Interview with Kalle Lyytinen on "Implications of Theories of Language for Information Systems"
Nesta entrevista, Kalle Lyytinen reflete sobre as origens e a evolução de seu trabalho seminal sobre os fundamentos linguísticos dos sistemas de informação, discutindo sua relevância contínua na era dos grandes modelos de linguagem e da IA generativa, ao mesmo tempo em que delineia direções de pesquisas futuras.
Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine o mundo dos Sistemas de Informação (SI) não como uma coleção de fios frios e duros e telas brilhantes, mas como uma biblioteca gigante e movimentada onde os livros são feitos de luz e os bibliotecários são algoritmos. Em seu cerne, SI é o estudo de como usamos a tecnologia para conversar uns com os outros e realizar tarefas. Pense nisso como um projeto de tradução massivo: humanos têm sentimentos e ideias bagunçados e complicados, e computadores falam em um código binário estrito (uns e zeros). O trabalho dos pesquisadores de SI é descobrir como construir pontes entre esses dois mundos para que o computador entenda o que queremos dizer, e nós entendamos o que o computador está fazendo. Por décadas, cientistas argumentaram sobre como a linguagem funciona para construir essas pontes. Alguns pensam que a linguagem é como um conjunto rígido de regras matemáticas (gramática), enquanto outros pensam que é mais como um jogo social onde o significado muda dependendo de quem está falando e onde. Isso importa para todos porque toda vez que você envia uma mensagem de texto, pede uma pizza online ou usa um GPS, você está confiando nessas pontes invisíveis. Se a ponte for construída sobre a ideia errada de como a linguagem funciona, a mensagem se perde, a pizza vai para a casa errada ou o GPS te leva para dentro de um lago.
Nesta conversa animada, Kalle Lyytinen, um pesquisador veterano que escreveu pela primeira vez sobre essas "pontes linguísticas" há quarenta anos, senta-se com dois entrevistadores curiosos para ver como o cenário mudou. O artigo é essencialmente um bate-papo de viagem no tempo onde Lyytinen olha para trás para seu famoso artigo de 1985 e pergunta: "Nós acertamos? E o que fazemos agora que os computadores podem falar de volta?"
Lyytinen explica que sua ideia original era simples, mas profunda: os Sistemas de Informação não são apenas máquinas; eles são sistemas linguísticos. Ele os compara a "cadeias de bits" (longas correntes de zeros e uns) que são completamente sem sentido até que os humanos lhes deem uma história. Um computador é apenas um robô que embaralha essas cadeias de bits; ele não sabe o que elas significam. O significado vem de nós, os humanos, que usamos esses sistemas para nos comunicar e trabalhar. Ele argumenta que, por muito tempo, os pesquisadores trataram a linguagem como um fato entediante e de fundo — como o ar que apenas respiramos sem pensar sobre ele. Mas Lyytinen insiste que o "ar" é, na verdade, a parte mais importante. Se você não entende como as pessoas usam as palavras para criar significado, você não consegue construir um sistema que realmente as ajude.
Quando os entrevistadores perguntam se seu antigo conselho ainda se sustenta, Lyytinen admite que o mundo mudou. Nos anos 80, os computadores eram usados principalmente para automatizar tarefas de escritório entediantes, como controlar estoque ou contabilidade. Estas eram versões digitais de antigos arquivos de papel. Hoje, porém, temos Modelos de Linguagem de Grande Escala (LLMs) e IA Generativa. Estes são os novos garotos da turma. Lyytinen os descreve como fascinantes, mas complicados. Ao contrário dos computadores antigos que seguiam regras estritas, esses novos modelos de IA são como papagaios superinteligentes. Eles não "sabem" realmente o que uma palavra significa; eles apenas sabem quais palavras costumam aparecer próximas umas das outras com base na leitura de bilhões de frases. Eles são incrivelmente bons em adivinhar a próxima palavra em uma frase, mas não têm conceito do mundo real. Se você fizer uma pergunta a eles, eles não "pensam" sobre a resposta; eles apenas calculam a resposta mais provável baseada em padrões.
Isso leva a uma grande reviravolta na história. Lyytinen aponta que, embora esses modelos de IA sejam incríveis ao mimetizar a fala humana, eles carecem de uma "visão normativa". Em termos simples, eles não sabem o que é certo ou errado no mundo real, apenas o que é comum em seus dados de treinamento. Eles são como um chef que provou todas as receitas do mundo, mas nunca realmente comeu uma refeição ou entendeu o que é a fome. Por causa disso, Lyytinen sugere que não podemos apenas confiar neles cegamente. Nós, humanos, ainda somos os "árbitros finais" — temos que decidir se o que a IA diz realmente faz sentido.
A conversa também mergulha em como isso altera a "camada de dados" de nossa tecnologia. Lyytinen usa uma analogia criativa aqui: no passado, os dados eram como um arquivo de gavetas organizadas com pastas rotuladas. Agora, com a IA, a camada de dados tornou-se uma sopa caótica, mas poderosa, de "tokens" (pequenos pedaços de palavras) e "modelos" (as receitas para misturá-los). Este é um tipo de artefato inteiramente novo que os pesquisadores ainda estão tentando entender. Não se trata mais apenas de armazenar dados; trata-se de gerenciar essas novas e fluidas capacidades. Lyytinen avisa que estamos atualmente em uma fase de "aprender tentando". Não temos um mapa perfeito de como gerenciar essas novas ferramentas de IA em grandes empresas ainda. É como tentar construir um arranha-céu enquanto o solo ainda está se movendo.
Finalmente, Lyytinen oferece um conselho para a próxima geração de pesquisadores (como os estudantes de doutorado que fazem as perguntas). Ele sugere que a melhor maneira de deixar sua marca não é apenas seguir o último hype, mas fazer uma pergunta de "nível superior". Em vez de apenas perguntar "Como codificamos esta IA?", pergunte "Como esta IA muda a forma como pensamos sobre o trabalho?" ou "Como ela muda o significado dos dados?". Ele acredita que a pesquisa mais emocionante virá de entender como essas novas ferramentas performativas (ferramentas que fazem coisas em vez de apenas mostrar coisas) se encaixam em nossas vidas sociais.
Em resumo, o artigo sugere que, embora nossas ferramentas para falar com computadores tenham ficado incrivelmente sofisticadas, a regra fundamental permanece: o significado é algo humano. Computadores podem embaralhar palavras e adivinhar padrões, mas não podem criar significado por conta própria. À medida que avançamos, o desafio não é apenas construir IAs mais inteligentes, mas descobrir como tecer essas novas máquinas de correspondência de padrões na estrutura social e linguística desordenada da vida humana sem perder o controle sobre o que realmente importa. O artigo não afirma ter resolvido esse quebra-cabeça; em vez disso, sugere que estamos apenas no início de uma longa e interessante jornada para entendê-lo.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.