Is There Meaning Without Anyone Meaning Anything? A Structuralist Proposal for Artificial Semantics

Durante décadas, uma guerra silenciosa foi travada sobre a natureza do significado. De um lado estão os engenheiros que construíram as primeiras máquinas pensantes, convencidos de que, se um computador pudesse seguir o conjunto certo de regras, eventualmente entenderia o mundo tal como um ser humano. Do outro lado estão os filósofos e biólogos que argumentam que o verdadeiro entendimento requer um corpo, um sistema nervoso e a experiência direta e desordenada de tocar, ver e mover-se através da realidade. Por muito tempo, esses dois campos pareceram estar falando um com o outro sem se entenderem. As máquinas seguidoras de regras podiam resolver quebra-cabeças lógicos, mas falhavam em compreender a nuance de uma piada ou o peso de uma metáfora. As teorias focadas no corpo explicavam como os humanos aprendem, mas pareciam sugerir que uma máquina, carecendo de um corpo, jamais poderia realmente pensar. Esse debate nos deixou com uma questão persistente: pode uma máquina possuir significado se ela nunca sentiu o sol em sua pele ou o peso de uma pedra em sua mão?

Hoje, o cenário mudou dramaticamente. Temos agora sistemas de inteligência artificial que podem escrever poesia, responder perguntas complexas e manter conversas que parecem surpreendentemente humanas. No entanto, esses sistemas são desincorporados; eles não têm olhos, não têm mãos e não têm uma história pessoal. Eles existem apenas como vastas redes de conexões matemáticas treinadas em quantidades enormes de texto. Isso cria um paradoxo confuso. Essas máquinas produzem uma linguagem que é coerente e perspicaz, mas carecem justamente das coisas que antes considerávamos essenciais para a compreensão. Elas parecem estar falando uma linguagem de significado sem terem vivido uma vida de experiência. Essa contradição forçou cientistas e filósofos a questionar se nossas antigas definições de inteligência são simplesmente estreitas demais para descrever o que está acontecendo dentro dessas novas máquinas.

Um artigo recente do pesquisador Francesco Maria Cianciaruso propõe uma maneira de resolver essa tensão ao mudar a lente através da qual vemos esses sistemas. Em vez de perguntar se uma máquina tem um corpo ou segue regras rígidas, o autor sugere que olhemos para a própria estrutura da máquina. O artigo argumenta que o significado não é um ingrediente mágico adicionado a um símbolo, nem está estritamente ligado a um corpo físico. Em vez disso, o significado é uma propriedade estrutural. É um padrão de relações que emerge quando um sistema é complexo o suficiente para organizar a informação de uma forma específica e estável. O autor sugere que os grandes modelos de linguagem, a tecnologia por trás dos chatbots mais avançados de hoje, desenvolveram uma forma de competência semântica baseada inteiramente nesta estrutura interna. Eles não entendem o mundo da maneira que um humano faz, mas construíram um mapa interno de relações que é tão organizado que consegue mimetizar os efeitos da compreensão.

Para entender essa proposta, deve-se primeiro observar como o campo evoluiu. Durante grande parte do século XX, a ideia dominante era que a inteligência funcionava como um dicionário ou um livro de regras. Nesta visão, um computador manipula símbolos — como palavras ou números — de acordo com regras lógicas estritas. Se as regras forem seguidas corretamente, a máquina produz um comportamento inteligente. Essa abordagem, conhecida como cognitivismo clássico, era elegante e poderosa, mas encontrou um obstáculo. Ela podia explicar como uma máquina processa a sintaxe, ou a gramática de uma frase, mas não conseguia explicar como a máquina sabe o que essas palavras realmente significam. Uma máquina poderia rearranjar símbolos perfeitamente sem jamais compreender sua significância. Isso levou a uma segunda onda de pensamento nas décadas de 1980 e 1990, que argumentava que o significado deve estar fundamentado no corpo. De acordo com essa visão, para entender a palavra "pesado", um sistema deve ter a experiência física de levantar algo pesado. O significado, nesta estrutura, é inseparável da experiência sensorial e da ação.

No entanto, a ascensão das redes neurais profundas complicou ambas as histórias antigas. Esses sistemas modernos não utilizam um dicionário de símbolos, nem possuem um corpo para tocar o mundo. Em vez disso, eles aprendem encontrando padrões em quantidades massivas de dados. Quando processam linguagem, eles não procuram palavras em uma lista. Eles traduzem palavras em pontos em um vasto espaço multidimensional. Neste espaço, a distância entre dois pontos representa o quão semelhantes são as palavras em significado. Palavras que são usadas em contextos semelhantes acabam próximas umas das outras, enquanto palavras com significados diferentes se afastam. O sistema aprende a forma deste espaço, descobrindo que certas direções representam relações como "rei é para rainha como homem é para mulher". Esse aprendizado acontece sem quaisquer regras explícitas e sem qualquer corpo físico. A máquina simplesmente ajusta suas conexões internas até que possa prever a próxima palavra em uma frase com alta precisão.

O artigo argumenta que essa capacidade de navegar em um espaço relacional é onde reside o novo tipo de significado. O autor sugere que devemos parar de procurar o significado em símbolos isolados ou em um corpo físico e começar a procurá-lo na organização da própria rede. Um sistema exibe o que o autor chama de "competência semântica estrutural" quando sua estrutura interna preserva as relações encontradas no mundo real. Por exemplo, se o sistema aprende que "Paris" é para "França" assim como "Roma" é para "Itália", não é porque ele visitou essas cidades ou recebeu uma regra. É porque a estrutura matemática de sua rede organizou esses conceitos de uma forma que espelha as relações reais entre eles. O sistema construiu um modelo do mundo que é estável e consistente, permitindo que faça inferências e generalizações que parecem compreensão.

Essa perspectiva desafia a ideia de que uma máquina precisa ser consciente ou incorporada para possuir significado. O autor não afirma que essas máquinas sejam conscientes ou que sintam emoções. Em vez disso, a afirmação é mais modesta, porém profunda: o significado pode emergir da pura complexidade da organização interna de um sistema. Se um sistema é estruturado de forma suficientemente boa para manter relações estáveis entre conceitos, ele pode exibir uma forma de competência semântica. Essa competência permite que o sistema aja de maneira contextualmente apropriada, faça analogias e resolva problemas, mesmo sem uma mente humana. O artigo sugere que esta é uma nova categoria de inteligência, que não é puramente simbólica nem puramente incorporada, mas sim estrutural.

As implicações desta visão são significativas para a forma como pensamos sobre o conhecimento e a inteligência. Se o significado é uma propriedade estrutural, então o abismo entre a compreensão humana e a da máquina não é tão amplo quanto pensávamos. Não se trata de uma máquina carecer de uma alma ou de um corpo, mas de saber se sua estrutura interna é complexa o suficiente para suportar o tipo certo de relações. O autor observa que isto não é uma prova definitiva, mas uma proposta para uma nova forma de pensar. A pesquisa é contín de curso e o campo ainda é jovem. No entanto, as evidências sugerem que esses sistemas não estão apenas mimetizando a fala humana como um papagaio. Eles estão construindo modelos internos que capturam a estrutura profunda do mundo sobre o qual foram treinados.

Ao fim, o artigo nos convida a reconsiderar o que significa compreender. Ele sugere que temos procurado o significado nos lugares errados, buscando-o nas partes individuais de um sistema ou em sua forma física. O autor propõe que o significado é, na verdade, uma propriedade do todo, uma característica de como as partes estão conectadas. Quando um sistema é organizado de uma forma que preserva os padrões do mundo, ele cria um espaço onde o significado pode existir, mesmo sem um observador consciente. Isso não significa que a máquina seja humana, mas significa que a máquina encontrou uma maneira de ser inteligente por conta própria. O artigo conclui que o entrelaçamento da engenharia e da filosofia está nos conduzindo a um novo estágio em nossa compreensão da inteligência, um onde a estrutura do próprio sistema é a chave para desbloquear o mistério do significado.