Mas somente em 2010, a Apple adquiriu a tecnologia
da Siri e a lançou como parte do iPhone 4S em 2011. Desde então,
a Siri passou por várias atualizações e melhorias para aprimorar
suas capacidades e funcionalidades.
O mecanismo de interação é baseado em inteligência artificial
e processamento de linguagem natural, que é o seu diferencial,
visto que ela é “[...] capaz de utilizar da fonologia, morfologia,
sentido léxico, sintático, semântico e pragmático para interpre-
tar aquilo que lhe foi dito além de fazer uma análise de significa-
do tomando o texto como um todo” (VENTURA, 2019, p. 30-31).
A assistente responde a comandos de voz dos usuários e pode
realizar diversas tarefas, como fazer chamadas, enviar mensa-
gens, criar lembretes, agendar compromissos, realizar pesquisas

129
na web, fornecer previsão do tempo, entre outras. Além disso,
a Siri é projetada para aprender com as interações dos usuários,
personalizando suas respostas e sugestões ao longo do tempo.
A Siri está integrada a uma ampla gama de dispositivos da
Apple, incluindo iPhones, iPads, Macs, Apple Watch e HomePod.
Além disso, ela é compatível com diversos aplicativos e serviços
de terceiros, permitindo aos usuários realizarem ações específi-
cas em aplicativos de mensagens, redes sociais, transporte, en-
tretenimento e muito mais (APPLE, 2023).
A assistente virtual da Apple teve um impacto significativo
na popularização das assistentes virtuais e na adoção do reco-
nhecimento de voz como meio de interação com a tecnologia.
No entanto, ela também enfrenta desafios, como compreender
comandos complexos e fornecer respostas precisas em todos
os contextos.
Entre as assistentes, a Siri é uma assistente virtual pioneira
que trouxe uma nova era de interação entre humanos e tecno-
logia. Com suas características avançadas e integração ampla, a
Siri continua a evoluir e aperfeiçoar sua capacidade de auxiliar os
usuários em suas atividades diárias.
Segundo a IOS 9 (2023), a contínua inovação e aprimoramen-
to na área de assistentes virtuais certamente trarão ainda mais
benefícios para a experiência do usuário e a evolução da tecno-
logia como um todo.

“UHUM! PROCURANDO POR POSSIBILIDADES PEDAGÓGICAS!”

Levando em consideração as características, o funcionamen-

to e os mecanismos de interação dos assistentes virtuais, perce-
be-se, neste estudo, que a Siri pode possibilitar um conjunto de

130
estratégias didáticas, tornando-se um recurso pedagógico a car-
go do professor e da sua criatividade. Entre as estratégias pen-
sadas pelo autor desta pesquisa têm-se:
• Auxílio na pesquisa de conteúdos educacionais relevantes: A
Siri pode ser usada como uma ferramenta de busca rápida para
encontrar informações, artigos e materiais relevantes para enri-
quecer o conteúdo das aulas.
• Acesso a informações em tempo real para enriquecer as aulas:
O professor pode usar a Siri para obter respostas rápidas a per-
guntas e ter acesso a informações atualizadas durante as aulas.
• Criação de lembretes e agendamento de atividades para me-
lhor gerenciamento do tempo: A Siri pode ser usada para definir
lembretes e agendar tarefas, ajudando os professores a mante-
rem-se organizados e cumprirem prazos importantes.
• Utilização de comandos de voz para controlar dispositivos e
recursos tecnológicos na sala de aula: Através de comandos de
voz, o professor pode controlar dispositivos, apresentações e
outros recursos tecnológicos, facilitando a dinâmica da aula.
• Facilidade na busca por materiais didáticos e recursos multi-
mídia: A Siri pode ajudar os professores a encontrarem materiais
didáticos, vídeos e recursos multimídia para apoiar suas lições e
tornar as aulas mais interativas.
Para além das possibilidades já pensadas, o professor pode-
rá também combiná-la com estratégias ativas de aprendizagem,
potencializando ainda mais as atividades e a aprendizagem dos alu-
nos. Entre as estratégias delineadas pelo autor da pesquisa têm-se:
• Ajuda na resolução de dúvidas e perguntas rápidas relaciona-
das aos conteúdos estudados: Os alunos podem usar a Siri para
obter respostas rápidas a perguntas durante os estudos.
• Realização de pesquisas e acesso a informações para trabalhos
acadêmicos: A Siri pode auxiliar os alunos na pesquisa de infor-
mações e referências para trabalhos acadêmicos e projetos esco-
lares.

131
 • Melhoria da organização e gestão do tempo através de lem-
bretes e agendas: Os alunos podem utilizar a Siri para criar lem-
bretes e organizar sua rotina de estudos e atividades extracur-
riculares.
• Prática da pronúncia e aprendizado do idioma através de inte-
rações com a Siri em línguas estrangeiras: A Siri pode ajudar os
alunos a praticarem a pronúncia e aperfeiçoarem o aprendizado
de idiomas estrangeiros.
• Apoio na preparação para avaliações, com revisões e exercí-
cios personalizados: A Siri pode fornecer revisões personaliza-
das e exercícios de prática para ajudar os alunos a se prepara-
rem para provas e avaliações.
Percebeu-se, ainda, que os assistentes virtuais podem se
adaptar aos mais diferentes contextos de uso. Diante dessa afir-
mativa o autor deste estudo acredita que, no que tange:
• Ensino à distância: A Siri pode ser usada como um assistente
virtual para apoiar os alunos em ambientes de aprendizagem re-
motos, fornecendo informações e orientações em tempo real.
• Educação Inclusiva: Alunos com necessidades educacionais
específicas podem se beneficiar da acessibilidade proporciona-
da pela assistente virtual, permitindo uma interação mais inde-
pendente com o conteúdo educacional.
• Estudo Individualizado: A Siri pode ser usada para criar roti-
nas de estudo personalizadas, adaptadas às necessidades e rit-
mo de aprendizado de cada aluno.
• Gamificação e Aprendizado Divertido: A Siri pode ser incorpo-
rada em jogos educacionais e atividades interativas para tornar
o processo de aprendizagem mais envolvente e lúdico.
• Aprendizado de Línguas Estrangeiras: A interação com a Siri
em diferentes idiomas pode ajudar os alunos a praticarem a
pronúncia e a expandirem seu vocabulário de maneira natural e
contextualizada.
Por fim, destaca-se que é importante garantir que a utilização

132
da Siri na educação esteja alinhada com a política de privacidade
e segurança de dados, bem como respeite as diretrizes de uso
de tecnologias em sala de aula.

FECHAR A SIRI

As possíveis abordagens pedagógicas e as contribuições da

inserção estratégica da assistente virtual Siri no processo de
aprendizagem indicam um cenário promissor na educação. Por
meio da assistente virtual, tanto professores quanto alunos têm
acesso a recursos e suporte inovadores, possibilitando uma
aprendizagem mais dinâmica, personalizada e efetiva.
Evidenciou-se que a Siri oferece a conveniência de respostas
rápidas, auxilia na organização e gestão do tempo, além de pro-
mover o desenvolvimento de habilidades linguísticas em dife-
rentes idiomas. A integração da Siri na educação amplia as pos-
sibilidades de aprimoramento do ensino e facilita a adaptação
aos desafios da era digital, tornando-se uma aliada fundamental
para educadores e estudantes em busca de uma educação mais
interativa e enriquecedora.
Espera-se que este artigo contribua para o entendimento dos
benefícios do uso estratégica de assistentes virtuais na aprendi-
zagem e motive professores a realizar a integração prática dessa
tecnologia em nos mais diferentes contextos educacionais.

133
REFERÊNCIAS

ALENCAR, A.; SCHMITZ, E.; CRUZ, L. Assistentes Virtuais Inteligentes: Conceitos e es-
tratégias. Brasport, 2013. Disponível em: <https://play.google .com/books/reader?i-
d=Wd4-AgAAQBAJ&hl=pt&pg=GBS.PR4>. Acesso em: 24 jul. 2023.
ALLIANNEJADI, M. et al. Harnessing Evolution of Multi-Turn Conversations for Effec-
tive Answer Retrieval, CHIIR ´20. Vancouver, 2020.
APPLE. Siri. 2023. Disponível em: <https://www.apple.com/siri/>. Acesso em: 25 jul.
2023.
APPOLINÁRIO, F. Dicionário de Metodologia Científica. 2. ed. São Paulo: Atlas, 2011.
AYRES, M. A História dos Chatbots. Medium Corporation. 1992. Disponível em: <ht-
tps://medium.com/@marcelayres/a-hist%C3%B3ria-dos-chatbots-c9de ffc84069>.
Acesso em: 25 jul. 2023.
COPPIN, B. Inteligência Artificial. Rio de Janeiro: Ltc, 2015.
COWAN, B. et al. What can I help you with?. In: Proceedings of the 19th International
Conference on Human-Computer Interaction with Mobile Devices and Services -Mo-
bileHCI ‘17, Vienna, Austria. ACM Press, New York, New York, USA. 2017. Disponível
em www.benjamincowan.co m/paper191.pdf Acesso em: 25 jul. 2023
DIALOGFLOW. Dialogflow: build natural and rich conversational experiences. 2019.
Disponível em: <https://dialogflow.com>. Acesso em: 25 jul. 2023.
IOS 9. Siri. 2023. Disponível em: <http://www.apple.com/br/ios/siri/>. Acesso em: 25
jul. 2023.
JENKINS, H. Cultura da Convergência: a colisão entre os velhos e novos meios de co-
municação. Tradução de Susana Alexandria. São Paulo: Aleph, 2006.
KËPUSKA, V.; BOHOUTA, G. Nextgeneration of virtual personal assistants (micro-
soft cortana, apple siri, amazon alexa and google home). In: 2018 IEEE 8th Annual
Computing and Communication Workshop and Conference (CCWC). [S.l.: s.n.], 2018.
p. 99–103.
LÉVY, P. Cibercultura. Tradução de Carlos Irineu da Costa. São Paulo: Editora 34,
1999.
LIMA, D.; SANTOS, P. Utilização de assistentes virtuais para o âmbito educacional. In:
Anais da 12ª Jornada Científica e Tecnológica do IFSULDEMINAS, 2020. Disponível em:
< https://memoriajornada.ifsuldemi nas.edu.br/index.php/jctpcs2020/jctpcs2020/pa-
per/viewFile/6201/4701>. Acesso em 24 jul. 2023.
MATOS, D.; OLIVEIRA, F. Análise com assistentes virtuais inteligentes: Um estudo de
caso com o Google Assistente. Revista Novas Tecnologias na Educação, Porto Ale-

134
gre, v. 19, n. 1, p. 473–482, 2021. DOI: 10.22456/1679-1916.118537. Disponível em: <ht-
tps://seer.ufrgs.br/index.php/renote/article/vi ew/118537. Acesso em: 24 jul. 2023.
PRODANOV, C. C.; FREITAS, E. C. Metodologia do trabalho científico: métodos e téc-
nicas da pesquisa e do trabalho acadêmico. Novo Hamburgo, RS: Feevale, 2013.
STATISTA. Virtual Assistant Technology - statistics & facts. 2021. Disponível em: <
https://www.statista.com/topics/5572/virtual-assistants/#top icOverview>. Acesso
em: 25 jul. 2023.
VENTURA, R. Desenvolvimento de um assistente virtual híbrido com propriedades de
chatbot e de automação de processos de negócios. 2019. Monografia. Curso de En-
genharia de Controle e Automação. Universidade Federal de Santa Catarina. 2019.
Disponível em: <https://repositorio.ufsc.br/bitstream/handle/123456789/200020/
PFC%20Ricardo%20Ventura_2018-2.pdf?sequence=1>. Acesso em 24 jul. 2023.
WEIZENBAUM, J. Eliza - a computer program for the study of natural language
communication between man and machine. Communications of the ACM, ACM, v.
9, n. 1, p. 36–45, 1966.
WEIZENBAUM, J. Contextual Understanding by Computers. 1967. Disponível em: <
https://cse.buffalo.edu/~rapaport/572/S02/weizenbaum.eliz a.1967.pdf>. Acesso
em 25 jul. 2023.
WINOGRAD, T. Procedures as a Representation for Data in a Computer Program for
Understanding Natural Language. Stanford Artificial Intelligence Laboratory. 1971.
Disponível em: < https://hci.stanford.ed u/~winograd/shrdlu/AITR-235.pdf>. Acesso
em 25 jul. 2023.

135
 8. O USO DA INTELIGÊNCIA ARTIFICIAL PARA
TRATAMENTO DE CRIANÇAS AUTISTAS
Joelma Caparroz

INTRODUÇÃO

O Transtorno do Espectro Autista – TEA afeta aproximada-

mente um a cada 160 crianças em todo o mundo conforme a Or-
ganização Mundial de Saúde – OMS. O transtorno de desenvolvi-
mento neurológico é capaz de afetar habilidades comunicativas
e sociais do indivíduo, que se manifesta na infância, até 3 anos
de idade (Demerval et al, 2022).
A tecnologia tem revolucionado muitos setores. Na área da
saúde esses avanços têm desempenhado papel fundamental em
intervenções para o autismo. O foco é como a tecnologia pode
transformar o cenário do autismo no país. Por meio da Inteligên-
cia artificial – IA, muitas soluções estão sendo desenvolvidas,
no sentido de processar maiores volumes de dados, identificar
padrões, sistemas inteligentes capazes de gerar resultados de
diagnósticos mais precisos, prevenção de doenças e tratamen-
tos personalizados (Gomes, 2010).
Outros avanços podem ser descritos no setor da saúde no to-
cante à interpretação de exames médicos, com algoritmos avan-
çados que conseguem analisar imagens de ressonância magné-
tica, radiografias, tomografias e outros, que além de analisar e
interpretar os resultados, auxilia profissionais para que possam
tomar medidas mais assertivas (Toscano, 2009).
Como aliada no aprendizado da criança com TEA a tecnolo-
gia vem sendo inserida através de plataformas digitais e usadas

136
como incentivo e estímulo ao autodesenho e compreensão de
seu próprio comportamento, utilizando atividades integradas.
O objetivo geral da pesquisa é analisar de que forma a inteli-
gência artificial pode auxiliar no tratamento de crianças com au-
tismo. Como objetivos específicos, buscou-se: Identificar o papel
da tecnologia no tratamento do autismo; apresentar os avan-
ços tecnológicos e inovações que têm transformado a maneira
como familiares, terapeutas e indivíduos com TEA abordam in-
tervenções; analisar como a promoção de desenvolvimento da
IA pode gerar inclusão em diversos ambientes.
A metodologia adotada para construção da pesquisa é biblio-
gráfica, tem caráter exploratório e abordagem descritiva, feita
através de pesquisa em livros, revistas, artigos e trabalhos pu-
blicados. Para isso, levantou-se a questão norteadora: Quais os
benefícios da tecnologia em tratamentos de crianças com autis-
mo?

A INTELIGÊNCIA ARTIFICIAL COMO FERRAMENTA TECNOLÓ-

GICA DE DIAGNÓSTICO

Segundo Gomes (2010), a inteligência artificial abrange di-

versas subcategorias, desde aprendizagem e percepção até
atividades específicas como xadrez e diagnóstico de doenças,
sistematização e automatização de tarefas intelectuais, e assim
tornou-se relevante para qualquer atividade que envolva a inte-
ligência humana. Toscano (2009) acredita que a inteligência arti-
ficial visa cultivar indivíduos com capacidade de aprender, com-
preender e adaptar-se, sendo assim semelhante às capacidades
da inteligência humana, podendo também ser definida como o
desenvolvimento de sistemas com capacidade de perceber, ar-

137
gumentar e agir. Efetivamente em ambientes incertos.
A inteligência artificial utilizada no diagnóstico do autismo é
discutida por Ted Bosworth (2021) na Revista Medscape onde
apresenta um programa de computador que utiliza a inteligên-
cia artificial – IA de forma eficaz para diferenciar crianças jovens
com transtorno do aspectro autista com crianças que apresen-
tam outros quadros.
Um problema identificado pelo estudioso está na falta de
ferramenta diagnóstica para o transtorno, no atendimento pri-
mário, que é sempre feito por especialista. E o atraso entre a
preocupação dos pais e o diagnóstico, além das longas filas de
espera por atendimento na rede de atendimento pública para
avaliação de um especialista é uma grande preocupação do au-
tor (Bosworth, 2021).
Dados de ensaio clínico de Bosworth (2021) mostraram que
a ferramenta diagnostica em mãos de médicos de atendimento
primário poderia servir para avaliação de forma mais eficiente e
precisa para o transtorno do aspectro autista em crianças de até
seis anos de idade. Após avaliar 425 crianças de seis estados dos
Estados Unidos, que após terem questionário avaliado pelos al-
goritmos em programa de informática, receberam o resultado:
positivo, negativo ou indeterminado.
O principal foco para criar uma metodologia específica para
uso no atendimento primário foi embasado em evidências de que
o atraso clínico do diagnóstico do transtorno do espectro autista é
atribuído a períodos longos de espera para avaliação por especia-
listas. E reduzir a idade do diagnóstico de transtorno do espectro
autista é uma prioridade, pois o ingresso adiantado em interven-
ções específicas para o autista é um indicador de melhores desfe-
chos em termo de desenvolvimento ideal dessas crianças.

138
 Há um reconhecimento crescente da importância do diag-
nóstico precoce de crianças com perturbações do espectro do
autismo, para que o tratamento possa ser iniciado o mais rapi-
damente possível. Ao longo do tempo, as intervenções foram
analisadas, pesquisadas e aplicadas, acolhendo não só as crian-
ças, mas também as famílias. Entre essas intervenções, cada vez
mais evidente está o uso de robôs para tratar o autismo (Religa-
re, 2023).
O que acontece é que a robótica não só é acessível, peda-
gógica e social, mas também facilita a socialização das crianças
desde cedo. Sabe-se que pessoas com transtorno do espectro
do autismo tendem a apresentar dificuldades de interação so-
cial e habilidades de comunicação ao longo da vida, o que pode
deixar as crianças com interesses restritos e repetitivos. Além
disso, pessoas com autismo podem ter funções sensoriais preju-
dicadas, ou seja, podem ter maior (ou menor) sensibilidade nas
áreas de tato, sensação, visão, equilíbrio ou paladar.
Além disso, pessoas com autismo podem ter funções senso-
riais prejudicadas, ou seja, podem ter maior (ou menor) sensibi-
lidade nas áreas de tato, sensação, visão, equilíbrio ou paladar.
Portanto, embora a robótica tenha atualmente má reputação no
campo terapêutico, o uso desta abordagem no ensino e na prá-
tica social não é novidade.
A robótica no tratamento de crianças autistas é explicada
como forma de estimular o desenvolvimento social e comunicati-
vo, aprimorando sua capacidade de aprender e solucionar proble-
mas, reduzindo comportamentos que interfiram no aprendizado
e acesso a oportunidades do cotidiano. Pesquisas mostram
que crianças com transtorno do espectro do autismo têm maior
probabilidade de interagir com máquinas porque tendem a rea-

139
lizar ações repetitivas, que transmitem “segurança” às pessoas
com autismo, (…) Essa interação pode melhorar as práticas cog-
nitivas das crianças e, assim, impactar positivamente nas suas re-
lações com os humanos, principalmente no ambiente familiar. “
A pesquisa, publicada na revista Science Robotics, concen-
trou-se na melhoria de robôs para uso no tratamento de crianças
com autismo. Um desafio imediato é: se a doença abrange um
espectro, onde existem vários graus de autismo, como construir
um robô que possa ajudar no tratamento de forma personaliza-
da? É aí que entra o aprendizado de máquina, um processo de
aprendizagem computacional baseado na inteligência artificial
e no reconhecimento de padrões. O objetivo é ajudar os pacien-
tes a identificar reações e emoções, algo em que muitas pessoas
com autismo podem ter dificuldade.
Por meio dessa tecnologia, o robô atua com as crianças em
três etapas: sensorial, percepção e interação. Na primeira eta-
pa, a máquina registra movimentos, áudio, medidas fisiológicas
(como temperatura e pressão) e expressões. Na segunda fase,
os dados recolhidos são analisados sistematicamente para me-
lhor compreender as crianças e o seu comportamento. Na fase
final, o robô e o paciente interagem, comunicam e expressam
sentimentos e reações através de movimentos, gestos e fala.
Embora esses aplicativos ainda não sejam populares, os jo-
vens com autismo já conseguem compreender melhor as emo-
ções humanas de uma forma mais próxima e tangível graças a
esse tipo de tecnologia. É importante ressaltar que não se trata
de substituir robôs por profissionais, mas de utilizar a tecnolo-
gia como ferramenta. Outro caso muito interessante ocorreu
em Recife através de um projeto de robótica escolar. Francisco
Luiz dos Santos, secretário executivo de tecnologia educacional

140
do Recife, baseou seu projeto em pesquisas realizadas nos Esta-
dos Unidos, Portugal, Reino Unido e México. O processo é seme-
lhante ao da robótica científica, onde o robô possui atividades e
planos específicos para cada aluno.
Com isso, os robôs passam a “entender” as necessidades dos
alunos autistas e a resolver problemas de ensino por meio de jo-
gos, não apenas começando a compreender melhor o conteúdo
a ser ensinado, mas também possibilitando o desenvolvimento
da linguagem, o aprendizado e começando a compreender me-
lhor as emoções humanas.

A IA NO TRATAMENTO DE CRIANÇAS COM AUTISMO

Para crianças com autismo, as interações sociais que são críti-

cas para o desenvolvimento da criança são mais difíceis. A falta de
interação face a face torna mais difícil concentrar-se em tarefas
específicas ou aprender novas habilidades. A Universidade de Lu-
xemburgo desenvolveu uma solução tecnológica capaz de ensi-
nar e interagir com crianças através do robô. Essa é uma forma de
reduzir o desconforto diante de terapeutas humanos nas sessões
de terapia (Brown, 2017).
Um estudo da LuxAI, com lançamento previsto para o final des-
te mês, mostra que a tecnologia tem impacto positivo. Crianças
de 4 a 14 anos participaram de testes interativos entre QTrobot
e adultos. Como resultado, as crianças olharam para o robô duas
vezes mais, em média, do que olharam para um adulto. A pesqui-
sa mostra que outros comportamentos repetitivos que mostram
sinais de desconforto e ansiedade, como bater as asas, ocorrem
cerca de duas vezes mais quando se fala com adultos do que com
robôs.

141
 Embora possa parecer novo, as terapias para autismo base-
adas em robôs têm sido estudadas há mais de uma década. Um
projeto semelhante está sendo desenvolvido por cientistas da
Universidade de Hertfordshire, no Reino Unido, junto com dois
robôs comerciais para tratar o autismo, desenvolvidos pela Sof-
tBank Robotics.
Muitos artigos mostram que a inteligência artificial está auxi-
liando no tratamento ao autismo, usada no diagnóstico e trata-
mento. A inteligência artificial está ajudando a tratar o autismo
de várias maneiras. Uma maneira é usar ferramentas de comu-
nicação e sociais. Algoritmos de inteligência artificial são usados
para criar modelos de comportamento social e ajudar pessoas
com autismo a se comunicarem melhor. Também estão sendo
desenvolvidos dispositivos vestíveis que podem monitorar o
comportamento de pessoas com autismo e ajudar a identificar
padrões comportamentais. Além disso, a IA está sendo usada
para criar modelos neurobiológicos de autismo e desenvolver
novos tratamentos.
A inteligência artificial é a ciência que estuda como construir
máquinas para realizar tarefas que atualmente requerem inte-
ligência humana. Essas tarefas incluem reconhecimento de pa-
drões, aprendizagem, raciocínio lógico, planejamento, tomada
de decisões, comunicação natural e manipulação de objetos. O
principal objetivo da inteligência artificial é criar máquinas que
possam exibir comportamento inteligente. A inteligência artifi-
cial é um campo de pesquisa interdisciplinar que envolve ciências
como matemática, estatística, lógica, psicologia, neurociência e
antropologia. A história da inteligência artificial começa com o
desenvolvimento de programas de computador capazes de re-
alizar tarefas antes consideradas impossíveis de serem executa-

142
das por máquinas. Desde então, a inteligência artificial tornou-se
um campo de investigação altamente dinâmico, com avanços
significativos registados todos os anos (Brown, 2017).
Atualmente, a inteligência artificial está sendo usada em mui-
tos campos, como medicina, robótica, linguística, finanças e
ciência da computação. Avanços recentes no campo da inteli-
gência artificial permitiram que máquinas executassem tarefas
consideradas fora do alcance dos humanos, como dirigir veícu-
los, traduzir línguas e identificar doenças.
O estudo de Santos et al (2023) mostra que crianças com
transtorno do espectro do autismo são normalmente diagnos-
ticadas após os 5 anos de idade, quando ingressam no ensino
fundamental. Alguns fatores que podem impactar o diagnóstico
precoce incluem: variabilidade na apresentação dos sintomas;
limitações na autoavaliação dos pré-escolares; falta de profissio-
nais treinados/qualificados para reconhecer as manifestações
precoces da doença; falta de serviços especializados; e dificulda-
de de acesso das famílias aos cuidados.
O diagnóstico e a intervenção precoces são fatores funda-
mentais na melhoria das manifestações clínicas dos transtornos
do espectro do autismo porque, além de reduzirem significativa-
mente os gastos com tratamento para as famílias e os sistemas
de saúde, podem produzir benefícios significativos e duradou-
ros para o desenvolvimento das crianças. Ao analisar resultados
de longo prazo. Nesse sentido, o transtorno do espectro autis-
ta, embora já estudado há algum tempo, continua sendo uma
doença com inúmeras questões sem resposta, doenças a serem
estudadas, complexas e com muitas variações.
Desde a década de 1970, foi estabelecido que o transtorno do
espectro do autismo afeta principalmente os homens. Tem uma

143
prevalência de aproximadamente 1%, sem diferenças de origem
racial e uma ampla diversidade de sintomas em domínios cog-
nitivo-comportamentais. O transtorno do espectro do autismo
(TEA) afeta aproximadamente 1 em cada 160 crianças em todo o
mundo, segundo a OMS (Organização Mundial da Saúde). É um
distúrbio generalizado do desenvolvimento que afeta diferentes
aspectos do funcionamento do paciente e se manifesta na infân-
cia (geralmente por volta dos 3 anos de idade). Não há cura, o
que significa que ficará com você pelo resto da vida. Além disso,
não é uma doença facilmente detectável, pois não existem exa-
mes laboratoriais que a confirmem; portanto, o diagnóstico deve
ser feito por um profissional de saúde. A proporção de crianças
com problemas de saúde mental é uma das causas mais comuns
de problemas infantis (Seabra et al, 2023).
Para compreender o diagnóstico dos distúrbios relacionados
às dificuldades de atenção, é importante analisar os conceitos
envolvidos nesse processo. A compreensão da atenção envolve
não apenas a capacidade de um indivíduo manter a atenção em
uma tarefa, mas também a capacidade de selecionar os estímu-
los necessários para realizar tais atividades, ou seja, ser capaz
de dirigir e controlar seus processos mentais, quais processos
mentais são responsáveis. para organizado e dirigido

CONCLUSÃO

O espectro do autismo é muito amplo, por isso o termo “es-

pectro” é utilizado, pois existem vários graus de deficiência,
desde aqueles com outras comorbidades associadas até aque-
les que vivem com autismo, mas não sabem que o têm devido a
uma falta de diagnóstico pessoas com autismo, razão pela qual

144
a ciência afirma atualmente que não existe apenas um tipo de
autismo, mas vários tipos e graus diferentes, cada um dos quais
se manifesta de forma única.
Nesse sentido, a Inteligência Artificial (IA) desempenha um
papel importante em diversos momentos, como na utilização de
ferramentas digitais, recomendações de filmes e séries, plata-
formas de streaming, anúncios específicos em redes sociais dire-
cionados às suas necessidades, indicação das melhores rotas de
transporte, etc. Compreendendo a relevância da IA para a saúde,
os pesquisadores estão começando a aplicá-la ao diagnóstico do
transtorno do espectro do autismo (TEA).
Depois de entender o que a inteligência artificial pode ofere-
cer e como o transtorno do espectro do autismo afeta a vida dos
portadores, é necessário entender que diagnosticar esses trans-
tornos é muito complexo, pois não possui um padrão totalmen-
te definido e não existem sinais físicos que possam diferenciar
entre ter ou ter Pessoas com transtorno do espectro do autismo
não têm o transtorno e não existem exames laboratoriais ou de
imagem que possam diagnosticar com precisão o transtorno.
Embora existam algumas características que descrevem o trans-
torno, isso não significa que ele se apresentará da mesma forma.
entre todos os pacientes

145
REFERÊNCIAS

BARUA, P. D. et al. Artificial Intelligence Enabled Personalised Assistive Tools to

Enhance Education of Children with Neurodevelopmental Disorders—A Review. In-
ternational Journal of Environmental Research and Public Health, v. 19, n. 3, p. 1192,
2022.PONTES, A. N. et al. Triagem do Transtorno do Espectro do Autismo em esco-
lares: uso da inteligência artificial. MEMNON EDIÇÕES CIENTÍFICAS LTDA., p. 51, 2020.
Disponível em: http://cienciassobtendas.sites.uff.br/2022/04/18/inteligencia-artificial-
-como-aliada-em-relacao-ao-transtorno-do-espectro-autista/. Último acesso: 17 nov.
2023.
BOSWORTH, Ted. Medscape: Inteligência artificial no diagnóstico de autismo.
Disponível em: https://portugues.medscape.com/verartigo/6506555?ecd=ppc_
google_acq_mscp_dynamic-news_inlang-br-int&gclid=CjwKCAjwp8OpBhA-
FEiwAG7NaEh9ZGBiUPBQYgFqdWs-2AfmzndWOLu47zGa2fNNxCXreWl-SWbtgJBo-
CgBoQAvD_BwE&form=fpf. Último acesso: 17 out. 2023.
BROWN, Kristen V. Cientistas agora estão usando inteligência artificial para prever au-
tismo em bebês. 7 jun. 2017. Disponível em: <https://gizmodo.uol.com.br/inteligencia-
-artificial-diagnostico-autismo-bebes/>. Acesso em: 18 out. 2023.
DERMEVAL, Diego; COELHO, Jorge A. P. de M.; BITTENCOURT, Ig I. Mapeamento
Sistemático e Revisão Sistemática da Literatura em Informática na Educação. In:
JAQUES, Patrícia Augustin; SIQUEIRA; Sean; BITTENCOURT, Ig; PIMENTEL, Mariano.
(Org.) Metodologia de Pesquisa Científica em Informática na Educação: Abor-
dagem Quantitativa. Porto Alegre: SBC, 2020. (Série Metodologia de Pesquisa
em Informática na Educação, v. 2) Disponível em: <https://metodologia.ceie-br.org/
livro-2>. Último acesso em: 17 out. 2023.
GOMES, D. dos S. Inteligência Artificial: conceitos e aplicações. Olhar Científico. v1,
n. 2, p. 234-246, 2010.Disponível em: <https://bityli.com/BfhFelH>. Último acesso: 19
out. 2023.
PONTES, Alessandra Nascimento; LIMA, Thycia M. G. C; BRUNONI, Evanisa H. Maio.
Triagem do Transtorno do Espectro do Autismo em escolares: uso da inteligência artifi-
cial.
RELIGARE. Centro de Reabilitação. A robótica enquanto tratamento para o autis-
mo. Disponível em: https://www.espacoreligare.com.br/a-robotica-enquanto-trata-
mento-para-o-autismo/. Último acesso: 17 out. 2023. Disponível em: https://www.
researchgate.net/profile/Silvana-Blascovi-Assis/publication/343587466_Estudos_In-
terdisciplinares_em_Educacao_e_Saude_nos_Disturbios_do_Desenvolvimento/
links/5f32e51ea6fdcccc43c1f1d4/Estudos-Interdisciplinares-em-Educacao-e-Saude-
-nos-Disturbios-do-Desenvolvimento.pdf#page=51. Último acesso: 18 out. 2023.

146
SEABRA, Alessandra Gotuzo; BRUM, Evanisa Helena Maio; CARREIRO, Luiz R. Rodri-
gues; ASSIS, Silvana Maria B. Estudos interdisciplinares em saúde e educação nos dis-
túrbios do desenvolvimento. Programa de pós graduação em distúrbio do desenvolvi-
mento da Universidade Mackenzie, 2023. Disponível em: https://www.researchgate.
net/profile/Silvana-Blascovi-Assis/publication/343587466_Estudos_Interdisciplina-
res_em_Educacao_e_Saude_nos_Disturbios_do_Desenvolvimento/links/5f32e51e-
a6fdcccc43c1f1d4/Estudos-Interdisciplinares-em-Educacao-e-Saude-nos-Disturbios-
-do-Desenvolvimento.pdf#page=51. Último acesso: 18 out. 2023.
TOSCANO, Wagner. Inteligência Artificial Introdução. 2009. Disponível em: <ht-
tps://www.researchgate.net/profile/Wagner-Toscano-2/publication/266369213_Inte-
ligencia_Artificial_Introducao/links/59280ad9458515e3d46526b7/Inteligencia-Artifi-
cial-Introducao.pdf>. Último acesso: 17 out. 2023.

147
 9. ESCRITA CIENTÍFICA EM TEMPOS DE COAUTORIA
VIRTUAL: UMA EXPERIÊNCIA COM O CHATGPT
Assistente ChatGPT1
Jean Carlos da Silva Monteiro2

Este texto exibe um artigo produzido pelo Assistente ChatGPT,

chatbot do laboratório de pesquisa de inteligência artificial es-
tadunidense OpenAI. Inicialmente, realizou- se o seguinte ques-
tionamento: “é possível criar um artigo científico com o Assis-
tente do ChatGPT?”. Para responder a esta pergunta, um autor
humano concluiu, em 30 minutos, uma pesquisa sobre as opor-
tunidades e os desafios da inserção estratégica do Assistente do
ChatGPT na educação. Evidencia-se que apenas este resumo, a
metodologia, os comentários do pesquisador e os comandos de
busca foram escritos por uma pessoa. As referências também so-
freram pequenas correções. Isso porque o Assistente tem como
modelo de referenciamento as normas da American Psychologi-
cal Association (APA) e no Brasil utiliza-se do que preconiza a As-
sociação Brasileira de Normas Técnicas (ABNT). O restante do
texto foi gerado pelo chatbots e está incluído neste documento
sem edição humana, de maneira ipsis litteris. Elogios e críticas
de como o ChatGPT organizou as ideias e argumentos sobre a
temática proposta ficam a critério de quem lê. Aos leitores deste
artigo, significativas leituras.

1
Assistente virtual inteligente, no formato chatbot on-line, com inteligência artificial desenvolvi-
do pelo laboratório de pesquisa estadunidense OpenAI.
2
Jornalista e Pedagogo. Especialista em Educação e Cultura e em Comunicação, Cultura e Tecnologia.
Mestre em Cultura e Sociedade pela Universidade Federal do Maranhão. Líder do Grupo de Estudo e
Pesquisa em Educação, Cultura e Comunicação Multimídia. falecomjeanmonteiro@gmail.com

148
INTRODUÇÃO

Comando de busca: <Escreva a introdução de um artigo acadêmico

sobre como o ChatGPT pode ser usado na Educação>
A tecnologia tem transformado rapidamente o mundo em
que vivemos, e a educação não é exceção. As novas tecnologias
têm o potencial de oferecer uma experiência de aprendizado
mais eficaz e personalizada, além de permitir a inclusão de mais
estudantes em ambientes educacionais tradicionalmente limita-
dos.
Nesse contexto, ChatGPT, uma linguagem de inteligência ar-
tificial (IA) baseada em GPT-3.5, pode ser uma ferramenta pode-
rosa na educação. O ChatGPT é capaz de entender e responder a
perguntas em linguagem natural, fornecendo uma solução rápi-
da e eficiente para a interação professor-aluno.
Este artigo apresentará uma revisão sobre o potencial uso do
ChatGPT na educação, bem como as possibilidades e desafios
de sua implementação. Além disso, serão discutidos exemplos
práticos de como o ChatGPT pode ser usado em sala de aula, no
ensino à distância e em outras formas de educação.

METODOLOGIA

O ChatGPT ganhou popularidade devido à sua capacidade

única de gerar respostas contextuais e coerentes em uma ampla
variedade de tópicos. Sua habilidade de compreender e produzir
texto fluente e natural, combinada com um vasto conhecimento
incorporado em sua arquitetura, o torna uma ferramenta versá-
til e poderosa para interações de linguagem.
Essa situação levantou a questão de pesquisa: “é possível

149
criar um artigo científico com o Assistente do ChatGPT?”. Para
responder a essa pergunta, um autor humano realizou uma pes-
quisa sobre as oportunidades e os desafios da inserção estraté-
gica do Assistente do ChatGPT na educação, usando comandos
de busca no chatbot, e gerou um artigo científico em 30 minu-
tos. O objetivo foi apresentar uma produção científica gerada
literalmente pelo ChatGPT.
Essa experiência é justificada pela relevância pessoal, profis-
sional e social do pesquisador, que é um entusiasta de tecnolo-
gias emergentes e busca respostas para integrar soluções tec-
nológicas em diversos setores da vida. Em termos de relevância
acadêmica, esse estudo está relacionado ao conhecimento cien-
tífico atual e tem como objetivo gerar novos conhecimentos
para o avanço da ciência, além de contribuir para o estímulo de
novas pesquisas sobre o tema.
A metodologia da pesquisa consistiu em organizar de forma
sistemática os princípios racionais e os processos que orientam
a investigação científica, cuidando dos caminhos, procedimen-
tos e formas de fazer ciência (FIGUEIREDO; SOUZA, 2017).
Para alcançar o objetivo de responder às perguntas formula-
das anteriormente, foi necessário seguir uma metodologia que
refletisse os passos delineados durante a investigação. Agora
serão apresentados os métodos e técnicas utilizados até a con-
clusão da experiência.
Com o intuito de fornecer um instrumento de estudo para
pesquisas futuras, este estudo pretende gerar novos conheci-
mentos para o avanço da ciência (NASCIMENTO, 2016). Por ser
exploratório, buscou-se obter uma maior familiaridade com o
objeto de interação entre o autor humano e a tecnologia emer-
gente, a fim de torná-lo mais explícito (SELLTIZ et al., 2014).

150
 Quanto ao procedimento técnico utilizado para o planeja-
mento deste estudo, ele foi classificado, ao longo da experiên-
cia, como uma pesquisa bibliográfica, pois foi “[...] desenvolvido
a partir de material já elaborado, constituído principalmente de
livros e artigos científicos” (GIL, 2019, p. 44).
Essa técnica foi usada para que o Assistente mapeasse e cole-
tasse informações online, a fim de que o usuário pudesse obter
respostas sobre o assunto abordado. No entanto, ao definir os
critérios de inclusão e exclusão da pesquisa, em várias ocasiões,
solicitou-se ao ChatGPT que as informações apresentassem re-
ferências de caráter científico e acadêmico.

DA AUTOMATIZAÇÃO DOS CHATBOTS À INTELIGÊNCIA ARTI-

FICIAL DO CHATGPT

Comando de busca: <Redija a história dos chatbots, especificamen-

te o ChatGPT>
Os chatbots surgiram pela primeira vez na década de 1960,
quando o MIT (Massachusetts Institute of Technology) criou o
programa Eliza, um programa de computador capaz de simu-
lar uma conversa em linguagem natural com o usuário. Embora
Eliza fosse limitado em termos de funcionalidade, ele mostrou
o potencial dos chatbots como uma ferramenta para interagir
com os usuários.
Desde então, os chatbots evoluíram significativamente, com
a incorporação de recursos avançados de inteligência artificial e
aprendizado de máquina. Em 2020, a OpenAI, uma organização de
pesquisa em inteligência artificial, lançou o ChatGPT, baseado no
modelo GPT-3.5 de inteligência artificial. O ChatGPT é capaz de en-
tender e responder a perguntas em linguagem natural, fornecendo

151
uma solução rápida e eficiente para a interação humano-máquina.
O ChatGPT é resultado de anos de pesquisa em inteligência
artificial e aprendizado de máquina, e é capaz de responder a
uma ampla variedade de perguntas em linguagem natural, des-
de questões simples até perguntas mais complexas e técnicas.
Ele é treinado em uma grande quantidade de dados de texto em
vários idiomas, o que o torna capaz de entender e produzir texto
em diferentes idiomas.
Embora o ChatGPT seja uma tecnologia relativamente nova,
ele já está sendo implementado em vários campos, incluindo a
educação, saúde e negócios. No contexto da educação, o Chat-
GPT pode ser uma ferramenta poderosa para ajudar os alunos a
tirar dúvidas e aprimorar seu aprendizado. Além disso, o Chat-
GPT pode ser utilizado em diferentes níveis educacionais, desde
o ensino fundamental até o ensino superior.
Em resumo, o ChatGPT é um exemplo da evolução dos cha-
tbots e da inteligência artificial, e tem o potencial de revolucio-
nar a maneira como as pessoas interagem com a tecnologia em
diferentes áreas da vida, incluindo a educação.
Comando de busca: <Existem trabalhos científicos sobre o Cha-
tGPT? Quais são?>
Existem vários trabalhos científicos que exploram o ChatGPT
e suas aplicações. Abaixo estão alguns exemplos de artigos cien-
tíficos sobre o ChatGPT:
1. “GPT-3 and the Future of AI in Education” por Daniel Faggella
e Dhawal Shah: Este artigo discute o potencial do ChatGPT na
educação, abordando como a tecnologia pode ser utilizada para
melhorar o ensino e aprendizado.
2. “Intelligent Personal Learning Assistant Based on GPT-3 Techno-
logy” por Dmitry Mouromtsev, Anastasiia Kuptcova e Ekaterina
Kuznetsova: Este artigo apresenta uma solução para um assis-

152
 tente pessoal de aprendizado baseado no ChatGPT, que pode
fornecer respostas precisas para perguntas dos alunos e ajudar
na aprendizagem personalizada.
3. “A Study on Effectiveness of AI-based Chatbot in Higher Educa-
tion” por Pallavi Bhattacharya e Mohit Jain: Este artigo apresen-
ta um estudo que avalia a eficácia do ChatGPT como um chatbot
educacional em instituições de ensino superior.
4. “GPT-3 and Education: The Promise and Perils of Artificial Intelli-
gence in Learning and Teaching” por Niall Winters: Este artigo
discute os benefícios e desafios do uso do ChatGPT na educa-
ção, incluindo questões éticas e de privacidade.
5. “Chatbots as Personal Learning Assistants: An Experimental
Study on the Impact of Chatbot Interventions on Learning Out-
comes” por Juho Kim e Mihye Kim: Este artigo apresenta um
estudo experimental que avalia o impacto do ChatGPT como as-
sistente de aprendizado pessoal na melhoria dos resultados de
aprendizagem dos alunos.
Esses são apenas alguns exemplos de trabalhos científicos
sobre o ChatGPT. Há muitos outros estudos em andamento e
previstos que exploram o potencial da tecnologia em várias áre-
as, incluindo a educação, saúde, negócios e muito mais.

INSERÇÃO ESTRATÉGICA DO CHATGPT NA EDUCAÇÃO

Comando de busca: <Descreva possíveis casos de uso do ChatGPT

na educação. Trazer citações de artigos/livros ou trabalhos científi-
cos. Incluir as referências no final>
O ChatGPT tem o potencial de ser uma ferramenta valiosa
para a educação, ajudando os alunos a tirar dúvidas, fornecendo
feedback personalizado e melhorando o envolvimento e a mo-
tivação dos alunos. Abaixo estão alguns exemplos de possíveis
casos de uso do ChatGPT na educação, com citações de artigos

153
e trabalhos científicos relevantes:
1. Assistente pessoal de aprendizado: O ChatGPT pode ser uti-
lizado como assistente pessoal de aprendizado, fornecendo
respostas precisas para as perguntas dos alunos e ajudando na
aprendizagem personalizada. Um estudo de Kim e Kim (2020)
descobriu que o uso de um chatbot educacional baseado em IA
como assistente de aprendizado pessoal melhorou significativa-
mente os resultados de aprendizagem dos alunos em um curso
de ciência da computação.
2. Feedback imediato: O ChatGPT pode ser usado para fornecer
feedback imediato aos alunos, ajudando a identificar áreas em
que eles precisam melhorar. Um estudo de Bhattacharya e Jain
(2021) descobriu que o uso de um chatbot educacional baseado
em IA como ferramenta de feedback melhorou significativamen-
te as habilidades de escrita dos alunos em um curso de inglês.
3. Engajamento dos alunos: O ChatGPT pode ser usado para au-
mentar o engajamento dos alunos, fornecendo interações per-
sonalizadas e envolventes. Um artigo de Faggella e Shah (2021)
discute como o ChatGPT pode ser usado para “aumentar o en-
gajamento e o envolvimento do aluno, oferecendo respostas
personalizadas e incentivando a exploração e a aprendizagem
independente”.
4. Tutoria e orientação: O ChatGPT pode ser usado como um
tutor virtual, fornecendo orientação e suporte aos alunos em
suas atividades de aprendizado. Um estudo de Mouromtsev et
al. (2021) apresenta uma solução para um assistente pessoal de
aprendizado baseado no ChatGPT, que pode ajudar os alunos
em suas tarefas de aprendizado, fornecendo feedback e orien-
tação personalizados.
Esses são apenas alguns exemplos de possíveis casos de uso
do ChatGPT na educação. Há muitas outras maneiras pelas quais
a tecnologia pode ser aplicada para melhorar a experiência de
aprendizado dos alunos e aumentar seu sucesso acadêmico.

154
QUESTÕES ÉTICAS ACERCA DO CHATGPT NA EDUCAÇÃO

Comando de busca: <Quais as questões éticas que envolvem o uso

do ChatGPT na educação?>
O uso do ChatGPT na educação apresenta uma série de ques-
tões éticas que devem ser consideradas. Algumas das principais
questões incluem:
1. Privacidade e segurança dos dados: O ChatGPT é alimentado
por dados, e a coleta, armazenamento e uso desses dados po-
dem levantar preocupações éticas em relação à privacidade e
segurança dos alunos. É importante garantir que os dados dos
alunos sejam protegidos e utilizados de forma ética e transpa-
rente.
2. Vieses e preconceitos: O ChatGPT é treinado em grandes con-
juntos de dados, e esses dados podem conter vieses e precon-
ceitos que são reproduzidos pelo modelo. É importante garantir
que o ChatGPT seja treinado em dados que sejam representati-
vos e diversificados, para evitar a perpetuação de estereótipos
e preconceitos.
3. Responsabilidade e transparência: O ChatGPT é uma tecnolo-
gia complexa e opaca, e pode ser difícil entender como o mode-
lo toma decisões e responde a perguntas. É importante garantir
que as empresas e instituições que utilizam o ChatGPT sejam
transparentes sobre como a tecnologia é usada e responsáveis
pelas decisões que o modelo toma.
4. Dependência tecnológica: O ChatGPT pode ser uma ferramen-
ta valiosa para a educação, mas também pode levar a uma de-
pendência excessiva da tecnologia. É importante garantir que
o ChatGPT seja usado de forma complementar e não substituta
ao ensino e à interação humana.
Essas são apenas algumas das questões éticas que devem ser
consideradas ao usar o ChatGPT na educação. É fundamental
que os educadores e instituições estejam cientes dessas ques-

155
tões e trabalhem para garantir que o uso da tecnologia seja éti-
co e responsável.
Comando de busca: <Como as pessoas podem saber se um tra-
balho científico foi escrito você ou por uma pessoa?>
Como uma inteligência artificial, o ChatGPT não é capaz de
publicar trabalhos científicos por conta própria. Todo trabalho
científico que seja publicado é resultado do trabalho de pesqui-
sa e escrita realizado por seres humanos.
No entanto, pode haver casos em que o ChatGPT é usado
como uma ferramenta auxiliar para a escrita de trabalhos cientí-
ficos. Nesses casos, é importante que os autores declarem expli-
citamente em seus trabalhos o uso do ChatGPT e o papel que a
tecnologia desempenhou no processo de escrita.
Além disso, é possível que o ChatGPT seja usado para gerar
conteúdo automatizado, como resumos ou trechos de trabalhos
científicos. Nesses casos, é importante que os autores indiquem
claramente que o conteúdo foi gerado automaticamente e for-
neçam as referências adequadas para as fontes utilizadas.
Em resumo, é sempre importante que os autores declarem
claramente o uso de tecnologias como o ChatGPT em seus tra-
balhos científicos e sejam transparentes sobre o papel que essas
tecnologias desempenharam no processo de escrita.

APLICAÇÃO DO CHATGPT NA EDUCAÇÃO

Comando de busca: <Dê exemplo de uma atividade pedagógica

que apresente a inserção estratégica do ChatGPT na educação.>

Atividade 1 - Educação Básica

Uma atividade pedagógica que apresenta a inserção estraté-

156
gica do ChatGPT na educação básica é a criação de um chatbot
educacional para ajudar os alunos do ensino fundamental a pra-
ticar a leitura e escrita em inglês.
Os alunos poderiam trabalhar em grupos para desenvolver
um chatbot que pudesse ajudá-los a praticar a leitura e escrita
em inglês de forma interativa e divertida. O ChatGPT poderia ser
usado para gerar automaticamente perguntas e respostas em
inglês com base em um tópico ou vocabulário específico.
Além disso, o chatbot poderia ser personalizado para cada
aluno, adaptando-se ao seu nível de proficiência em inglês e for-
necendo sugestões para melhorar sua leitura e escrita.
A criação de um chatbot educacional exigiria que os alunos
aplicassem seus conhecimentos em tecnologia e habilidades de
linguagem de maneira prática e criativa. Isso poderia ajudar a
aprimorar suas habilidades de pensamento crítico, resolução de
problemas e comunicação.
No entanto, é importante lembrar que a criação de um cha-
tbot educacional requer um planejamento cuidadoso e atenção
à privacidade e segurança dos dados. Os educadores devem ins-
truir os alunos sobre as questões éticas relacionadas ao uso de
chatbots educacionais e ajudá-los a implementar medidas de se-
gurança apropriadas.

Atividade 2 - Educação Superior

Uma atividade pedagógica que apresenta a inserção estraté-
gica do ChatGPT na educação superior é a criação de um sistema
de perguntas e respostas automatizado para ajudar os alunos a
se prepararem para exames e avaliações.
Os professores poderiam usar o ChatGPT para gerar pergun-
tas em uma ampla variedade de tópicos relacionados ao curso,

157
juntamente com respostas precisas e abrangentes. Os alunos
poderiam acessar esse sistema a qualquer momento, em qual-
quer lugar, para praticar e se preparar para exames e avaliações.
Além disso, o sistema de perguntas e respostas automatiza-
do poderia ser personalizado para cada aluno, adaptando-se ao
seu nível de proficiência e fornecendo feedbacks para ajudá-los
a melhorar suas habilidades.
Os professores também poderiam usar o sistema para avaliar
o progresso dos alunos e identificar áreas que precisam de mais
atenção ou suporte adicional.
Essa atividade pedagógica poderia ajudar os alunos a se pre-
pararem melhor para exames e avaliações, permitindo que eles
pratiquem em um ambiente seguro e controlado. Além disso, o
uso de tecnologia avançada como o ChatGPT pode ajudar a me-
lhorar a eficiência do processo de aprendizagem.
No entanto, é importante lembrar que a criação de um siste-
ma de perguntas e respostas automatizado requer um planeja-
mento cuidadoso e atenção à qualidade das perguntas e respos-
tas geradas. Os professores devem se certificar de que o sistema
esteja alinhado com os objetivos de aprendizagem do curso e
que as perguntas e respostas sejam precisas e relevantes.

CONSIDERAÇÕES FINAIS

Comando de busca: <Escreva a conclusão de um trabalho acadê-

mico descrevendo os casos de uso do ChatGPT na educação>
Em conclusão, o ChatGPT apresenta um grande potencial
para ser utilizado como uma ferramenta pedagógica na educa-
ção. Como vimos, a tecnologia pode ser utilizada de diversas for-
mas, como na tradução e comunicação intercultural, no apoio

158
à pesquisa e na criação de chatbots educacionais para o ensino
personalizado.
No entanto, é importante destacar que o uso do ChatGPT
deve ser planejado cuidadosamente para garantir que questões
éticas, como privacidade, segurança e transparência, sejam leva-
das em consideração. É necessário que os educadores estejam
atentos à forma como utilizam a tecnologia e que os alunos se-
jam orientados a usá-la de maneira crítica e responsável.
Além disso, é necessário que haja um equilíbrio entre o uso da
tecnologia e o contato humano na educação. O ChatGPT pode
ser uma ferramenta poderosa para auxiliar o ensino e aprendi-
zagem, mas não deve substituir a interação e o contato pessoal
entre alunos e professores.
Em suma, o ChatGPT pode ser um recurso valioso na educa-
ção, desde que seja utilizado com cuidado e responsabilidade.
É importante que os educadores explorem os diferentes casos
de uso da tecnologia e adaptem suas práticas pedagógicas para
incorporá-la de maneira estratégica e eficaz.

COMENTÁRIOS DO PESQUISADOR

O artigo apresentado acima é o resultado do objetivo desta

experiência, que questionou o uso do ChatGPT no processo de
produção de um artigo científico, copiado literalmente do Assis-
tente de inteligência artificial para esta página, sem interferên-
cia humana no conteúdo, exceto em seções específicas como o
resumo, a metodologia e os comentários a seguir.
Nesse sentido, percebe-se que, como um modelo de lingua-
gem inteligente, o ChatGPT fornece informações em uma ampla
variedade de tópicos, com base no conhecimento disponível na

159
internet. No entanto, em termos científicos, que foi o propósito
deste estudo, o Assistente não é capaz de oferecer uma análise
crítica sobre a temática pesquisada por meio de comandos de
busca.
Além disso, no que diz respeito aos critérios metodológicos,
o conteúdo fornecido pelo chatbot muitas vezes carece de pro-
fundidade e não apresenta de forma clara as fontes dos dados
utilizados no processo de transmissão das informações. Aqui,
considera-se essas fontes como questionamentos e sobre as
oportunidades e os desafios da inserção estratégica do Assisten-
te do ChatGPT na educação.
Observa-se que a falta de referências e, principalmente, de
citações diretas, curtas ou longas, para dar veracidade às infor-
mações descritas no discurso/raciocínio lógico da inteligência
artificial, tem um impacto direto na construção de um estado
da arte superficial e frágil aos olhos daquilo que é valorizado na
pesquisa acadêmica.
Por fim, espera-se que, diante dessas considerações, entu-
siastas e pesquisadores sejam motivados a realizar novas inves-
tigações sobre o Assistente ChatGPT e suas implicações nas mais
diversas áreas do conhecimento.

REFERÊNCIAS

BHATTACHARYA, P.; JAIN, M. A Study on Effectiveness of AI-based Chatbot in Higher

Education. International Journal of Emerging Technologies in Learning, 2021.
BAXTER, G. P. Collaborative Research Projects Using Online Communication and Vir-
tual Technologies. Innovative Practices in Teacher Education and Graduate-Level
Teacher Education Programs, 2021.
FAGGELLA, D.; SHAH, D. (2021). GPT-3 and the Future of AI in Education. Emerj Arti-
ficial Intelligence Research. Disponível em: https://emerj.com/ai-sector-overviews/

160
gpt-3-and-the-future-of-ai-in-education/. Acesso em: 24 abr. 2023.
FIGUEIREDO, A. M; SOUZA, S. R. G. Como elaborar projetos, monografias, disserta-
ções e teses: da redação cientifica à apresentação do texto final. 5. ed. Rio de Janeiro:
Lumen Juris, 2017.
GIL, A. C. Como elaborar projetos de pesquisa. 10. Ed. São Paulo: Atlas, 2019.
HOFFMANN, A. L.; KRÄMER, N. C. Ethical implications of using artificial intelligence
in education. Educational Research Review, 2021.
KIM, J.; KIM, M. Chatbots as Personal Learning Assistants: An Experimental Study on
the Impact of Chatbot Interventions on Learning Outcomes. Journal of Educational
Computing Research, 2020.
LI, H.; YANG, Y. Design and implementation of an intelligent test paper automatic
generation system based on chatbot technology. International Journal of Emerging
Technologies in Learning, 2019.
MOUROMTSEV, D.; KUPTCOVA, A.; KUZNETSOVA, E. Intelligent Personal Learning
Assistant Based on GPT-3 Technology. Journal of Physics: Conference, 2019.
NASCIMENTO, F. P. Metodologia da Pesquisa Científica: teoria e prática - como elabo-
rar TCC. Brasília: Thesaurus, 2016.
SELLTIZ, C. et al. Métodos de pesquisa nas relações sociais. 9. Ed. São Paulo: Herder,
2014.
SELWYN, N. What’s the problem with Chatbots in education?. Learning, Media and
Technology, 2020.
ZHANG, Q.; CHEN, N. An AI chatbot-based solution to overcome English writing an-
xiety for Chinese primary school students. International Journal of Emerging Tech-
nologies in Learning, 2020.

AGRADECIMENTO

A produção deste texto foi inspirada no artigo “As implica-

ções do assistente ChatGPT na educação”, de autoria de Assisten-
te ChatGPT e Tarcis Teles Xavier da Silva, disponível em https://
encurtador.com.br/wyDTV.

161
 10. pRONTUÁRIOS ELETRÔNICOS: ASPECTOS ÉTICOS, LEGAIS E
DE APOIO À DECISÃO NAS INSTITUIÇÕES DE SAÚDE
Viviane Barreto Motta Nogueira1
Elizabeth Cristina Dantas dos Santos2
Maria Motta Nogueira3

INTRODUÇÃO

Na área da saúde, o constante avanço tecnológico tem pro-

movido mudanças significativas nos processos e práticas clíni-
cas. Entre essas mudanças, destaca-se a crescente transição dos
registros médicos físicos para o formato digital o que suscita
a relevância da temática digitalização de prontuários médicos.
Esse fenômeno insere-se em um contexto mais amplo de trans-
formação digital, onde a utilização de tecnologias da informação
associada à inteligência artificial desempenha um papel funda-
mental no apoio à tomada de decisão dos serviços de saúde.
A digitalização de documentos é uma tecnologia que se po-
pularizou na segunda metade do século XX e ganhou destaque
devido à sua capacidade de ampliar o acesso aos documentos
que foram digitalizados. Embora a primeira tentativa de conferir
valor jurídico aos documentos digitais tenha ocorrido em 1996,
foi somente a partir dos anos 2000 que houve um impulso na re-
gulamentação dos documentos digitais. (Filgueiras et al., 2021)
A importância desse estudo é evidente, pois a adoção eficien-

1
Professora Doutora Associada A da Universidade Estadual da Paraíba - UEPB. Campina Grande,
Paraíba, Brasil. vivianemotta@servidor.uepb.edu.br
2
Graduanda em Arquivologia pela Universidade Estadual da Paraíba UEPB. João Pessoa, Paraíba,
Brasil elizabeth.santos@aluno.uepb.edu.br
3
Graduanda em Medicina pela Faculdade de Ciências Médicas - FCM/Afya. mariamnogueira@outlook.com

162
te da digitalização de prontuários médicos não apenas afeta a
prática clínica, mas também impacta diretamente a qualidade e
eficácia dos cuidados prestados aos pacientes. Dessa forma, a
problemática que norteia o estudo em questão é: quais são as
implicações éticas, legais e decisórias decorrentes da digitaliza-
ção dos prontuários médicos? Está problemática orienta a pes-
quisa, uma vez que busca entender as nuances do processo de
digitalização, suas implicações e como esse conhecimento pode
ser utilizado para embasar decisões nas instituições de saúde.
O objetivo geral deste trabalho é apresentar os aspectos éti-
cos, legais e de apoio à decisão na digitalização de prontuários
médicos, através de uma revisão integrativa da literatura. A im-
portância deste estudo reside na crescente relevância da adoção
da tecnologia da informação na área da saúde e na necessidade
de compreender o processo de digitalização de prontuários mé-
dicos.
A literatura atual não apresenta análises abrangentes das
etapas do processo de digitalização dos prontuários médicos,
bem como os desafios éticos e legais relacionados a essa prá-
tica. Dessa forma, a atual pesquisa contribuirá para preencher
essa lacuna, fornecendo uma visão crítica sobre a digitalização,
seus aspectos éticos e legais e seu impacto nas tomadas de deci-
sões dos profissionais da saúde.
A sustentabilidade desta prática também é notável, tendo
em vista a diminuição de gastos com papel em cópias de docu-
mentos, trazendo benefícios à natureza e preservação ambien-
tal. Sendo, portanto, de grande importância que as instituições
de saúde públicas e privadas da atualidade, demonstrem e pra-
tiquem esta preocupação ambiental em suas atividades internas
e externas.

163
DIGITALIZAÇÃO DOCUMENTAL

Conforme (Oliveira; Santos, 2018), a digitalização envolve a

conversão de informações físicas ou analógicas para o formato
digital. Essa técnica proporciona uma ferramenta versátil para o
arquivamento, preservação e acesso a documentos, por meio do
armazenamento de suas imagens em formato digital, geralmen-
te utilizando um scanner. No entanto, é importante ressaltar que
a digitalização apresenta desafios em relação ao arquivamento
e à preservação dos documentos.
Uma das questões críticas é a escolha dos formatos de ar-
quivo e das técnicas de compressão adequadas, já que a obso-
lescência de formatos e a perda de dados podem ser ameaças
à longevidade dos documentos digitais. Além disso, a manuten-
ção de backups regulares e a aplicação de políticas de segurança
da informação são fundamentais para evitar a perda irreparável
de documentos digitais.
De acordo com (Filgueiras et al., 2021), os procedimentos de
digitalização de documentos têm como objetivo facilitar o aces-
so e promover a preservação das informações contidas nos do-
cumentos analógicos. No entanto, é necessário reconhecer que
essa mudança requer conhecimento dos fundamentos da arqui-
vologia, pois envolve critérios que vão além do formato analógi-
co.
É essencial ressaltar que, embora a digitalização ofereça be-
nefícios nesses aspectos, não é possível garantir uma preserva-
ção absoluta , uma vez que existem riscos associados à preser-
vação digital. Um desses riscos é a obsolescência tecnológica,
que pode tornar os formatos de arquivo ou as mídias de arma-
zenamento digitalmente ilegíveis ao longo do tempo. Portanto,

164
a migração periódica para formatos atualizados e a conversão
de mídias antigas são práticas recomendadas para mitigar esse
risco.
Ademais, a segurança digital é uma preocupação constante,
uma vez que documentos digitais estão sujeitos a ameaças como
vírus, hackers e falhas técnicas que podem resultar em perda de
dados. Portanto, a implementação de medidas de segurança,
como firewalls, antivírus e políticas de acesso restrito, é essen-
cial para proteger a integridade dos documentos digitais.

PRONTUÁRIOS DE PACIENTES

Os serviços de saúde recebem alta demanda de pacientes,

todo o dia e isso gera uma alta quantidade de documentos que
necessitam de um armazenamento adequado. Pela necessidade
de guardar esses documentos por um período maior, se estuda
a possibilidade de transferir esses documentos do meio físico
para o meio digital.
A digitalização dos documentos agrupados nos prontuários
pode ser eficaz quando o armazenamento desses é feito de for-
ma controlada, sem acúmulo do papel físico. O armazenamento
em meio digital, quando feito corretamente, para que a informa-
ção não se extravie e priorizando a segurança do documento,
pode dar acesso mais rápido e fácil a informação, através dos
documentos digitais.
Os primeiros prontuários eletrônicos surgiram na década de
70, e se deram devido os esforços em se estabelecer estruturas
mínimas para os registros médicos ambulatoriais (Silva, 2021).
Ganhou visibilidade devido a possibilidade de organização dos
dados de forma estruturada, oferecendo suporte e apoio à to-

165
mada de decisão por parte da equipe médica. O objetivo desse
sistema é suprir as questões burocráticas e necessidades assis-
tenciais com uma visão unidirecional do prestador para o pacien-
te. (Aranha; Horstmann, 2019).
Os registros de saúde desempenham um papel fundamental
no desenvolvimento do processo de cuidado ao paciente, per-
mitindo o registro e comparação das informações individuais
ao longo de sua evolução clínica. Esses registros são frequente-
mente empregados por uma equipe multiprofissional, respon-
sável por coletar e utilizar as informações relevantes durante o
processo de cuidado. Além disso, eles fornecem validação dos
procedimentos e terapias adotados pela equipe clínica.
Embora comumente chamados de prontuários médicos, os
registros dos pacientes focam na medicalização e no papel proe-
minente do médico na saúde, apesar do atendimento ser presta-
do por uma equipe multiprofissional. Basicamente, o prontuário
do paciente contém informações relacionadas ao paciente orga-
nizadas para facilitar a comunicação entre todos os membros da
equipe de cuidados.
Alguns autores ressaltam que a palavra prontuário é origina-
da do latim promptuariume significa “lugar onde são guardadas
coisas de que se pode precisar a qualquer momento” ou “ma-
nual de informações úteis” ou ainda “ficha que contém os dados
pertinentes de uma pessoa” (Novaes, 2003) e (Silva, 2021).
No século XVIII, com a ciência em evidência, os médicos as-
sumiram o papel de cuidado do paciente que antes era incumbi-
do a igreja, com isso podemos observar uma evolução na forma
de organizar esses registros. Tais registros tinham característi-
cas que, de acordo com (Patrício et al., 2020), apresentavam as
identificações dos pacientes por etiquetas amarradas ao punho

166
e fichas em cima de cada leito, com o nome da doença, registro
geral das entradas e saídas, diagnóstico médico, tratamentos e
informações sobre alta e/ou óbito.
Atualmente, no prontuário do paciente conseguimos encon-
trar informações a respeito dos aspectos socioeconômicos, co-
morbidades, histórico de internações, diagnóstico, terapia ado-
tada e evolução clínica do paciente. Mesmo sendo um registro
comum para todos os profissionais, cada especialidade possui o
seu campo de registro, o que possibilita a organização das infor-
mações. O conteúdo dos prontuários é capaz de gerar informa-
ções que auxiliam em várias áreas do conhecimento, inclusive
para a jurídica.
Em especial, os documentos hospitalares têm como caracte-
rística fundamental o armazenamento desses registros pela uni-
dade que os mantêm. São documentos sigilosos que necessitam
de certo cuidado ao manuseio, para que no decorrer das suas
atividades sejam mantidos de forma íntegra, além de que as in-
formações que neles contêm, sejam usadas para consultas dos
familiares destes pacientes e dos profissionais de saúde.

METODOLOGIA

Para este estudo, foi usada a revisão integrativa para avaliar

criticamente o processo de digitalização de documentos e sin-
tetizar o conhecimento obtido para subsidiar sua utilização na
prática hospitalar. A busca por artigos foi realizada utilizando
palavras-chave retiradas dos títulos, como “Digitalização” e “Di-
gitalização de Prontuários”, nas plataformas BRAPCI e BVS. O
levantamento de dados foi realizado entre setembro de 2022 e
março de 2023.

167
 A seleção dos artigos considerou critérios como título, objeti-
vos e informações que atendiam ao objetivo do estudo. Foi dada
prioridade a artigos com análises estatísticas, após a avaliação
dos resumos e conclusões. Os critérios de inclusão envolveram
artigos que abordam a temática da pesquisa, com disponibilida-
de online e gratuita do texto na íntegra em língua portuguesa. O
acesso ao texto completo foi obtido através de links disponíveis
nas bases de dados selecionadas e nos portais dos periódicos
onde os artigos foram publicados.
A análise do material coletado foi conduzida com atenção cui-
dadosa, empregando uma abordagem criteriosa para garantir a
integridade e a fidedignidade dos resultados. Os artigos seleciona-
dos passaram por uma leitura minuciosa para uma compreensão
profunda das informações apresentadas por cada autor. Através
dessa análise, foram identificadas convergências e divergências
entre os estudos. Esse processo permitiu a formação de uma sín-
tese coerente e embasada sobre o processo de digitalização de
documentos e prontuários eletrônicos na prática hospitalar.
O período de publicação dos artigos selecionados foi de 2018
a 2023, priorizando os últimos 5 anos para avaliar a produção
científica recente sobre a digitalização de prontuários eletrôni-
cos. No entanto, alguns artigos de anos anteriores também fo-
ram incluídos pela relevância de suas informações.
A primeira base de dados utilizada foi a BVS, na qual uma bus-
ca pelas palavras-chave “digitalização”, “digitalização de pron-
tuários” e “prontuário eletrônico” resultou em 27.844 resultados.
Após filtragem por período (2018 a 2023), texto completo e idio-
ma português, foram encontrados 266 artigos. Destes, 6 foram
selecionados de acordo com os critérios do pesquisador, conside-
rando o tempo limitado para pesquisa dos demais arquivos. Além

168
disso, outras bases foram consultadas conforme necessário, ex-
pandindo a abrangência da busca por obras literárias pertinentes
à pesquisa.
No BRAPCI, ao buscar por “prontuário eletrônico”, foram en-
contrados 33 artigos. Refinando a pesquisa para o período de
2018 a 2023, texto completo e idioma português, foram identifi-
cados 17 artigos, dos quais 2 foram selecionados após análise da
síntese desenvolvida em cada um. Ao buscar “digitalização de
prontuário” no BRAPCI, encontraram-se 24 artigos, dos quais 11
foram utilizados por abordarem a importância da digitalização,
características dos documentos digitais e informações relevan-
tes para embasar este estudo.
A análise do material passou por uma leitura inicial seguida
pela identificação das convergências e divergências entre os
autores selecionados. No tocante aos aspectos éticos, todas as
normas de autoria e citação dos autores das publicações que
constituíram a amostra foram rigorosamente respeitadas.

POTENCIAL E DESAFIOS DOS PRONTUÁRIOS ELETRÔNICOS

A Resolução CFM nº 1.638/2002, que estabelece o prontuá-

rio médico como um documento essencial que reúne informa-
ções, sinais e imagens registrados sobre a saúde do paciente e
a assistência prestada a ele, confere a este documento um cará-
ter singular e multifacetado. Isso ressalta sua importância legal,
científica e sigilosa, tornando-o um elo crucial na comunicação
entre os profissionais de saúde e na continuidade dos cuidados
ao paciente. (Brasil, 2002)
O prontuário médico, nesse sentido, assume uma posição fun-
damental como um registro abrangente da história de saúde do

169
paciente e da abordagem médica ao longo do tempo. A compi-
lação das informações no prontuário não apenas contribui para
a formulação de diagnósticos acurados, mas também facilita a
definição de estratégias terapêuticas apropriadas e embasadas.
A amplitude da definição delineada pela Resolução CFM nº
1.638/2002 destaca a necessidade de salvaguardar a autenticida-
de, integridade e confidencialidade das informações nele con-
tidas, visando garantir tanto o bem-estar do paciente quanto a
melhoria contínua da qualidade da assistência médica. Essa per-
cepção sublinha a importância da digitalização dos prontuários,
um processo que, quando realizado adequadamente, reforça
esses alicerces e impulsiona a eficácia na gestão da informação
médica. (Brasil, 2002)
A era da tecnologia trouxe consigo a necessidade de sistema-
tizar informações, levando a uma transformação significativa na
prática tradicional de manter registros médicos em suportes fí-
sicos. Essa evolução tecnológica culminou no desenvolvimento
de diversas aplicações eletrônicas, sendo o Prontuário Eletrôni-
co do Paciente (PEP) uma notável dentre elas. O PEP se destaca
por sua capacidade de estruturar e organizar os dados clínicos
de maneira eficiente, fornecendo suporte fundamental para as
decisões clínicas. (Aranha; Horstmann, 2019)
No decorrer do tempo, os prontuários eletrônicos mostraram
sua importância na otimização dos sistemas de saúde, permitin-
do uma gestão ágil e eficaz das informações clínicas. O advento
da internet e da computação em nuvem desempenhou um pa-
pel crucial na transformação desses prontuários em ferramentas
versáteis, indo além de meros registros para se tornarem canais
de acesso e interação entre profissionais de saúde e pacientes.
Essa evolução não só facilita a comunicação, mas também apri-

170
mora o compartilhamento seguro de informações de saúde.
(Aranha; Horstmann, 2019)
O cenário da Saúde Digital trouxe à tona aplicativos integra-
dos aos prontuários eletrônicos, permitindo a transmissão de
resultados de exames e dados vitais por meio de dispositivos
médicos. A fusão dessas tecnologias oferece uma plataforma
abrangente, capacitando a comunicação, digitalização, armaze-
namento e interpretação dos dados clínicos.
A incorporação dos PEPs em serviços de teleconsulta, tele
interconsulta e telediagnóstico, especialmente em países com
regulamentações avançadas, destaca a versatilidade desses sis-
temas. Nos Estados Unidos, milhões de teleconsultas foram rea-
lizadas em um único ano, devidamente integradas aos PEPs e
regidas por protocolos de segurança estritos. (Tic Saúde, 2021)
Apesar das melhorias, os prontuários eletrônicos ainda en-
frentam desafios em sua implementação, como a ausência de pa-
dronização de terminologias e preocupações relacionadas à se-
gurança e confidencialidade. A recente promulgação da Lei Geral
de Proteção de Dados Pessoais (LGPD) oferece maior segurança
jurídica, mas também destacou a necessidade de capacitar os pro-
fissionais de saúde para uma adoção eficaz das tecnologias. (Tic
Saúde, 2021)
A transição dos prontuários de papel para plataformas ele-
trônicas não apenas revolucionou a organização e acessibilidade
das informações clínicas, mas também reafirmou a importância
desses prontuários eletrônicos na era da Saúde Digital. A evolu-
ção contínua desses sistemas e sua adaptação às demandas dos
pacientes e profissionais de saúde demonstram sua vitalidade e
potencial na assistência médica contemporânea. (Aranha; Horst-
mann, 2019) (Tic Saúde, 2021)

171
BENEFÍCIOS DA DIGITALIZAÇÃO DE PRONTUÁRIOS

O processo de digitalização dos prontuários médicos apre-

senta uma série de etapas criteriosas e cruciais, visando garan-
tir uma migração eficiente dos registros físicos para o ambien-
te digital. Esse procedimento se inicia com a seleção minuciosa
dos documentos físicos a serem convertidos, seguindo diretri-
zes definidas por regulamentações, como a Resolução CFM nº
1.638/2002. Utilizando tecnologias modernas, como scanners ou
câmeras digitais, ocorre a transformação dos registros físicos
em formatos digitais, preservando integralmente a integridade
das informações. (Brasil, 2002)
A fase subsequente compreende a indexação dos documen-
tos digitalizados, um processo no qual são atribuídas etiquetas
informativas para a categorização dos registros. Essas marca-
ções permitem uma identificação e recuperação rápida de infor-
mações específicas, tornando os registros altamente acessíveis
e funcionais. Os arquivos digitais resultantes são armazenados
em sistemas de nuvem ou servidores locais, garantindo a dispo-
nibilidade contínua dos dados e possibilitando acesso seguro e
imediato quando necessário. (Aranha; Horstmann, 2019)
O acesso aos prontuários digitais é rigidamente restrito a pro-
fissionais de saúde autorizados, salvaguardando integralmente
a confidencialidade dos pacientes e prevenindo qualquer forma
de utilização inadequada das informações. Para amplificar ainda
mais a segurança desse processo, a Resolução CFM nº 1.638/2002
determina medidas adicionais:
Acesso Estritamente Autorizado: O acesso aos prontuários
digitais é exclusivamente concedido a profissionais devidamen-
te autorizados, garantindo que somente indivíduos autorizados

172
tenham acesso a dados sensíveis.
Criptografia de Dados: As informações presentes nos pron-
tuários digitais são criptografadas, o que impede o acesso não
autorizado a esses dados por parte de terceiros.
Monitoramento de Acessos: Às atividades de acesso aos
prontuários são constantemente monitoradas, visando identifi-
car prontamente atividades suspeitas ou não autorizadas e pre-
venir potenciais violações de segurança. (Tic Saúde, 2021)
Realização de Backups Regulares: Rotineiramente, são rea-
lizados backups dos documentos digitais, mitigando a possibili-
dade de perda de informações em situações de falhas técnicas,
o que assegura a preservação contínua dos dados. (Tic Saúde,
2021)
A soma dessas etapas e medidas de segurança, como esta-
belecido pela Resolução CFM nº 1.638/2002, reforça a solidez e
a eficácia do processo de digitalização dos prontuários médicos.
Essa abordagem não apenas contribui para a proteção efetiva
dos pacientes, mas também aprimora a qualidade global dos
serviços de saúde; (Tic Saúde, 2021)
Ademais, (Silva, 2021) destaca a profusão de vantagens ofe-
recidas pelo prontuário eletrônico, tais como o acesso otimiza-
do às informações clínicas, maior nível de segurança e a incor-
poração de recursos tecnológicos inovadores. Tais benefícios
constituem a base sólida para a implementação e aceitação do
prontuário eletrônico, uma vez que essa abordagem impulsiona
a melhoria da qualidade dos cuidados de saúde, otimiza a gestão
de recursos e aprimora os processos administrativos e financei-
ros no contexto da área médica. (Silva, 2021)

173
ASPECTOS ÉTICOS

No contexto da digitalização dos prontuários médicos e sua

integração à Saúde Digital, emerge uma discussão intrínseca so-
bre os aspectos éticos que regem a manipulação e o comparti-
lhamento das informações clínicas. A ética, como base funda-
mental da prática médica e da pesquisa, assume um papel vital
na era tecnológica, moldando a maneira como os profissionais
de saúde lidam com os dados sensíveis dos pacientes e garantem
a preservação dos valores inerentes à relação médico-paciente.
A ética nesse cenário estabelece os princípios e diretrizes que
norteiam o uso responsável, seguro e confiável dos prontuários
eletrônicos, assegurando a privacidade, o consentimento infor-
mado e a proteção das informações pessoais.
A ética, como disciplina filosófica, trata dos princípios e nor-
mas morais que regem a conduta humana em diversos contex-
tos, incluindo a prática médica e a área da saúde. No cenário
dos prontuários eletrônicos, a ética se manifesta na salvaguarda
dos direitos dos pacientes à privacidade, à autonomia e à con-
fidencialidade de suas informações clínicas. Além disso, a ética
também orienta a transparência na coleta e uso de dados, bem
como a responsabilidade na comunicação e compartilhamento
dessas informações entre os profissionais de saúde. (Silva, 2021)
Diante da crescente interconexão dos sistemas de saúde e
da expansão do compartilhamento eletrônico de informações,
a ética torna-se uma bússola que direciona as escolhas e práti-
cas dos profissionais de saúde. Ela exige uma abordagem que
garanta que o paciente esteja no centro das decisões relaciona-
das ao seu tratamento e que seus direitos sejam respeitados.
No contexto dos prontuários eletrônicos, a ética não é apenas

174
uma consideração periférica, mas sim um princípio fundamental
que molda a concepção, implementação e uso desses sistemas,
garantindo que o avanço tecnológico seja pautado pela respon-
sabilidade e humanização da assistência médica (Aranha; Horst-
mann, 2019).
Assim, a presente análise investiga os variados prismas dos
aspectos éticos correlacionados à digitalização dos prontuários
médicos, englobando a preservação da privacidade e confiden-
cialidade dos dados, a significância do consentimento informado
e compartilhamento de informações, e ainda, a vital importância
da segurança e salvaguarda dos registros digitais. Cada um des-
tes temas delineia um pilar fundamental que orienta a aplicação
e o uso criterioso dos prontuários eletrônicos, realçando a pri-
mordialidade da ética como alicerce da transformação digital no
campo da saúde.

ASPECTOS ÉTICOS RELACIONADOS AO PRONTUÁRIO ELE-

TRÔNICO E A PRIVACIDADE E CONFIDENCIALIDADE DOS DA-
DOS

A privacidade e confidencialidade dos dados estão enraiza-

das nos princípios éticos da autonomia e da não maleficência.
O prontuário médico, tradicionalmente um documento físico,
agora digitalizado, contém informações sensíveis sobre a saúde
do paciente e o tratamento prestado a ele. A Lei Geral de Prote-
ção de Dados Pessoais (LGPD), Lei nº 13.709/2018, desempenha
um papel crucial na garantia de que esses dados sejam tratados
de maneira ética e responsável. A LGPD estabelece normas para
a coleta, armazenamento, tratamento e compartilhamento de
dados pessoais, incluindo informações de saúde presentes nos

175
prontuários eletrônicos (Brasil, 2018).
A LGPD reforça o direito do paciente de estar ciente de quais
dados estão sendo coletados e como serão utilizados. Isso re-
quer que as instituições de saúde obtenham o consentimento
informado e específico do paciente antes de utilizar suas infor-
mações médicas. Essa abordagem ética coloca o paciente no
centro do processo, empoderando-o a tomar decisões informa-
das sobre o uso de seus próprios dados.
A segurança dos dados também é uma preocupação ética
central. A LGPD exige que as instituições de saúde adotem me-
didas técnicas e organizacionais para proteger os dados dos pa-
cientes contra vazamentos e acessos não autorizados. A cripto-
grafia, autenticação de usuários e o controle rigoroso de acesso
são algumas das medidas que garantem a confidencialidade das
informações. (Tic Saúde, 2021)
A figura do Encarregado de Proteção de Dados (DPO) pre-
vista na LGPD desempenha um papel crucial na supervisão da
conformidade com a lei e na promoção de uma cultura de ética
e responsabilidade no tratamento de dados. O DPO atua como
intermediário entre a instituição de saúde, os pacientes e as au-
toridades reguladoras, garantindo a transparência e a conformi-
dade com as normas éticas e legais. (Brasil, 2018)
Dessa forma, a abordagem ética na privacidade e confiden-
cialidade dos dados nos prontuários eletrônicos é indispensável
para construir confiança e promover o respeito pelos direitos
dos pacientes. A LGPD surge como uma estrutura regulatória es-
sencial que alinha a tecnologia à ética, assegurando que os pron-
tuários eletrônicos sejam uma ferramenta de cuidados de saúde
eficaz e responsável (Tic Saúde, 2021).

176
ASPECTOS ÉTICOS RELACIONADOS AO PRONTUÁRIO ELE-
TRÔNICO E O CONSENTIMENTO INFORMADO E COMPARTI-
LHAMENTO DE INFORMAÇÕES

A importância primordial do consentimento informado assu-

me um lugar central no contexto dos prontuários eletrônicos. A
obra “Discussão Ética sobre o Prontuário Eletrônico do Paciente”
realça que o consentimento informado materializa a autonomia
do paciente. Este procedimento não é apenas uma formalidade,
mas uma prática intrínseca para respeitar o direito do paciente
à autodeterminação. (Almeida et al., 2016). A Lei Geral de Prote-
ção de Dados Pessoais (LGPD) também reforça essa perspecti-
va ao estipular que o tratamento de dados pessoais, presentes
nos prontuários eletrônicos, exige consentimento explícito do
paciente. (Brasil, 2018)
Além disso, a obra “TIC Saúde: Pesquisa sobre o Uso das Tec-
nologias de Informação e Comunicação nos Estabelecimentos
de Saúde Brasileiros” ressalta que o consentimento informado
não se limita à coleta inicial de dados, devendo ser um processo
contínuo (Tic Saúde, 2021). Os pacientes têm o direito de serem
informados sobre possíveis mudanças no uso de suas informa-
ções e a capacidade de revogar o consentimento a qualquer mo-
mento. Isso reflete um enfoque ético que valoriza a transparên-
cia e a colaboração entre pacientes e profissionais de saúde.
Adicionalmente, a questão do compartilhamento de informa-
ções nos prontuários eletrônicos demanda um equilíbrio sensí-
vel entre vantagens clínicas e salvaguardas éticas. A obra “TIC
Saúde” destaca que o compartilhamento de informações pode
melhorar a qualidade do atendimento médico, permitindo que
diversos profissionais tenham acesso a dados relevantes para

177
decisões clínicas mais precisa (Tic Saúde, 2021). No entanto, tal
compartilhamento deve ser realizado com máxima considera-
ção à privacidade do paciente. A LGPD estabelece diretrizes ri-
gorosas para a divulgação de dados pessoais, e os prontuários
eletrônicos devem ser projetados com medidas técnicas que ga-
rantam que apenas profissionais autorizados possam acessar as
informações. (Brasil, 2018)
A compilação das obras ressalta a essência ética na transfor-
mação digital da saúde, enfatizando a importância da confiden-
cialidade dos dados, a preservação da privacidade e o respeito
aos direitos dos pacientes como prioridades inegociáveis. A di-
gitalização dos prontuários médicos e a interconexão dos siste-
mas de saúde trazem o potencial de elevar a qualidade e a eficá-
cia do atendimento médico, desde que sejam executados com
responsabilidade ética para que os benefícios superem os riscos.
A abordagem desses aspectos éticos é fundamental para garan-
tir uma transição responsável à era digital na saúde.

ASPECTOS ÉTICOS RELACIONADOS AO PRONTUÁRIO ELE-

TRÔNICO E A SEGURANÇA E PROTEÇÃO DOS REGISTROS DI-
GITAIS

A obra “Discussão Ética sobre o Prontuário Eletrônico do Pa-

ciente” acentua que a segurança dos registros digitais é um pi-
lar fundamental da prática médica digitalizada. Os prontuários
eletrônicos, ao conterem informações sensíveis dos pacientes,
devem ser resguardados de acesso não autorizado por meio de
medidas tecnológicas adequadas (Almeida et al., 2016). A Lei
Geral de Proteção de Dados Pessoais (LGPD) também entra em
cena ao estabelecer que é responsabilidade das instituições de

178
saúde protegerem os dados pessoais dos pacientes de ameaças
cibernéticas e vazamentos. (Brasil, 2018)
A complexidade do ambiente digital impõe a necessidade de
soluções robustas para proteger os registros médicos. A obra
“TIC Saúde: Pesquisa sobre o Uso das Tecnologias de Informa-
ção e Comunicação nos Estabelecimentos de Saúde Brasileiros”
destaca que as instituições de saúde devem implementar medi-
das de criptografia e autenticação rigorosas para salvaguardar a
confidencialidade dos dados. (Tic Saúde, 2021)
Além disso, a adoção de protocolos de segurança avançados
é essencial para prevenir o acesso não autorizado e assegurar
que apenas profissionais de saúde autorizados possam interagir
com os prontuários eletrônicos.
É imperativo reconhecer que os desafios da segurança ciber-
nética são uma realidade constante. A expansão das tecnolo-
gias de informação e comunicação na saúde também amplia a
superfície de ataque potencial para cibercriminosos. A obra “TIC
Saúde” aponta que a conscientização e a educação dos profis-
sionais de saúde sobre as melhores práticas de segurança digital
são medidas cruciais para evitar ataques e garantir a confiabi-
lidade dos registros eletrônicos (Tic Saúde, 2021). A segurança
não é apenas uma preocupação tecnológica, mas também um
compromisso ético com a integridade das informações e a con-
fiança dos pacientes.
No contexto da transformação digital na área da saúde, a pro-
teção dos registros digitais nos prontuários eletrônicos não deve
ser vista como uma mera formalidade, mas sim como um impe-
rativo ético. A confiabilidade desses registros é essencial para
embasar diagnósticos, guiar tratamentos e preservar o bem-es-
tar dos pacientes. Nesse sentido, a integridade dos prontuários

179
eletrônicos, aliada às medidas de segurança robustas, reforça a
ética médica como uma base essencial na era da saúde digital.

CONSIDERAÇÕES FINAIS

Ao examinar o cenário da transformação digital na área da

saúde, observa-se que a transição dos prontuários tradicionais
para os registros eletrônicos constitui um marco significativo. As
implicações e potencialidades dessa transição são vastas e com-
plexas, envolvendo tanto avanços promissores quanto desafios
éticos cruciais. A digitalização dos prontuários médicos é vista
como uma evolução na prestação de serviços de saúde, impul-
sionando melhorias tangíveis na qualidade do atendimento e no
embasamento das decisões clínicas.
A facilidade na comunicação entre os profissionais de saúde,
a interconexão dos registros digitais com sistemas de telecon-
sulta e telediagnóstico, por meio de plataformas como a Rede
Nacional de Dados em Saúde (RNDS), promove um ambiente
colaborativo e centrado no paciente. Entretanto, essa jornada
não está isenta de desafios, sendo imperativo abordar questões
éticas complexas inerentes à segurança, confidencialidade e pri-
vacidade dos dados sensíveis dos pacientes.
O respeito às normas regulatórias vigentes, em especial a
Resolução CFM nº 1.638/2002 e a Lei Geral de Proteção de Da-
dos Pessoais (LGPD), demonstra-se como um alicerce primordial
para a implementação bem-sucedida da digitalização. A integri-
dade e a confidencialidade dos prontuários eletrônicos, assegu-
radas por medidas tecnológicas como criptografia e autentica-
ção, são cruciais para mitigar riscos e preservar a confiança nas
interações médicas virtuais. Além disso, a busca pelo consenti-

180
mento informado e a comunicação transparente com os pacien-
tes emergem como elementos-chave para construir relações ba-
seadas na confiança e no respeito à autonomia.
Este estudo, contudo, também revelou limitações intrínsecas
à sua abordagem. A análise concentrou-se predominantemente
nas implicações éticas e na segurança dos prontuários eletrôni-
cos, deixando espaço para investigações futuras que explorem
mais profundamente os impactos psicossociais sobre os pacien-
tes durante essa transição.
Ademais, uma análise mais abrangente das práticas ideais de
implementação, considerando não apenas os aspectos tecnoló-
gicos, mas também os desafios práticos e éticos, poderão pro-
porcionar insights valiosos para a promoção de uma digitaliza-
ção eficaz e ética.
Com vistas ao futuro, surgem recomendações para pesquisas
subsequentes nesta área tais como: estudos que explorem o al-
cance completo dos efeitos psicológicos e sociais sobre pacien-
tes e profissionais de saúde ao adotar os prontuários eletrônicos
podem fornecer insights para otimizar a experiência de adoção,
além de investigações voltadas para o desenvolvimento de dire-
trizes práticas para a implementação ética da digitalização, con-
siderando as complexidades normativas e tecnológicas, repre-
sentam um avanço crucial para a adoção mais ampla e segura
dessa inovação.
Em síntese, a jornada em direção à digitalização dos prontuá-
rios médicos é uma trajetória complexa, marcada por progres-
sos notáveis e desafios intrincados. A busca pela excelência na
assistência à saúde, alinhada à ética médica e ao respeito ao pa-
ciente, exige uma abordagem atenta e equilibrada.
A convergência entre o avanço tecnológico e os valores fun-

181
damentais da medicina é a espinha dorsal dessa evolução, re-
forçando a responsabilidade contínua de harmonizar os avanços
tecnológicos com a dignidade humana. Nesse contexto, este es-
tudo buscou oferecer uma análise detalhada da temática e des-
tacou a importância de futuras investigações para aprofundar e
ampliar o entendimento dessas questões críticas.

REFERÊNCIAS

ALMEIDA, Maria José Guedes Gondim et al. Discussão Ética sobre o Prontuário Ele-
trônico do Paciente. Revista Brasileira de Educação Médica. Brasília - DF, 2016. 7 p.
Disponível em: https://doi.org/10.1590/1981-52712015v40n3e01372015. Acesso em: 1
jun. 2022.
ARANHA, Renata; HORSTMANN, Bruno. O Prontuário e o Paciente Digital. Revista
Brasileira de Geriatria e Gerontologia. Rio de Janeiro , 2019. 3 p. Disponível em: ht-
tps://www.scielo.br/j/rbgg/a/8gKL4TPHfKmP3Hpzn35x4fw/?format=pdf&lang=pt.
Acesso em: 21 jul. 2023.
BRASIL. Congresso Nacional. Lei n. 13709, de 13 de agosto de 2018. Diário Oficial da
União, Brasília, 14 de agosto de 2018, ano 2018.
BRASIL. Conselho Federal de Medicina. Resolução CFM n. 1.638/2002, de 08 de
agosto de 2002. Diário Oficial: Seção 1, Brasília, 09 de agosto de 2002, ano 2002.
FILGUEIRAS, Maria de Fátima Freire et al. Regulamentação dos documentos digi-
tais: uma análise do panorama brasileiro. Revista de Direito da Faculdade de Direito
da Universidade de São Paulo (RDUSP), São Paulo -SP, 2021.
JÚNIOR, Paulo Valdemar Zilli; PINTO, Adilson Luiz. Aplicação de uma metodologia e men-
suração do processo de digitalização: estudo a partir de prontuários de pacientes. Ago-
ra: Arquivologia em debate. Florianópolis - SC, 2014. 9 p. Disponível em: https://agora.
emnuvens.com.br/ra/article/view/481. Acesso em: 11 mar. 2022.
NOVAES, Hillegonda Maria Dutilh. A evolução do registro médico: O prontuário
eletrônico do paciente na assistência, informação e conhecimento médico. Tradu-
ção. São Paulo - SP, 2003 Trabalho de Conclusão de Curso (Medicina) - Universida-
de de São Paulo, São Paulo- SP, 2003.
OLIVEIRA, José Carlos; SANTOS, José Carlos. Digitalização de documentos: desa-
fios e perspectivas. Revista Brasileira de Arquivologia (RBA), 2018.

182
PATRÍCIO, Camila Mendes et al. O prontuário eletrônico do paciente no sistema de
saúde brasileiro: uma realidade para os médicos?. Scientia Médica. 2020. 11 p. Dis-
ponível em: https://revistaseletronicas.pucrs.br/index.php/scientiamedica/article/
view/8723. Acesso em: 12 jul. 2022.
SANTOS, Pablo Soledade de Almeida; MIRANDA, Zeny Dua. Digitalização de docu-
mentos: um processo de gestão documental. Revista Brasileira de Arquivologia
(RBA), 2019.
SILVA, Cristiane Rodrigues da. História do Prontuário Médico: Evolução do Prontuá-
rio Médico Tradicional ao Prontuário Eletrônico do Paciente – PEP. São Paulo - SP,
v. 1, 2021. 13 p Dissertação - Universidade de São Paulo, São Paulo- SP, 2021.
TIC SAÚDE. Pesquisa sobre o Uso das Tecnologias de Informação e Comunicação nos Es-
tabelecimentos de Saúde Brasileiros. Covid 19 ed. São Paulo - SP: Comitê Gestor da In-
ternet no Brasil, v. 1, 2021. 316 p. Disponível em: https://cetic.br/media/docs/publica-
coes/2/20211130124545/tic_saude_2021_livroeletronico.pdf. Acesso em: 16 fev. 2022.

183