História da inteligência artificial: a linha do tempo de Turing ao ChatGPT em marcos que importam

Resposta rápida

A história da inteligência artificial começa em 1950, quando Alan Turing publica o artigo “Computing Machinery and Intelligence” e propõe o “jogo da imitação” (hoje chamado de teste de Turing). O nome “inteligência artificial” nasce em 1955, numa proposta de John McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon, e a área ganha existência formal no workshop de Dartmouth, no verão de 1956. De lá para cá foram três grandes fases: os primeiros anos de otimismo (1956 a 1973), dois “invernos” de cortes de investimento (anos 1970 e final dos anos 1980) e a era do aprendizado profundo, que começa com a AlexNet em 2012 e chega ao grande público com o ChatGPT, lançado em 30 de novembro de 2022.

Eu sou o Danilo Gato, fundador da CPDF (Comunidade Profissionais do Futuro - por Danilo Gato), e ensino IA para profissionais de várias áreas. Neste guia eu conto a história em marcos, mostro o padrão que se repete a cada década e explico o que isso muda na hora de decidir onde investir seu tempo com IA hoje.

A linha do tempo da IA em uma tabela

Ano	Marco	Por que importa
1950	Turing publica “Computing Machinery and Intelligence”	Troca a pergunta “máquinas pensam?” por “uma máquina consegue conversar sem ser distinguida de uma pessoa?”
1956	Workshop de Dartmouth	Primeiro encontro que trata IA como campo de pesquisa, com o nome já cunhado
1957 e 1958	Perceptron, de Frank Rosenblatt	Primeira rede neural que aprende por exemplos, financiada pela Marinha dos EUA
1966	ELIZA, de Joseph Weizenbaum (MIT)	Primeiro chatbot conhecido, feito só com regras de padrão de texto
1973	Relatório Lighthill (Reino Unido)	Corte de financiamento e começo do primeiro “inverno da IA”
1986	Retropropagação popularizada por Rumelhart, Hinton e Williams	Torna prático treinar redes com várias camadas
1997	Deep Blue vence Kasparov por 3,5 a 2,5	Primeira vitória de uma máquina sobre um campeão mundial de xadrez em condições de torneio
2011	Watson, da IBM, vence no Jeopardy!	IA lidando com linguagem natural em público
2012	AlexNet ganha o ImageNet com 15,3% de erro (o segundo colocado teve 26,2%)	Começa a era do aprendizado profundo
2016	AlphaGo vence Lee Sedol por 4 a 1	Vitória num jogo cujo espaço de jogadas não cabe em força bruta
2017	Artigo “Attention Is All You Need” (Google)	Nasce a arquitetura Transformer, base dos modelos atuais
2020	GPT-3 e AlphaFold 2	Linguagem em escala e previsão de estrutura de proteínas
2022	Lançamento do ChatGPT	IA generativa chega ao público geral
2024	Prêmios Nobel de Física e de Química para pesquisadores de IA	Reconhecimento da área pela ciência tradicional

Quando surgiu a inteligência artificial?

O ponto de partida intelectual é o artigo de Turing, de 1950. Ele evita discutir o que é “pensar” e propõe um teste prático: se um interrogador conversa por texto com uma máquina e com uma pessoa e não consegue dizer quem é quem, a máquina passou. É uma jogada esperta, porque troca uma discussão filosófica sem fim por um critério que dá para medir.

O ponto de partida institucional vem cinco anos depois. Em setembro de 1955, McCarthy, Minsky, Rochester e Shannon mandam à Fundação Rockefeller a proposta de um projeto de verão em Dartmouth, e ali aparece pela primeira vez a expressão “artificial intelligence”. O workshop acontece em 1956, dura cerca de oito semanas e reúne alguns dos maiores cientistas da época. A aposta deles era que cada aspecto da inteligência poderia ser descrito com tanta precisão que uma máquina conseguiria simulá-lo. Eles achavam que isso levaria uma geração. Levou bem mais.

Quem criou a inteligência artificial?

Ninguém sozinho. Turing deu a pergunta, McCarthy deu o nome e organizou o campo, Minsky e Shannon deram peso científico, Rosenblatt construiu a primeira rede que aprendia por exemplos, e Hinton, décadas depois, insistiu nas redes neurais quando quase todo mundo já tinha desistido delas. Se você precisa de uma resposta curta para citar: John McCarthy criou o termo, e Alan Turing formulou a pergunta que dá origem à área.

Por que a IA passou por “invernos”?

Aqui está a parte da história que mais serve para quem trabalha com tecnologia hoje. A IA teve dois períodos longos de desânimo, chamados de invernos, e os dois seguiram o mesmo roteiro.

1. Promessa grande demais. Nos anos 1950 e 1960 a imprensa dizia que o Perceptron logo andaria, falaria e reconheceria rostos. Ele mal separava padrões simples.
2. Limite técnico. Computadores fracos e pouca quantidade de dados impediam a IA de sair do laboratório.
3. Corte de dinheiro. Em 1973, o relatório Lighthill, encomendado pelo governo britânico, concluiu que os resultados não justificavam o investimento, e o financiamento despencou no Reino Unido e nos EUA.
4. Recuperação por outro caminho. Nos anos 1980, os sistemas especialistas (programas com milhares de regras escritas à mão) viraram negócio, mas eram caros de manter e frágeis, e o mercado desabou no fim da década.

O que tirou a área do buraco não foi uma ideia nova de 2012. Foram ideias antigas (redes neurais, retropropagação) finalmente encontrando as duas coisas que faltavam: dados em enorme quantidade e processadores gráficos (GPUs) baratos.

O que aconteceu em 2012 e por que ele marca a IA moderna?

Em 2012, a AlexNet, criada por Alex Krizhevsky, Ilya Sutskever e Geoffrey Hinton, venceu a competição ImageNet com 15,3% de erro, contra 26,2% do segundo colocado. Uma diferença de mais de dez pontos percentuais numa competição em que os avanços costumavam ser de décimos. O segredo foi treinar uma rede neural profunda em GPUs com um banco de milhões de imagens.

Depois disso, o ritmo mudou. O AlphaGo derrota Lee Sedol em março de 2016, por 4 a 1, num jogo em que não dá para checar todas as jogadas possíveis, então a máquina precisou “intuir”. Em 2017, pesquisadores do Google publicam o artigo “Attention Is All You Need” e apresentam o Transformer, arquitetura que trata um texto inteiro de uma vez e decide o que é mais relevante em cada trecho. É a base dos modelos de linguagem que você usa hoje. Se quiser entender esse mecanismo por dentro, tenho um guia sobre o que é um LLM e como ele realmente funciona.

Em 2020, o GPT-3 mostra que aumentar a escala de um modelo de linguagem produz habilidades que ninguém programou explicitamente, e o AlphaFold 2 resolve um problema de 50 anos da biologia, o de prever a forma de proteínas. Essa segunda parte rendeu o Nobel de Química de 2024 a Demis Hassabis e John Jumper (junto com David Baker), e o Nobel de Física do mesmo ano foi para John Hopfield e Geoffrey Hinton pelo trabalho com redes neurais.

Como a IA chegou ao grande público com o ChatGPT?

O ChatGPT foi lançado em 30 de novembro de 2022 como uma prévia de pesquisa gratuita. Estimativas da época apontaram cerca de 100 milhões de usuários em aproximadamente dois meses, o que faz dele um dos produtos de crescimento mais rápido da história da internet. A tecnologia por trás não era nova: o que mudou foi a interface, uma caixa de conversa em que qualquer pessoa escreve em português e recebe resposta. Para entender o que essa geração de ferramentas faz, veja IA generativa: o que é, como funciona e exemplos práticos.

A adoção nas empresas acompanhou. Segundo o AI Index 2025, da Universidade de Stanford, 78% das organizações disseram usar IA em 2024, contra 55% no ano anterior, e o investimento privado em IA nos EUA chegou a US$ 109,1 bilhões.

De lá para cá, o passo seguinte foi fazer os modelos usarem ferramentas e executarem tarefas com autonomia, os chamados agentes. Eu explico como isso funciona e como montar o seu em Agentes de IA: o que são, como funcionam e como criar o seu.

Três lições da história para quem usa IA no trabalho

Contar essa história serve para tomar decisões melhores hoje. Estas são as três lições que eu tiro dela e repasso nas aulas.

1. Desconfie do prazo, confie na direção. Em toda fase de euforia alguém prometeu a IA “geral” para daqui a poucos anos, e errou. Mas a direção das promessas quase sempre estava certa: máquinas que conversam, que veem, que jogam melhor que nós. Planeje sua carreira ou sua empresa pela direção, e não pela data que aparece na manchete.

2. O que muda tudo é o insumo, e não só o algoritmo. A retropropagação é de 1986 e o Perceptron é de 1958. As redes só decolaram quando havia dados e GPUs. Hoje o equivalente para você é ter seus próprios dados organizados: documentos, histórico de atendimento, planilhas. Quem tem isso limpo tira muito mais de qualquer modelo novo que sair.

3. Ferramenta específica envelhece, o método fica. ELIZA, sistemas especialistas, Watson: cada uma foi a “grande novidade” e ficou para trás. O que se mantém é saber descrever bem um problema, avaliar a resposta com critério e ajustar. Por isso eu recomendo aprender a escrever bons prompts e a comparar modelos com o seu caso real, como no guia ChatGPT, Gemini ou Claude: qual IA usar para cada tarefa, em vez de decorar a interface de uma ferramenta só.

Qual a diferença entre IA, machine learning e IA generativa na linha do tempo?

Os três termos aparecem em fases diferentes da história e por isso se confundem:

• Inteligência artificial é o campo inteiro, nomeado em 1955. Inclui regras escritas à mão, como a ELIZA e os sistemas especialistas.
• Machine learning (aprendizado de máquina) é a parte da IA em que o sistema aprende a partir de dados, como o Perceptron. Detalho em Machine learning: o que é e como funciona.
• IA generativa é a parte do aprendizado profundo que cria texto, imagem, áudio e código, e ganhou força depois do Transformer, em 2017.

Para a versão mais completa dessa conversa, comece por O que é inteligência artificial e como funciona.

Perguntas frequentes

Quem inventou o termo inteligência artificial? John McCarthy, na proposta de 1955 para o workshop de Dartmouth, feita com Minsky, Rochester e Shannon.

A IA existe desde quando? Como campo de pesquisa, desde 1956. Como ideia formal, desde o artigo de Turing, de 1950.

O que foi o inverno da IA? Períodos em que o financiamento e o interesse caíram porque os resultados ficaram abaixo das promessas. O primeiro veio depois do relatório Lighthill, de 1973, e o segundo no fim dos anos 1980, com a queda do mercado de sistemas especialistas.

Qual foi o marco que deu início à IA moderna? A vitória da AlexNet no ImageNet, em 2012, que mostrou o poder do aprendizado profundo com GPUs e muitos dados. A popularização veio com o ChatGPT, em 2022.

A IA de hoje é a mesma da década de 1950? Tem o mesmo objetivo, mas funciona de outro jeito. A primeira geração seguia regras escritas por pessoas. A atual aprende padrões a partir de enormes volumes de dados.

Se você quer transformar esse contexto em prática no seu trabalho, é isso que a CPDF (Comunidade Profissionais do Futuro - por Danilo Gato) ensina, com foco em aplicar IA na sua rotina profissional, e não só em conhecer a história dela.