Como chegamos às inteligências artificiais que escrevem, traduzem, criam imagens, reconhecem padrões e conversam conosco?Neste vídeo percorremos a história da Inteligência Artificial como uma jornada contínua: das primeiras perguntas sobre o que significa pensar, passando pela criação formal do campo, pelas promessas e frustrações das primeiras décadas, pelo retorno das redes neurais e pela revolução recente do deep learning, dos transformers e da IA generativa.Mais do que uma sequência de invenções, esta é uma história de ideias: lógica, linguagem, aprendizagem, dados, poder computacional e escolhas humanas. Ao longo do caminho, encontramos nomes como Alan Turing, John McCarthy, Marvin Minsky e muitos outros pesquisadores que ajudaram a transformar uma pergunta filosófica em uma tecnologia que já influencia ciência, trabalho, educação, cultura e política.O vídeo também discute os limites dessa trajetória. Sistemas de IA não são neutros nem mágicos: eles dependem de dados, infraestrutura, decisões de projeto, avaliação rigorosa e responsabilidade social. Entender a sua história é uma forma de participar com mais clareza do debate sobre o futuro.Da pergunta “máquinas podem pensar?” às ferramentas que hoje produzem texto, imagens e códigos, a História da IA é também a história de como redefinimos inteligência, conhecimento e criatividade.Referências científicas e institucionais1. Turing, A. M. (1950). Computing Machinery and Intelligence. Mind, 59(236), 433–460. https://doi.org/10.1093/mind/LIX.236.4332. McCarthy, J.; Minsky, M. L.; Rochester, N.; Shannon, C. E. (1955). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence. https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html.3. McCulloch, W. S.; Pitts, W. (1943). A Logical Calculus of the Ideas Immanent in Nervous Activity. The Bulletin of Mathematical Biophysics, 5, 115–133. https://doi.org/10.1007/BF024782594. Rosenblatt, F. (1958). The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain. Psychological Review, 65(6), 386–408. https://doi.org/10.1037/h00425195. Newell, A.; Simon, H. A. (1976). Computer Science as Empirical Inquiry: Symbols and Search. Communications of the ACM, 19(3), 113–126. https://doi.org/10.1145/360018.3600226. Krizhevsky, A.; Sutskever, I.; Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. NeurIPS 2012. https://proceedings.neurips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf7. Silver, D. et al. (2016). Mastering the Game of Go with Deep Neural Networks and Tree Search. Nature, 529, 484–489. https://doi.org/10.1038/nature169618. Vaswani, A. et al. (2017). Attention Is All You Need. NeurIPS 2017. https://papers.nips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf9. Devlin, J.; Chang, M.-W.; Lee, K.; Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. NAACL-HLT. https://arxiv.org/abs/1810.0480510. Stanford Institute for Human-Centered Artificial Intelligence. (2025). AI Index Report 2025. [Relatório oficial](https://hai.stanford.edu/ai-index/2025-ai-index-report11. Nilsson et al.(2016). Stanford AI Index. A Short History of AI. https://ai100.stanford.edu/2016-report/appendix-i-short-history-ai12. Tim Mucci (2026). IBM Think. The History of Artificial Intelligence https://www.ibm.com/think/topics/history-of-artificial-intelligencePara continuar a conversaQual momento dessa história mais muda a sua percepção sobre a IA: a pergunta de Turing, o nascimento do campo em Dartmouth, as redes neurais, o aprendizado profundo ou os modelos generativos?Deixe seu comentário, compartilhe este vídeo com quem quer entender a IA para além das manchetes e inscreva-se para acompanhar as próximas histórias sobre ciência, tecnologia e as ideias que transformam o mundo.
