O Perceptron

🎟️ A peça

A peça desta sala é uma máquina do tamanho de um armário, de 1958, com um olho. O olho era uma grade de quatrocentos sensores de luz, vinte por vinte, apontados pra um cartão. Atrás dela, um emaranhado de fios e botões giratórios que mudavam de posição sozinhos enquanto a coisa funcionava.

Mark I Perceptron, 1958. A primeira máquina que aprendeu a ver sem ninguém lhe ensinar as regras.

Ninguém programou nela o que era um quadrado ou um triângulo. Ela viu exemplos, errou, se corrigiu, e foi ficando boa sozinha. É a tataravó de toda IA que aprende, inclusive a sua.

❓ O gancho

Ninguém sentou e escreveu as regras da gramática dentro do ChatGPT. Ninguém digitou “isto é um gato” pra cada gato do mundo. A IA de hoje aprende vendo exemplos, montanhas deles, ajustando-se sozinha até acertar. De onde veio essa ideia, a de uma máquina que aprende com exemplos em vez de seguir regras escritas à mão?

Veio de um psicólogo, de um olho de quatrocentos sensores, e de uma das maiores explosões de hype da história.

🕰️ A história

Frank Rosenblatt era psicólogo de formação, não engenheiro, e a pergunta que ele perseguia era de psicólogo. Como é que um cérebro aprende a reconhecer as coisas? Ninguém nasce sabendo ler. A criança vê a letra A mil vezes, em mil formatos, e um dia o reconhecimento simplesmente acontece. Rosenblatt, trabalhando num laboratório de aeronáutica ligado a Cornell, quis construir uma máquina que fizesse isso.

Lembra do neurônio do McCulloch e do Pitts, lá no fim da Ala 2? Ele era fixo. Montado à mão pra fazer uma lógica decidida de antemão, não mudava nunca. Rosenblatt deu o passo que faltava. E se cada ligação do neurônio tivesse um peso, um valor que dá mais ou menos importância a cada entrada, e a máquina pudesse ajustar esses pesos sozinha?

O Perceptron funcionava assim. Você mostra um cartão com uma forma. A máquina chuta uma resposta. Se errou, ela mexe nos próprios pesos, um tiquinho, na direção que teria acertado. Mostra outro cartão, outro chute, outra correção. Centenas de vezes. No começo ela vai mal, no chute puro. Aos poucos os pesos vão se acomodando, e um dia ela acerta quase sempre. Ninguém disse pra ela o que era a forma. Ela destilou isso dos exemplos, sozinha. Repara que isso é aprender, no sentido mais honesto da palavra.

A versão física, o Mark I Perceptron, era do tamanho de um armário. O olho eram aquelas quatrocentas células de luz numa grade. Os pesos eram botões giratórios que motorzinhos elétricos ajustavam sozinhos, na medida em que a máquina aprendia. Era 1958, e tinha uma coisa ali na sala aprendendo a enxergar.

E aí o mundo perdeu a cabeça. A Marinha americana, que bancava a pesquisa, fez uma coletiva de imprensa, e os jornais foram à loucura. O New York Times anunciou aquilo assim:

[O Perceptron é] o embrião de um computador eletrônico que [a Marinha] espera que um dia ande, fale, veja, escreva, se reproduza e tenha consciência da própria existência.

Isso em 1958. A partir de um bichinho que mal distinguia um quadrado de um triângulo.

Faltava o tombo, e ele veio em 1969, da pior fonte possível. Marvin Minsky, lembra dele, um dos fundadores que batizaram a IA em Dartmouth, junto com Seymour Papert escreveu um livro inteiro, chamado Perceptrons, dissecando o que a máquina do Rosenblatt conseguia e o que não conseguia. E eles provaram, com a matemática na mão, uma limitação dura. Um Perceptron simples, de uma camada só, era incapaz de aprender certos padrões básicos. O exemplo que ficou famoso é de uma simplicidade humilhante, uma operaçãozinha lógica chamada OU-exclusivo, do tipo “um ou outro, mas não os dois”, que qualquer criança entende e que o Perceptron não conseguia, de jeito nenhum, aprender.

O estrago foi gigante. Vindo de um nome do peso do Minsky, o livro soou como uma certidão de óbito. O dinheiro pra pesquisa em redes que aprendem secou. A linha inteira do Perceptron foi dada como morta e ficou no gelo por quase quinze anos. E aqui mora a parte mais triste. Frank Rosenblatt morreu em 1971, num acidente de barco, no dia em que completava 43 anos, sem ver a ideia dele voltar.

Porque ela voltou. O limite que o Minsky apontou era real, mas só pro Perceptron mais simples, de uma camada. Empilhar várias camadas resolvia o problema, e o próprio Rosenblatt já desconfiava disso. O que faltava era um jeito de treinar essas camadas, e esse jeito chegaria, só que lá nos anos 80. O Minsky estava certo na conta e errado no enterro.

🔗 A revelação

Aqui o museu te entrega a virada. Lembra que na sala passada o pessoal de Dartmouth apostou na lógica, nas regras escritas à mão, e que eu te disse que a máquina que venceu veio por outra estrada? Esta é a outra estrada. O Perceptron, a máquina que aprende ajustando pesos a partir de exemplos, é a antepassada direta de toda rede neural de hoje. Quando você usa um modelo de linguagem, você está usando um bisneto gigantesco e muito mais esperto do Perceptron do Rosenblatt. Bilhões de pesos, em vez de quatrocentos botões, ajustados a partir de quase tudo que a humanidade já escreveu, em vez de uns cartões. Mas o gesto é exatamente o mesmo. Mostrar exemplos, errar, corrigir o peso, repetir, até a competência emergir sozinha.

Deixa o tamanho da ironia te pegar. A linha que foi declarada morta em 1969, a que perdeu o dinheiro e o prestígio, a que ficou quinze anos no freezer, é a linha que venceu. O Logic Theorist, a estrela lógica de Dartmouth, virou nota de rodapé. O patinho feio do Perceptron virou o cisne. A IA que mudou o teu trabalho desceu da rede neural que quase morreu na praia, não da lógica que parecia óbvia em 1956.

🪞 O GEB

Tem um momento lindo no nosso livro-patrono em que o Hofstadter conversa com uma colônia de formigas, tratando o formigueiro inteiro como uma personagem só, dona de pensamentos próprios. A provocação séria é esta. A colônia sabe coisas, se comporta, parece decidir, e mesmo assim nenhuma formiga sozinha sabe de nada. O conhecimento não está em formiga nenhuma. Está espalhado no formigueiro inteiro, no padrão, sem endereço fixo.

O Perceptron é a primeira máquina deste museu que funciona assim. Depois de treinado, ele sabe reconhecer uma forma. Mas se você abrir a máquina procurando onde está guardada a “forma”, não acha. Não existe um lugar com a resposta. O que existe são quatrocentos números espalhados, cada um sem sentido nenhum sozinho, e o reconhecimento mora no conjunto deles, do mesmo jeito que o pensamento mora na colônia e não na formiga.

Essa estranheza é a raiz de uma coisa que te incomoda até hoje. Quando dizem que ninguém consegue abrir um modelo de linguagem e explicar direito por que ele respondeu exatamente aquilo, é isto aqui, levado a bilhões. O saber está no padrão, espalhado, sem endereço. A máquina já guardava esse mistério em 1958, com quatrocentos botões.

🛠️ Leve com você

O Perceptron nasceu pra aprender de um jeito só, vendo exemplos. Essa é a língua nativa de toda IA que veio depois dele. Por isso mostrar costuma ser mais forte do que mandar. Um bom exemplo dentro do prompt ensina o modelo mais rápido do que três parágrafos explicando o que você quer.

Na prática, quando a IA não está acertando o tom, o formato ou o estilo que você quer, para de descrever e mostra. Cola um exemplo do resultado bom, ou dois, antes de pedir o seu. “Faça no estilo deste aqui” liga uma parte da máquina que “explique o estilo que eu quero” nunca alcança. Você está falando com uma descendente do Perceptron, e ela aprende como ele aprendia, por exemplo, não por sermão.

🤔 Pra pensar

Marvin Minsky era um dos sujeitos mais inteligentes que o campo já teve, e olhou pro Perceptron com toda essa inteligência e cravou que aquilo não ia longe. Estava certo na matemática e errado no futuro. A ideia que ele ajudou a enterrar levantou da cova quinze anos depois e virou a tecnologia que move o mundo agora. Pensa no peso disso na próxima vez que a pessoa mais inteligente e mais segura da sala descartar uma ideia nova com uma explicação impecável. Estar certo nos detalhes e cego no todo é uma das coisas mais fáceis de fazer com uma cabeça brilhante.

⏭️ Para onde ir agora

O tombo do Perceptron não foi um acidente isolado. Foi o primeiro de um padrão que ia se repetir. A IA prometia o céu, a realidade entregava um pedacinho, o dinheiro animado ia embora magoado, e o campo inteiro congelava.

Aconteceu não uma, mas duas vezes, com tanta força que ganhou nome próprio. A próxima sala é sobre os anos em que o sonho da IA virou piada, os laboratórios fecharam, e dizer que você trabalhava com “inteligência artificial” era quase um vexame. Bem-vindo aos invernos.