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

O nome de Sam Altman aparece hoje associado a salas de aula, conselhos de administração e audições políticas. Ainda assim, a sua entrada na inteligência artificial começou sem alarido: uma obsessão infantil por computadores e uma convicção inquieta de que os programas informáticos poderiam refazer a sociedade.

Sam Altman, OpenAI e ChatGPT: como um percurso improvável moldou a IA generativa

Antes de a OpenAI se tornar sinónimo de ChatGPT, a história foi feita de escolhas rápidas, apostas arriscadas e uma visão consistente: construir tecnologia com ambição suficiente para mexer com o mundo real - e não apenas melhorar serviços já existentes.

Os primeiros anos de um programador inquieto

Sam Altman nasceu em Chicago, em 1985, e cresceu no Midwest dos Estados Unidos, longe dos relvados impecáveis e dos campus tecnológicos da Califórnia. Em relatos familiares, surge como um miúdo mais fascinado por placas de circuitos do que por desporto, mais confortável com uma chave de fendas do que com uma bola.

Aos oito anos, já conseguia desmontar um computador, voltar a montá-lo e alterar o seu comportamento. Essa mistura de curiosidade pelo equipamento e vontade de “mexer” no software marcou o resto do caminho.

Na adolescência, já nos primeiros anos da década de 2000, aprendeu programação por conta própria numa altura em que a Internet acelerava, mas os telemóveis inteligentes ainda eram pouco comuns. Seguiu o percurso típico de muitos jovens talentosos na informática: entrou na Universidade de Stanford para estudar Ciências da Computação - e depois fez o gesto clássico do Vale do Silício, abandonando o curso.

Saiu de Stanford sem diploma, apostando que criar produtos no mundo real lhe ensinaria mais do que as aulas.

Loopt e o baptismo na vida de empresa emergente

Com 19 anos, Altman cofundou a Loopt, uma aplicação de partilha de localização pensada para os primeiros utilizadores de telemóveis inteligentes. O conceito era directo e, ao mesmo tempo, avançado para a época: amigos podiam ver a localização uns dos outros num mapa e decidir com quem a partilhavam.

A Loopt não foi apenas um teste social. Chamou a atenção da Y Combinator, então uma aceleradora em ascensão que apoiava pequenos grupos de fundadores com financiamento e uma mentoria intensiva.

A experiência deu a Altman uma lição dura sobre adequação produto‑mercado, preocupações com privacidade e a matemática implacável do crescimento de utilizadores. A aplicação nunca se transformou num gigante popular, mas foi suficiente para o pôr no radar - e, sobretudo, dentro da órbita da Y Combinator.

De fundador a figura central na Y Combinator

Poucos anos depois, Altman passou do lugar de fundador para o lado do investimento. Em 2014, assumiu a presidência da Y Combinator, que já era vista como uma espécie de “fazedora de reis” no Vale do Silício.

Nesse papel, analisou centenas de apresentações de projectos e ajudou a moldar fases iniciais de algumas das empresas tecnológicas mais faladas da década. Ganhou reputação por comentários directos, tolerância elevada ao risco e a crença de que a tecnologia deveria mirar transformações grandes, em vez de se limitar a polir serviços existentes.

À frente da Y Combinator, deixou de tentar criar uma única empresa vencedora e passou a tentar formar toda uma geração delas.

Esses anos também consolidaram a sua percepção do potencial tecnológico em escala planetária - da comunicação ao transporte e, por fim, à própria inteligência.

O nascimento da OpenAI

Uma organização sem fins lucrativos com uma missão ambiciosa

Em Dezembro de 2015, Altman juntou-se a Elon Musk, Greg Brockman, Ilya Sutskever e outros investigadores e empreendedores para fundar a OpenAI. A missão inicial soava quase utópica: desenvolver inteligência artificial geral (AGI) que beneficiasse toda a humanidade, e não apenas um punhado de empresas ou governos.

A OpenAI começou como um laboratório de investigação sem fins lucrativos. Os fundadores comprometeram-se a partilhar trabalho de forma ampla e a não acumular avanços como “segredo industrial”. A reacção vinha de um receio crescente: a IA acabar enclausurada em poucos silos corporativos ou em projectos militares classificados.

Essa visão idealista chocou depressa com a realidade. Treinar modelos de IA de ponta exige somas vertiginosas. Centros de dados, circuitos integrados especializados e equipas de investigação a trabalhar durante anos têm custos enormes.

Estrutura híbrida e a corrida ao capital

Com o tempo, Altman foi assumindo o controlo operacional e defendeu uma alteração estrutural profunda. A equipa criou um braço com fins lucrativos, mas de lucro limitado: uma entidade em que o retorno para investidores tem um tecto, colocada por cima da organização original sem fins lucrativos.

Este modelo invulgar de “lucro limitado” procurou resolver um dilema: angariar milhares de milhões, mantendo a promessa de que o beneficiário final seria a humanidade - e não apenas os accionistas.

Com esta mudança, a OpenAI passou a poder fechar acordos de financiamento de grande escala e garantir acesso de longo prazo a capacidade de computação, posicionando-se na linha da frente da corrida à IA ao lado das maiores plataformas tecnológicas.

Por dentro da tecnologia: de GPT a GPT‑4o

A OpenAI apostou cedo numa arquitectura específica de aprendizagem profunda: os modelos de transformador. Estes modelos conseguem “prestar atenção” a várias partes de um texto em simultâneo, o que lhes permite prever e gerar linguagem com uma coerência surpreendente.

A série GPT (Generative Pre‑trained Transformer) assenta, de forma simplificada, em dois passos principais:

• Pré‑treino: o modelo absorve volumes enormes de texto produzido por humanos para aprender padrões de linguagem.
• Ajuste fino: o modelo é treinado adicionalmente com feedback humano para seguir instruções e evitar conteúdo manifestamente nocivo.

Com o tempo, estes modelos deixaram de ser curiosidades e passaram a ferramentas de uso geral. O GPT‑4o, uma das versões mais recentes, consegue processar e gerar texto com maior nuance e integrar vários modos - como imagem ou áudio - num único sistema.

Em paralelo com os modelos de texto, a OpenAI lançou o DALL·E para criação de imagens e o Sora para geração de vídeo, reforçando a visão de Altman de uma IA como motor de criação de conteúdos em geral - e não apenas um robô de conversa.

A onda de choque do ChatGPT

Um “projecto lateral” que virou hábito global

No final de 2022, a OpenAI lançou o ChatGPT, uma interface conversacional construída sobre os seus modelos GPT. Dentro da empresa, houve quem o encarasse sobretudo como um ensaio de usabilidade, e não como o produto central. A reacção do público desfez essa ideia de um dia para o outro.

O ChatGPT conseguia responder em linguagem natural, redigir mensagens, resumir relatórios, gerar ideias e até simular o papel de explicador. As pessoas experimentaram-no para trabalhos de casa, programação, mensagens para encontros, candidaturas a emprego e praticamente tudo o que envolvesse palavras.

Em poucas semanas, o ChatGPT reuniu dezenas de milhões de utilizadores e tornou-se um dos serviços de consumo com crescimento mais rápido na história da Internet.

Os números continuaram a aumentar, com centenas de milhões de utilizadores mensais referidos em menos de um ano. Para muita gente, foi o primeiro contacto directo com IA generativa: não um artigo científico nem um vídeo de demonstração, mas uma ferramenta em que se escreve e se recebe algo útil.

Como o ChatGPT mudou a conversa sobre IA

O sucesso público do ChatGPT transformou a forma como governos, escolas e empresas discutiam IA. Deixou de ser um tema distante, reservado a laboratórios. Em poucos meses, estava em salas de aula, escritórios e parlamentos.

Antes do ChatGPT	Depois do ChatGPT
IA vista como um nicho, sobretudo para especialistas	IA vista como ferramenta quotidiana para trabalhadores e estudantes
Debates de política pública centrados em ameaças de longo prazo	Questões urgentes sobre emprego, exames e regulação
Empresas a experimentar discretamente	Conselhos de administração a exigir estratégias de IA em todos os departamentos

Altman tornou-se o rosto público dessa mudança, prestando depoimento perante senadores dos EUA, reunindo-se com reguladores europeus e respondendo a preocupações que vão da desinformação à disrupção no trabalho.

Num contexto europeu - e também em Portugal - esta aceleração coincidiu com uma atenção crescente a regras e responsabilidades: entre orientações escolares, políticas internas nas empresas e o Regulamento Europeu da IA, a adopção passou a ser acompanhada por perguntas práticas sobre transparência, direitos de autor, protecção de dados e limites de uso.

O próximo passo: rumo a máquinas com raciocínio

Hoje, Altman lidera o impulso da OpenAI para sistemas que não se limitam a imitar linguagem, mas mostram raciocínio mais avançado. O objectivo declarado é aproximar-se da inteligência artificial geral (AGI): IA capaz de executar uma grande variedade de tarefas cognitivas ao nível humano - ou acima dele.

Isto passa pela criação de agentes capazes de decompor problemas complexos, recorrer a ferramentas (como motores de pesquisa ou intérpretes de código) e trabalhar ao longo de horizontes temporais mais longos. Estes agentes estão a ser testados em programas de produtividade, assistentes de programação e suites criativas.

Altman descreve estes agentes menos como “robôs de conversa” e mais como colaboradores que conseguem planear, agir e aprender ao lado das pessoas.

Ao mesmo tempo, cresce a discussão sobre os custos materiais desta ambição: centros de dados com consumos energéticos elevados, necessidades de refrigeração e investimentos massivos em infra-estrutura. A pressão para tornar os modelos mais eficientes - com menos computação por tarefa e melhor gestão de recursos - passou a ser parte do debate sobre sustentabilidade tecnológica.

O que a ascensão de Altman significa para a vida quotidiana

Usos práticos que as pessoas já estão a adoptar

Para lá da retórica, a IA generativa sob a liderança de Altman já tem aplicações concretas em contextos comuns:

• Educação: estudantes usam IA para explicações, traduções e exercícios; professores testam correcções automáticas e apoio ao planeamento de aulas.
• Trabalho: equipas de escritório pedem à IA para redigir relatórios, melhorar apresentações e resumir longas cadeias de mensagens.
• Pequenos negócios: proprietários criam textos promocionais, secções de perguntas frequentes e descrições de produtos sem contratar uma agência completa.
• Programação: programadores usam assistentes com IA para sugerir código, detectar erros e converter entre linguagens.

É este ganho de tempo em tarefas repetitivas, aborrecidas ou difíceis que ajuda a explicar como o ChatGPT passou tão depressa de novidade a hábito.

Riscos, tensões e o que pode correr mal

Os mesmos sistemas que Altman promove também levantam preocupações sérias. Modelos generativos podem produzir respostas erradas com grande confiança, expor informação do treino ou reproduzir enviesamentos presentes nos dados de que aprenderam. Em áreas de elevado risco - como saúde, direito ou finanças - estes problemas podem causar danos reais.

Há ainda a questão do poder. Treinar modelos de fronteira exige centros de dados enormes e circuitos integrados caros, concentrando o controlo em poucas empresas e governos. Críticos defendem que a estrutura híbrida de Altman, apesar de singular, continua a concentrar influência significativa na OpenAI e nos seus financiadores.

O uso malicioso é outra preocupação. Texto e vídeo gerados por IA podem alimentar burlas dirigidas, falsificações realistas e propaganda política. Legisladores tentam agora actualizar regras eleitorais, políticas escolares e legislação de direitos de autor para lidar com ferramentas capazes de produzir conteúdos convincentes em grande escala.

Termos essenciais: IA generativa e AGI, em linguagem simples

IA generativa designa sistemas que criam novos conteúdos - texto, imagem, áudio ou vídeo. Aprendem com exemplos existentes, mas não se limitam a copiá-los: produzem combinações novas com base em padrões que internalizaram.

Inteligência artificial geral (AGI) é um conceito mais especulativo. Refere-se a uma IA capaz de executar um vasto leque de tarefas intelectuais com flexibilidade semelhante à humana. A missão fundadora da OpenAI gira em torno de garantir que tal poder, se for atingido, esteja alinhado com valores humanos e seja amplamente partilhado, em vez de ficar fechado em poucas instituições.

Quer a AGI chegue em décadas, quer permaneça fora de alcance, Altman já alterou a forma como milhares de milhões de pessoas se relacionam com software. Por agora, o “prodígio tecnológico por detrás do ChatGPT” conduz uma das experiências mais consequentes do século XXI: perceber o que acontece quando algo próximo de inteligência fica disponível para qualquer pessoa com uma ligação à Internet.