Inventaram a inteligência artificial: Sam Altman, o génio tecnológico por trás do ChatGPT

A criança tímida que desmontava computadores por diversão acabou por orientar uma das tecnologias mais controversas do nosso tempo.

O nome de Sam Altman é hoje inseparável do ChatGPT, mas o seu caminho até ao topo da inteligência artificial parece mais uma história caótica de startup do que um conto de fadas perfeito do Silicon Valley. De abandonar Stanford a apostar milhares de milhões na IA generativa, as suas escolhas estão a remodelar a forma como trabalhamos, aprendemos e até como pensamos sobre a própria inteligência.

Da infância em Chicago ao adolescente obcecado por código

Sam Altman nasceu em 1985 em Chicago e cresceu no Centro-Oeste americano, longe da habitual bolha tecnológica da Califórnia. Em criança, já se sentia mais atraído por máquinas do que por campos desportivos ou clubes escolares. Aos oito anos, conseguia desmontar um computador, voltar a montá-lo e alterar a forma como este se comportava.

O acesso precoce a computadores deu-lhe um nível invulgar de autonomia. Podia experimentar, estragar coisas e arranjá-las sem esperar por qualquer curso formal. Essa mentalidade autodidata ficou com ele. Na adolescência, aprendeu a programar não para ter boas notas, mas porque queria construir coisas que funcionassem de facto para pessoas reais.

Como muitos futuros fundadores tecnológicos, Altman foi para Stanford estudar Ciência de Computadores. Não ficou lá muito tempo. A universidade deu-lhe contactos e confiança, mas a vontade de construir uma empresa foi mais forte do que o apelo de aulas e exames.

Primeira grande aposta: Loopt e Y Combinator

Aos 19 anos, Altman cofundou a Loopt, uma aplicação de partilha de localização para smartphones. A Loopt permitia aos utilizadores partilhar onde estavam com amigos selecionados, transformando o telemóvel num mapa social em tempo real. O conceito hoje parece normal, mas na altura era exploratório e, para muitos, ligeiramente inquietante.

A Loopt nunca se tornou um gigante mainstream, mas abriu uma porta muito mais poderosa. A startup entrou na Y Combinator, a aceleradora seed que mais tarde apoiaria empresas como a Airbnb e a Dropbox. Dentro desse ecossistema, Altman conheceu fundadores, investidores e engenheiros que estavam a redesenhar tudo, desde pagamentos a habitação.

A Loopt acabou por ser vendida por uma quantia modesta. O resultado financeiro não foi transformador pelos padrões do Silicon Valley, mas a experiência fez de Altman alguém em quem os investidores confiavam. Em 2014, assumiu o cargo de presidente da Y Combinator. A partir dessa posição, conseguia identificar padrões: o que faz uma startup sobreviver, que tecnologias ganham tração real e onde poderá surgir a próxima grande descoberta.

Na Y Combinator, Altman passou de apresentar ideias a selecionar os fundadores que redefiniriam a próxima década da internet.

Aprender a fazer apostas tecnológicas de longo prazo

Liderar a Y Combinator obrigou Altman a pensar com vários anos de antecedência. Ouviu milhares de pitches e viu de perto quais as grandes narrativas sobre o futuro que, na prática, se transformavam em negócios funcionais.

A inteligência artificial aparecia constantemente. Melhores motores de recomendação, pesquisa mais inteligente, apoio ao cliente automatizado: equipas diferentes tentavam transformar machine learning em produtos. Muitas dessas primeiras tentativas eram estreitas e frágeis. Ainda assim, a direção era clara: os dados e a capacidade de computação estavam a acumular-se, e as ferramentas tornavam-se mais apuradas.

Altman começou a acreditar que a IA não seria apenas mais uma categoria de software, mas uma tecnologia fundacional, mais próxima da eletricidade do que de uma simples funcionalidade de uma app.

Fundar a OpenAI: idealismo encontra economia dura

No final de 2015, Altman juntou-se a Elon Musk, Greg Brockman, Ilya Sutskever e outros investigadores e empreendedores para criar a OpenAI. A ambição era ousada: construir inteligência artificial geral (AGI) que beneficiasse a humanidade como um todo, e não apenas uma mega-corporação.

A OpenAI foi inicialmente criada como uma estrutura sem fins lucrativos. Os fundadores queriam tranquilizar o público de que a investigação em IA não seria orientada apenas pelo valor para acionistas. Este posicionamento ajudou a organização a atrair investigadores de alto perfil e doações significativas nos primeiros anos.

À medida que o projeto cresceu, os custos explodiram. Treinar modelos cada vez maiores exigia enorme poder computacional, hardware especializado e equipas grandes. Nessa altura, Altman defendeu uma estrutura híbrida: a OpenAI manteria uma entidade de supervisão sem fins lucrativos, mas introduziria uma subsidiária de “lucro limitado” capaz de angariar grandes quantias de capital.

A estrutura invulgar da OpenAI reflete uma tensão no centro da IA moderna: benefício humano de um lado, infraestrutura de vários milhares de milhões do outro.

De laboratório de investigação a motor de produtos

Sob a liderança operacional de Altman, a OpenAI focou-se em grandes modelos de linguagem e sistemas generativos. A organização passou de publicar artigos de investigação impressionantes para construir produtos concretos:

• a série GPT de modelos de linguagem, incluindo o mais recente GPT‑4o
  
• DALL·E, que gera imagens a partir de prompts de texto
  
• Sora, um sistema capaz de gerar vídeos curtos a partir de descrições escritas
  

Esta mudança da teoria para ferramentas utilizáveis foi o ponto em que os instintos de startup de Altman voltaram a entrar em ação. Em vez de ver a IA apenas como uma busca científica, impulsionou sistemas que pessoas não especialistas pudessem usar em fluxos de trabalho do dia a dia.

O momento ChatGPT

Em novembro de 2022, a OpenAI lançou o ChatGPT, um agente conversacional construído sobre a sua arquitetura GPT. Oferecia uma interface de chat simples que escondia uma maquinaria extremamente complexa por baixo. Os utilizadores escreviam prompts em linguagem natural e recebiam respostas coerentes, muitas vezes surpreendentemente detalhadas.

O ChatGPT respondia a perguntas, redigia emails, escrevia código, resumia documentos e gerava texto criativo. Lidava com perguntas de seguimento e ajustava o estilo. Para muitas pessoas, parecia menos uma ferramenta de pesquisa e mais um assistente.

A reação foi explosiva. Em poucas semanas, dezenas de milhões de utilizadores tinham experimentado a ferramenta. Tornou-se um dos serviços de consumo com crescimento mais rápido na história da internet, e o uso continuou a expandir-se, com centenas de milhões de visitantes mensais em todo o mundo.

A IA generativa deixou de ser uma experiência de laboratório de nicho no momento em que utilizadores comuns perceberam que podiam falar com ela como se fosse uma pessoa.

Porque o ChatGPT mudou o tom em torno da IA

Antes do ChatGPT, o progresso em IA era visível sobretudo através de demonstrações técnicas e funcionalidades nos bastidores de aplicações. Altman apostou numa abordagem diferente: colocar a capacidade “em bruto” diretamente nas mãos das pessoas, aceitar que por vezes falharia publicamente, e aprender com a escala de utilização no mundo real.

Essa aposta transformou a IA de algo distante e abstrato num tema doméstico. Professores debateram plágio. Trabalhadores de escritório testaram-no em tarefas rotineiras. Programadores usaram-no como parceiro de programação. Governos passaram subitamente a enfrentar questões práticas sobre regulação, direitos de autor e mercados de trabalho, e não apenas ética teórica.

O motor transformer por trás do chat

No núcleo do ChatGPT está a arquitetura “transformer”, um tipo de modelo de aprendizagem profunda introduzido em 2017. Os transformers são particularmente bons a lidar com sequências, como palavras numa frase ou linhas de código.

Conceito	O que significa na prática
Pré-treino	O modelo lê enormes quantidades de texto e aprende padrões da linguagem sem rótulos explícitos.
Ajuste fino	Engenheiros ajustam o modelo com dados curados para que siga instruções e cumpra regras de segurança.
Saída generativa	Dado um prompt, o modelo prevê os tokens seguintes mais prováveis, construindo respostas passo a passo.

Esta configuração não produz compreensão genuína. É excelente em reconhecimento de padrões e previsão. Sob a liderança de Altman, a OpenAI explorou esse ponto forte, adicionando ao mesmo tempo guardrails e ciclos de feedback dos utilizadores para tornar o sistema mais útil e menos caótico.

A corrida para uma IA de uso geral

Altman fala agora abertamente em apontar a “raciocínio avançado” nos modelos futuros. O objetivo é passar de chatbots que imitam conversa para agentes que conseguem planear, decompor tarefas complexas e interagir com ferramentas em nome do utilizador.

Essa ambição empurra a OpenAI para terreno geopolítico. Escalar modelos exige chips raros, grandes centros de dados e fornecimentos de energia estáveis. Também levanta questões desconfortáveis sobre concentração de poder. Quem controla sistemas que conseguem escrever código, gerar media e potencialmente substituir partes do trabalho de colarinho branco?

Altman argumenta que laboratórios bem financiados e rigidamente geridos são mais seguros do que projetos fragmentados e com poucos recursos. Críticos contrapõem que centralizar a capacidade de IA em poucas empresas cria novas formas de dependência para governos, escolas e empresas.

Oportunidades e riscos em torno de ferramentas ao estilo do ChatGPT

Para indivíduos, ferramentas como o ChatGPT podem aumentar a produtividade e a criatividade. Estudantes podem obter explicações de temas difíceis em linguagem simples. Freelancers podem gerar propostas preliminares rapidamente. Pequenas empresas podem automatizar respostas a clientes sem contratar grandes equipas de suporte.

Também há riscos claros. A IA generativa pode produzir respostas confiantes, mas erradas, levando utilizadores ao erro se não verificarem a informação. Pode replicar enviesamentos presentes nos dados de treino. Pode gerar artigos de notícias falsas, guiões de impersonação ou spam persuasivo em escala.

O mesmo sistema que o ajuda a aprender uma nova linguagem de programação também pode produzir em massa desinformação convincente.

Dar sentido ao jargão

Três termos aparecem frequentemente em torno de Sam Altman e do trabalho da OpenAI:

• IA generativa: sistemas que criam novo conteúdo - texto, imagens, áudio ou vídeo - com base em padrões aprendidos a partir de dados.
  
• Inteligência artificial geral (AGI): um nível hipotético de IA que consegue executar a maioria das tarefas cognitivas tão bem quanto, ou melhor do que, humanos em muitos domínios.
  
• Agente: um sistema de IA que faz mais do que conversar. Pode chamar ferramentas, aceder a dados externos e executar ações em vários passos para atingir um objetivo.
  

Estes conceitos moldam a forma como as empresas planeiam produtos e como os reguladores pensam regras futuras. Altman enquadra frequentemente a AGI como uma enorme oportunidade de crescimento económico e uma potencial fonte de disrupção em larga escala se for gerida de forma descuidada.

Cenários do dia a dia para o ChatGPT e o que vem a seguir

Imagine um trabalhador de escritório normal em 2026. Em vez de vasculhar dezenas de emails, poderá pedir a um agente de IA para resumir a caixa de entrada do dia, redigir respostas e destacar qualquer coisa invulgar. O trabalhador revê, edita e aprova, em vez de escrever de raiz todas as vezes.

Na educação, um professor poderá usar sistemas do tipo ChatGPT para gerar exercícios personalizados, explicar um conceito de várias maneiras e adaptar exemplos aos interesses de cada aluno. Esse mesmo professor terá também de desenhar avaliações que reduzam a fraude assistida por IA e ensinar os alunos a questionar respostas automatizadas.

No lado criativo, uma pequena equipa de produção de vídeo poderá apoiar-se em ferramentas como a Sora para criar storyboards de conceitos, gerar cortes preliminares e testar estilos visuais antes de avançar para filmagens completas. A tecnologia não elimina a necessidade de direção humana, mas desloca onde o esforço é investido.

Todos estes cenários remontam, em parte, a decisões tomadas por Sam Altman: apostar em modelos de linguagem à escala, colocar uma interface conversacional à frente deles e aceitar o escrutínio público que se seguiu. A história ainda está a desenrolar-se, mas o seu papel em trazer a IA generativa das discussões de laboratório para os ecrãs do quotidiano já está firmemente inscrito na história da tecnologia.