A Inteligência Artificial (IA) como sujeito epistêmico? Uma análise crítica a partir da filosofia de John R. Searle

Por revistacademus@gmail.com · 08/11/2025

Autor: Valdimiro José Paque

Resumo

O presente artigo propõe uma reflexão crítica acerca da possibilidade de a Inteligência Artificial (IA) constituir-se como sujeito epistémico. Partindo do debate inaugurado por Alan Turing, com o célebre “Teste de Turing”, até às recentes concepções defendidas por desenvolvedores de IA forte em empresas como OpenAI, Google, Microsoft ou Meta, discute-se a ideia de que “pensar seria apenas seguir, de modo correcto, um programa de computação”. Tal perspectiva sustenta a hipótese de que as máquinas poderiam replicar os processos cognitivos humanos. Contudo, à luz da crítica de John Searle e do seu conhecido “Experimento do Quarto Chinês”, evidencia-se a distinção fundamental entre sintaxe (própria das máquinas) e semântica (inerente à mente humana). A investigação, de natureza qualitativa e assente em estudo bibliográfico, analisa os fundamentos filosóficos que sustentam ou refutam a concepção da IA como sujeito de conhecimento e examina as implicações deste debate no contexto académico. Conclui-se que, embora a IA seja uma ferramenta de grande potencial heurístico, a sua actuação limita-se ao processamento sintáctico, sem verdadeira compreensão. Assim, defende-se que o uso da IA deve ser orientado por critérios ético-científicos, desencorajando posturas de “policiamento” [muitas vezes presentes em Universidades], mas reconhecendo os limites ontológicos e epistémicos que a separam da mente humana.

Palavras-chave: Inteligência Artificial; John Searle; Epistemologia; Sintaxe e Semântica; Filosofia da Mente.

Introdução

O presente artigo intitula-se: A Inteligência Artificial (IA) como sujeito epistêmico? Uma analise crítica a partir da filosofia de John Searle. Objectivo principal é analisar os fundamentos filosóficos que sustentam ou refutam a concepção da IA como sujeito epistémico. Especificamente, queremos examinar a proposta de Alan Turing e o seu “teste de imitação”, bem como analisar a crítica de John Searle e o “Experimento do Quarto Chinês”, para depois discutir as implicações da distinção entre sintaxe e semântica para a epistemologia, e no final reflectir sobre as consequências académicas e éticas decorrentes deste debate.

A questão de fundo que orienta este artigo pode ser enunciada nos termos clássicos formulados por Alan Turing: “poderiam as máquinas pensar?”. Trata-se de uma questão que, no plano epistemológico, assume a forma: “A IA pode ser considerada um sujeito de conhecimento?”. Este problema remete-nos a um debate histórico que atravessa a filosofia da mente, a gnosiologia e a ciência da computação. Desde o célebre “jogo da imitação” de Turing, em 1950, até às formulações recentes da chamada IA forte, o tema nos dá a possibilidade de equiparar operações computacionais às capacidades cognitivas humanas, que tem mobilizado tanto cientistas como filósofos. A proposta de Turing inaugura a tese do “computacionalismo”, segundo a qual “uma máquina devidamente programada poderia replicar, funcionalmente, os processos mentais humanos”. Em contrapartida, John Searle, com o seu famoso “Experimento do Quarto Chinês (1980)”, esclarece que a mera manipulação sintáctica de símbolos não equivale a compreensão semântica, por isso que a IA não pode ser considerada um sujeito epistémico.

A relevância deste tema decorre do contexto actual de avanço acelerado da IA, que deixa de ser apenas uma especulação filosófica para se tornar realidade concreta em diversos domínios sociais e académicos. A reflexão crítica acerca do estatuto epistémico da IA é, portanto, necessária para clarificar os seus limites ontológicos, bem como para orientar o seu uso responsável na produção e validação de conhecimento.

Do ponto de vista metodológico a investigação é de natureza qualitativa, baseada em revisão bibliográfica de fontes primárias (como Turing e Searle) e secundárias (Filho, Pinheiro, entre outros), com uma abordagem analítico-argumentativa, procurando reconstruir e confrontar os argumentos centrais do debate.

Quanto à estrutura, o artigo organiza-se em três partes principais: a IA (conceptualização e fundamentos); Alan Turing e o “jogo da imitação”, seguido de John Searle e o “Experimento do Quarto Chinês” e no final tecemos nosso comentário sobre Implicações da crença da IA como conhecedora, no contexto académico.

1. A Inteligência Artificial (IA)

Segundo (Filho, 2023, pág. 23), a palavra inteligência vem do Latim intelligere, que é composto de inter = entre e de legere = escolha. Nesses termos, “inteligência é a capacidade de fazer boas escolhas”. Por outro lado o termo artificial é usada para indicar que “um determinado produto não surgiu da criação divina (Teoria Criacionista) ou da evolução natural das espécies (Teoria Evolucionista)” e que foi um produto directo da invenção humana.

No que tange à Inteligência Artificial (IA), a denominação se aplica quando “um produto apresenta certos comportamentos ditos inteligentes, os quais são resultantes da aquisição, manipulação e aplicação de conhecimentos acerca do mundo, com o objetivo de buscar boas soluções para as questões associadas às tarefas normalmente realizadas pelos seres humanos (classificação, predição, controle, otimização e etc.). Por isso para (Filho, 2023, pág. 24) a IA visa fazer os computadores realizarem, de forma inteligente, criativa, atenta, optimizada e rápido, tarefas que no momento são bem realizadas por homens. Mas o problema surge quando nesse actuar da IA nos perguntamos se nas suas acções, os realiza porque compreende ou porque o faz às cegas, já que foi programado?  

1.1. O Debate Fundacional: Alan Turing e a Possibilidade de Máquinas Pensantes

A partir dos meados do séc. XX o pensamento sobre a possibilidade de as máquinas pensarem ganhou lugar entre filósofos ou cientistas. Esse pensamento constituiu um dos debates mais intrigantes na interseção entre filosofia da mente, psicologia, gnosiologia (epistemologia) e ciência da computação. Ademais, o alvorecer da Inteligência Artificial (IA) acrescida com a revolução tecnológica (da IA) do séc. XXI trouxe avanços enormes. Por um lado brindou-nos por avanços técnico “tao perfeitos” quanto a mente humana e, por outro, trouxe oportunidade para que interrogássemos em que medida os novos processos computacionais desenvolvidos poderiam ser equiparados a mente humana. Foi precisamente Alan Turing que, em 1950, lançou as bases do debate, ao sugerir o seu célebre “jogo de imitação”, que hoje em dia se conhece como o “Teste de Turing”. Foi a partir dessa proposta que se multiplicaram teorias que sustentam que “uma maquina, ao seguir correctamente um programa de computação, poderia replicar (conscientemente) as capacidades cognitivas e humana”.

1.2. O “jogo da imitação” em Alan Turing

O que torna interessante o debate sobre o “teste” é que segundo Turing, no campo epistemológico, a máquina poderia fazer o mesmo que o homem, o que significa que essas máquinas, ou por outra, a IA é um sujeito epistémico. Para nós, essa conclusão, averiguada nas suas particularidades é contestável. Mas, para não parecer debate in aere ou petitio principii, vamos “descer” e ler de perto o “teste de Turing”. Ele escreveu em Inglês e, devido a nossa limitação no idioma, vamos preferir a tradução espanhola de Cristóbal Fuentes Barassi (2010, Universidad de Chile).

Logo no início do artigo Turing (1950, pág. 1) sugere-nos a pensar sobre a pergunta “podem as máquinas pensar?”, cuja resposta deve advir de um pensamento consciente sobre o que significa, claramente, os termos “pensar” e “máquina”. Para Turing a definição dos termos não poder ser feita dentro dos parâmetros comuns, com que temos lidado diariamente com esses termos, pois as conclusões serão óbvias, de tal maneira que não nos conduziriam para a realidade à qual nos quer despertar. Seriam conclusões como as obtidas pelas pesquisas estatísticas: “sondagem Gallup”[1]. Face a isso propõe a reformulação da pergunta por outra, dentro de uma situação que nos permita trazer as definições e tratar esses termos de forma pouco ou nunca ambíguos.

Ele sugeriu o que chamou “jogo da imitação”, em que idealiza três pessoas: um homem (A), uma Mulher (B) e um interrogador (C), que mantém uma comunicação, mas estando em quartos diferentes. O objectivo do interrogador é descobrir, entre os dois interrogados, qual deles é homem e qual é mulher. O interrogador identifica os seus interrogandos por etiquetas de “X” e/ou “Y”. Nessa tentativa de descobrir qual é homem ou mulher, baseia-se em perguntas como: “X, ¿Sería tan amable de decirme el largo su cabello?”[2], que a dirige a cada um/a  e, segundo as respostas, poderá determinar qual deles é do sexo feminino ou masculino. O interessante neste jogo é que “A” trata de ludibriar ao “C” para que este se confunda, ao mesmo tempo que “B” trata de ajudar ao “C” (talvez dizendo a verdade) com resposta como — “Yo soy la mujer, ¡no lo escuches!”[3] — para que seja fácil lhes identificar. Ademais, as respostas dadas não podem ser por voz, mas sim por escrito. Na possibilidade de dar-se por voz, devem ser replicados por um terceiro (D). Chegando aqui Turing pergunta:

“¿qué pasaría si una máquina asume el rol de A en este juego?” ¿Discriminaría equivocadamente el interrogador con la misma frecuencia con la que lo hace cuando el juego se juega con un hombre y una mujer?”[4] (1950, pág. 1).

Esta é a pregunta que para Turing deve substituir a primeira: podem as máquinas pensarem? A abordagem que vai seguir no artigo é resposta dessa última. Esta última pergunta é que introduz a máquina dentro do campo epistemológico em que actuam os humanos. A pergunta, por si só, nos impele a um “não”, que seria uma afirmação, segundo a qual: a máquina actuaria da mesma forma como actua B, e que C no final não saberia identificar/diferenciar o actual A (máquina) do B (humano). Logo a seguir da pergunta, Turing (1950, pág. 2) afirma objectivamente o que nos quer sugerir: não existe nenhuma possibilidade de se criar, pelos engenheiros químicos, algum material que seja indistinguível da pele humana[5], além de que não há necessidade da tal artificialidade de tornar “humano” de pele a uma “máquina pensante”. Com isso é tudo que dele sabemos: as máquinas são seres pensantes. Turing coloca como prova as perguntas e respostas que se intercambiam entre ela e o humano, tal como acontece agora com a actual IA. Reconhece as limitações da máquina ao mesmo tempo que explicita as humanas, quando diz:

No queremos sancionar a la máquina por su incapacidad de brillar en concursos de belleza, ni tampoco castigar a un hombre por perder una carrera contra un aeroplano. Las condiciones de nuestro juego hacen que estas incapacidades sean irrelevantes. Los “testigos” pueden presumir, si lo consideran aconsejable, todo lo que quieran acerca de sus encantos, fuerza o heroísmo, pero el interrogador no puede pedir demostraciones prácticas (1950, pág. 2).

Como se nota, trata-se de jogo de exercício intelectual, exercício gnosiológico. Se a máquina, no que concerne ao intelectual, é capaz de fazer o mesmo que o homem, até da melhor forma (rapidez, exactidão e perfeição), isso nos remete, segundo Turing, a seguinte situação: “não poderia ser que elas [as máquinas] estejam fazendo algo que poderia ser descrito como “pensar” mas é diferente daquilo que o homem faz?”. Trata-se de uma pergunta importante em relação ao que Turing iria defender em todo seu pensamento posterior. Talvez, o que há de importante no seu pensamento, devesse a esse equívoco, de querer definir o pensar das maquinas diferente da forma como pensam os homens e ao mesmo tempo que insiste em igualá-los aos homens. Penso que será esse, já adianto, o calcanhar de Aquiles, com que é “flechado” por J. Searle, como veremos. Como aceitar que o que fazem as máquinas é descrito por termo pensar/compreender ao mesmo tempo que pensar é concebido noutras perspectivas?

Voltando ao contexto do jogo, na situação em que uma máquina substitui o sujeito “A”. Turing é muito específico ou objectivo, quando se refere à máquina capaz de pensamento. Para ele somente os computadores electrónicos ou digitais[6] (1950, págs. 3-4) fazem parte dessa classe de computadores pensantes. São esses computadores (hoje IA ou qualquer programa inteligente) que seriam capazes levar a cabo qualquer operação intelectual feito por homem, desde que seguisse regras fixas (tabelas de instruções ou completude de Turing[7]) às quais não se pode desviar. Essas regras são escritas de forma programática, pelos famosos programadores ou engenheiros informáticos. Turing (1950, págs. 3-7) se ocupa a descrever as máquinas digitais da época[8] e chega a falar de uma máquina de “estados discretos”[9]. Enquanto os computadores digitais no jogo emitam o sujeito “A” as máquinas de estados discretos (abstratos) poderiam substituir o sujeito “B”. No final, o “C” (interrogador) não seria capaz de distingui-los. E, dado tal computador digital, se colocado no lugar de “A”, enquanto o “B” actua como homem, o computador digital com ferramentas necessárias poderia exercer bem as funções de “A”.

1.3. O desenvolvimento da IA forte: comportamento inteligente e compreensão

Ante essas afirmações ou conclusões à que Turing chegou por seu teste mental, também se preocupou em averiguar as objeções que lhe poderiam ser dirigidas. As objeções são tratadas no ponto 6 e, no total, são em número de nove, a saber: objeção teológica; objeções dos filósofos; objeções matemáticas (para frisar as limitações, com especial referência ao teorema de Gödel[10] (1950, pág. 10); argumento desde a consciência (defendida por Jefferson[11]); argumento das diferentes incapacidades da máquina; objeção de Lady Lovelace (para frisar que as maquinas não falam ou inventam algo que não exista _ Lady Lovelace, 1842, cit. por Turing, 1950, pág. 14), uma objeção que para Turing é falaciosa e se assemelha a objeção desde a consciencia; argumento desde a continuidade no sistema nervoso, que para ele se resolve aumentando, dentro do jogo, máquina denominada analisador diferencial. É um problema que hoje se resolveu pelas memorias nos chats; objeção desde a informalidade da conduta; argumento desde percepção extra-sensorial.  

Depois de apresentar o que considera falacionso no ponto 6, no ponto 7 faz um esboço daquilo que ele acredita ser a vervedade sobre a questão, que na verdade, é confirmar que as máquinas podem pensar e por via disso serem treinaveis. Segue o modelo lockiano da tábua rasa,  para tratar  de construir uma “mente-ninho” [mente-criança] e escrever-lhe conhecimento atravez de treinamento. São modelos seguidos por certos psicólogos (condicionmento operante). Eis o seu parecer:

No será posible aplicar exactamente los mismos métodos de enseñanza a una máquina que los que se le aplicarían a un niño normal […]. No debemos preocuparnos tanto de las piernas, ojos, y otra cosas. El ejemplo de la señorita Helen Keller demuestra que la educación puede producirse siempre y cuando la comunicación en ambos sentidos entre maestro y pupilo se produzca de una u otra manera. Normalmente, se asocian los castigos y recompensas con proceso educativo. Se podría construir o programar ciertos niño-máquinas simples basados en este principio. La máquina debe ser construida de tal manera […] que la señal de recompensa aumente la probabilidad de repetición de los eventos que llevaron a ella. Estas definiciones no presuponen ningún sentimiento por parte de la máquina. He hecho algunos experimentos con uno de estos niño-máquinas, y tuve éxito en ensañarle algunas cosas, pero el método de enseñanza fue demasiado poco ortodoxo como para que el experimento sea considerado realmente exitoso. […] Es necesario por lo tanto tener algunos otros canales de comunicación “no emocionales” (1950, págs. 18-20).

Chegando aquí neste último ponto fica claro para nós que para Turing, as máquinas são sujeitos epistémicos, daí que podem ser ensinados ou treinados a aprender, desde que se faça dentro das regras propostas por Turing. Foi nessa linha que se desenvolveu a IA forte , na ideia de que a mente humana actua como um programa computacional.

Diante do exposto, é evidente que as reflexões de Turing, especialmente a partir do jogo da imitação, abriu caminho para a formulação do que mais tarde se convencionou chamar Inteligência Artificial Forte. A ideia central deste paradigma consiste em afirmar que, se uma máquina pode executar operações cognitivas com eficácia funcional comparável à do ser humano, então não se trata apenas de simulação de inteligência, mas de um caso autêntico de mente artificial. Esta tese sustenta que os processos mentais podem ser inteiramente explicados como processos computacionais, isto é, como manipulação formal de símbolos segundo regras algorítmicas.

A noção de computacionalismo emerge aqui, acreditamos, como fundamento filosófico: a mente humana não é senão um programa implementado no “hardware” do cérebro. Assim, os estados mentais correspondem a estados funcionais, e a diferença entre cérebro biológico e computador digital seria apenas de substrato material, não de estrutura lógica. Esta perspectiva radicaliza a proposta de Turing ao conceber que, do mesmo modo que uma máquina pode substituir o papel do sujeito “A” no jogo da imitação, também pode desempenhar todas as operações intelectuais do humano, desde que devidamente programada e treinada.

Ora, este ponto de chegada levanta inevitavelmente questões filosóficas decisivas. Primeiro, porque pressupõe que compreensão e consciência podem ser reduzidas a operações formais. Segundo, porque tende a dissolver a distinção entre simular e ser, atribuindo estatuto epistémico à máquina enquanto sujeito cognoscente. Se Turing insinuava que uma máquina poderia “pensar de maneira diferente da humana”, o computacionalismo sustenta que todo pensar é, em última análise, computação. É precisamente esta ambição que suscita as críticas mais contundentes, entre as quais se destaca o nosso pensador: John Searle, com o seu experimento do “Quarto Chinês”, ao sublinhar a insuficiência da sintaxe para gerar semântica.

2. John Searle[12] e a crítica à IA como sujeito epistémico

John Searle é conhecido pelo seu contributo na teoria dos actos de fala e pela crítica ao reducionismo computacional da mente. Na filosofia da mente, área do nosso maior interesse e núcleo do seu pensamento, encontra-se na defesa da intencionalidade _ a capacidade da consciência de estar dirigida a algo _ como dimensão essencial e insubstituível da experiência humana. É nesta linha que surge o célebre experimento mental do Quarto Chines (1980), no qual Searle confronta a tese da Inteligência Artificial forte, segundo a qual um programa de computador poderia “entender” ou “pensar” apenas pela manipulação formal de símbolos (tabelas de instruções ou completude de Turing). Para Searle, tal processo nunca passa da mera sintaxe; falta-lhe a semântica, ou seja, a compreensão genuína que só a mente consciente possui.

2.1. O “Experimento do Quarto Chinês”

De igual modo que tentamos descrever o pensamento de Turing, para conseguirmos dialogar com ele, faremos o mesmo com pensamento de Searle. De Searle preferimos o artigo: Mentes, Cérebros e Programas, publicado pela primeira vez em 1980, trinta anos depois do artigo de Turing. Vamos preferir a versão traduzida a português, por Cléa Regina de Oliveira Ribeiro (Escola de Enfermagem de Ribeirão Preto, USP, 1994).

O ponto de partida de Searle é: que significado psicológico e filosófico devemos atribuir aos esforços feitos recentemente para simular capacidades cognitivas humanas através do computador? Para responder a essa questão também prefere distinguir dois tipos de IA: a forte e a fraca. Essa distinção é importante para Searle porque justifica a orientação ou o foco da sua preocupação. De facto, o interesse de investigar esse tema surge do problema suscitado pela definição da IA forte, pois segundo a concepção dessa IA,

O computador não é meramente um instrumento para o estudo da mente. Muito mais do que isso o computador adequadamente programado é uma mente, no sentido de que, se lhe são dados os programas corretos [lembremos o pensar de Turing] pode-se dizer que eles entendem e que eles têm outros estados cognitivos. Conforme a IA no sentido forte, uma vez que o computador programado tem estados cognitivos, os programas não são meros instrumentos que nos capacitam testar explicações psicológicas: os programas constituem as próprias explicações (Serle, 1980, pág. 2).

Disso resulta que toda a invocação de IA por parte de Searle, é em referência a IA forte, objecto do seu estudo. Na sua abordagem invoca o trabalho de Schank (e companheiros)[13], que poderia ser aplicado a vários projectos semelhantes, de modo especial, aos projectos de simulação de fenómenos mentais que se baseiam na máquina de Turing. Ao tentar esboçar o pensamento de Searle tratarei de ser o mais breve possível, para não me alongar.

Searle supõe uma situação com dois contextos históricos. Uma em que temos o seguinte contexto histórico: “Um homem foi a um restaurante e pediu um hambúrguer. Quando o hambúrguer chegou, estava torrado, e o homem furioso saiu esbravejando do restaurante sem pagar e nem deixar gorjeta”. Consciente dessa situação, ao fazermos a seguinte pergunta ao sujeito “A” (humano): “O homem comeu o hambúrguer?” a resposta mais provável desse sujeito é que responda “Não”; e outra é desse contexto: “Um homem foi a um restaurante e pediu um hambúrguer; ao chegar o pedido ficou bastante satisfeito e na hora de ir embora deu uma boa gorjeta à garçonete antes de pagar sua conta”. Ante essa situação, se perguntamos: “O homem comeu o hambúrguer?”, o provável é que diga “Sim”.

Para Searle, a máquina de Schank ou qualquer IA moderna, poderia responder essas perguntas e dar respostas que humanos dariam, naturalmente. Por que elas têm a “representação” do tipo de informação que os seres humanos têm sobre o que se pergunta (ex.: restaurantes), desde que lhe sejam compartilhados com o contexto. O equívoco dos partidários da IA (companhia Turing …) é que pensam que:  

Desta sequência pergunta-resposta, que não somente a máquina está simulando uma habilidade humana mas também que: a) A máquina compreende a história e fornece respostas às questões; b) O que a máquina e seu programa fazem explica a habilidade humana para entender histórias e responder questões sobre elas (Serle, 1980, pág. 3).

 Para Searle os pontos A e B são insustentáveis. E, para explicar o equívoco nos sugere o Gedankenexperiment (experimento mental), que ficou conhecido como o “Experimento do Quarto Chinês”. Searle (1980, págs. 3-5) pede que “imaginemos alguém trancado num quarto, recebendo textos em chinês sem conhecer a língua. Junto com esses textos, recebe também um conjunto de regras em inglês que lhe permitem correlacionar símbolos chineses entre si. Através dessas instruções, a pessoa consegue manipular os símbolos e devolver respostas em chinês que, para um observador externo, seriam indistinguíveis das de um falante nativo. Simultaneamente, quando recebe textos em inglês, o indivíduo compreende-os e responde naturalmente, pois é falante nativo dessa língua. Assim, para quem observa de fora, as respostas em chinês e inglês parecem igualmente satisfatórias. Mas, no caso do chinês, a pessoa apenas manipula símbolos formais, sem lhes atribuir significado algum. Searle conclui que, nesse processo, a pessoa dentro do quarto funciona como um computador: segue regras sintácticas para manipular símbolos, mas sem verdadeira compreensão semântica.

Searle se deparou com objeções e, a causa principal delas parte do termo “compreensão”. Para ele compreender significa a “posse de estados mentais (intencionais) como também em condições de verdade desses estados (validade, sucesso) ”. As máquinas não sabem, nem compreende o que fazem. A razão pela qual lhes atribuímos a compreensão consiste em que estendemos as nossas “intencionalidades” para os artefactos. Quer dizer: “Nossos instrumentos são extensões de nossos propósitos” (Serle, 1980, pág. 5), eles são uma ferramenta mais, das nossas intenções de facilitar trabalhos diários.

Ao aparecer com esta crítica, Searle reafirmou um ponto filosófico decisivo: a consciência humana não se reduz ao cálculo, nem a mente é um simples programa de computador.

3. O Problema do Conhecimento e o Sujeito Epistémico (humano vs IA)

O conhecimento é outro termo que merece a nossa atenção junto a sua forma verbal conhecer. Do lat. cognoscere: procurar saber. Nessa lógica, conhecer é uma actividade mental cujo fim é tornar o objecto presente pelos sentidos à inteligência (H. Japiassú, D. Marcondes, 2001, pág. 40). Isso dá aval a ideia de que somente o Homem pode aprender. Por outro lado, precisamos ter em conta que na visão de Filho ( 2023, pág. 11) hoje em dia, a IA é desenvolvida em 3 vertentes, através da forma de representação do conhecimento adquirido, por meio de símbolos, de conexões entre neurónios (sinapse) e dos cromossomos. A abordagem que interessa a nós é a de representação do conhecimento a partir dos símbolos, pois se aproxima tanto à forma humana de proceder, a qual também comparamos sobre a possibilidade de os dois: a IA e o humano serem sujeitos epistémicos. Segundo essa perspectiva a unidade básica representativa do conhecimento é o símbolo[14], que é a “forma de representar o pensamento humano e a comunicação com o mundo exterior, nas suas mais diversas formas de expressão ou de linguagem”. E, se existe algo que o homem dotou à máquina é a representação simbólica do conhecimento, fruto dos processos que na ciência de IA chama por Machine Learning[15].

3.1.“Aprendizagem” da IA

Quando analisamos a literatura em torno da matéria que fala sobre a possibilidade da aprendizagem da IA, algo pode passar despercebido ou quando não, podemos nos confundir com o que esses pensadores nos querem dizer sobre como a IA actua nos seus processos de organização do conhecimento, por símbolos. Por exemplo, para Pinheiro (2024, pág. 54) a “A IA utiliza programação e matemática para criar conhecimento usando métodos não simbólicos, de maneira similar à humana”. Uma leitura desatenta desse enunciado pode-se concluir, a priori, que a IA aprende tal como aprendem os humanos.

A sua formulação empregando o verbo “criar” já nos influencia na interpretação, pois pensaremos que nesse processo de “criação” ele actua como sujeito activo, por isso capaz de conhecimento. Quer dizer, se ele aprende da maneira similar que o homem, então ele é sujeito epistémico. Não obstante, é surpreendente perceber que o mesmo autor (Pinheiro, 2024, pág. 55) na página seguinte do enunciado anterior volte a dizer algo diferente do anterior. Para ele, “IA opera em máquinas, recebe dados de entrada, processa e proporciona resultados; são algoritmos criados e controlados por humanos, como qualquer tecnologia”. Este último enunciado é mais lógico até verdadeiro ao mesmo tempo que contraria o anterior. Porque, se assumimos que ele recebe dados (sua passividade) _ lembremos a experiência do quarto chinês_ não pode ser criador, mas a sua função ou exercício limita-se em processar (regras e informação) e, simbolicamente, representar o conhecimento já criado pelo Homem. Como se não bastasse, volta a deixar bem claro ao empregar o termo “controlado”, que é a confirmação mais eloquente de que ela depende do Homem, seu criador.

Ademais, citando um dos artigos mais famoso _ Attention is All You Need _ que precede e impulsionou as investigações sobre máquinas generativas (ex.: chatGpt, …) esclarece: “ […] a diferença entre máquinas e humanos: enquanto a criatividade da máquina reside nos algoritmos, a inteligência real está na imaginação dos programadores que os desenvolvem” (Pinheiro, 2024). No final dessa página volta a dizer claramente: “As IAs não possuem inteligência real, porque suas saídas são apenas resultados de cálculos probabilísticos. Mesmo que possam escrever textos emocionantes, os algoritmos não compreendem emocionalmente o que produzem”. Aqui encontramos em suma o parecer daquilo que J. Searle nos disse claramente aquando do seu experimento sobre o “Quarto chines”. A IA é uma ferramenta mais entre tantas outra que depende do seu criador, sem o qual não fazem sentido. É desde esse ponto que haveria espaço para falar-se e debater-se sobre a possibilidade e as formas do seu uso nas academias, de modo a evitar “policiamentos” vazios.

 3.2. O sujeito epistêmico

O tema que nos sugerimos investigar, A IA como sujeito epistêmico, nos brinda com certas expressões ou termos que, antes, clamam a sua explicação e entendimento para não trairmos o objectivo que nos propusemos no princípio. Se um dos nossos problemas é saber se seria possível que a IA seja sujeito conhecedor, implica antes sabermos o que pode ser um sujeito conhecedor; ou, em termos simples perguntaríamos, em que condições temos um sujeito capaz de conhecer?

Um sujeito epistémico diz-se daquele indivíduo que é capaz de construir certo conhecimento. Para Descartes (Med. 2, AT 7:28, cit. por Newman, 1997) esse indivíduo poderia ser o sujeito pensante, o cogito (ergo sum), a consciência que ao duvidar descobre-se. Segundo Piaget a construção do conhecimento é possível dentro das seguintes condições ou níveis: “dimensão biológica; o construtivismo psicogenético, a interação dos fatores sujeito-meio” (Newman, 1997, pág. 8). A dimensão biológica sugere-nos que só é capaz de conhecimento o individuo dotado de “estruturas que se manifestam por seu poder de assimilação (acções mentais) e acomodação (acções metais)” em relação aos objectos.

Sobre o construtivismo psicogenético temos de visitar e escutar Inhelder, Bovet e Sinclair (1977), que falam da necessidade de “aproximações (contacto) sucessivas com o objecto que se quer conhecer” (Newman, 1997, pág. 9), para fecundar conhecimentos, condição sem a qual o objecto de conhecimento pode ser inacessível. Essas ideias são também de Kant, segundo o qual o sujeito epistémico é o indivíduo que, não só recebe as impressões do meio, as organiza através das formas a priori, de sensibilidade (espaço e tempo) e das categorias de entendimento (B139-40, cit. por Stern).

Depois de recolher os parecer desse filósofo sobre as condições pelas quais podemos falar do sujeito epistémico, resta-nos agora perguntar, será que a IA participa das condições atrás referenciadas? Nos parece claro que IA, não compartilha a dimensão biológica de assimilação e acomodação, mas mostra-se capaz de aproximação com os objectos de conhecimento, sempre quando fosse orientado por um sujeito humano. Em Descartes notamos que a IA não tem consciência do presente e sobre si, pois se não orientado a questionar-se nunca o faria, quer dizer não tem acções intencionais. Se revisitarmos Kant, nessa logica, percebemos que a IA não interage com o Meio, mas é capaz de organizar informações sobre determinado objecto, não através de formas a priori de sensibilidade conforme prescreve Kant, mas por meio de deduções, induções e abduções, a partir de abordagens de “abordagem supervisionado”, não supervisionado e por reforço (Pinheiro, 2024, pág. 11). Ou para expressar melhor, a IA toma decisões na organização de conhecimento através de: classificação, analogia, regressão e inferência probabilística.

As máquinas modernas, enquanto sistemas de IA, podem exibir comportamentos que mimetizam de forma impressionante a acção cognitiva humana: responder a perguntas, resolver problemas complexos, organizar informação e até criar textos ou simular diálogo. Este desempenho pode ser descrito como inteligência funcional, no sentido em que os resultados atingidos são, muitas vezes, indistinguíveis daqueles produzidos por seres humanos. Mas, como disse Searle a capacidade de manipular símbolos e produzir respostas apropriadas não equivale a compreender. A IA opera sempre sobre a base da sintaxe e a compreensão humana, pelo contrário, exige intencionalidade, consciência e experiência do mundo; pressupõe uma relação activa com o significado. O sujeito epistémico humano conhece porque participa activamente na construção do conhecimento, interagindo com o mundo e atribuindo sentido às experiências, como já evidenciado na filosofia de Descartes, Kant e Piaget.

4. Implicações filosófico-académicas da crença em IA conhecedora

A reflexão filosófica sobre os limites ontológicos e epistémicos da IA traz implicações práticas imediatas e profundas, especialmente no contexto académico. Rejeitar a ideia da IA como sujeito epistémico autónomo não significa desvalorizar a sua utilidade; significa, antes, adoptar uma perspectiva crítica e responsável, que reequilibre a relação entre tecnologia e conhecimento humano. O desafio para as instituições de ensino superior não é instaurar um “policiamento” tecnológico obsessivo e frequentemente inútil, mas sim fomentar uma cultura de uso ético-científico, baseada em três pilares fundamentais: compreensão, ética da autoria e espírito crítico (Paiva, 2007, págs. 23-27).

Em primeiro lugar, a compreensão da natureza da IA constitui a base para o seu uso adequado. A IA é, fundamentalmente, um processador sintático _ um mecanismo sofisticado de recombinação de dados _ desprovido de semântica, intencionalidade ou ponto de vista próprio. Quando um estudante recorre a um sistema de IA para elaborar um trabalho académico, deve perceber que o que recebe não é um produto de reflexão genuína, mas uma recombinação de informação pré-existente, organizada segundo critérios probabilísticos e algoritmos programados por humanos. O papel do aluno não é reproduzir passivamente o output da máquina, mas iniciar o processo interpretativo e reflexivo donde a IA termina: analisar, contextualizar, validar e conferir significado aos dados fornecidos, quer dizer entender (Paiva, 2007, pág. 25). A IA deve ser vista como instrumento auxiliar, ponto de partida para a correção sintática e criação intelectual e compreensão semântica, e nunca como substituto do pensamento autónomo.

Em segundo lugar, a ética da autoria impõe-se como condição sine qua non da integridade académica. Tal como acontece com qualquer fonte bibliográfica, os conteúdos gerados por IA devem ser devidamente referenciados, sobretudo o nível da sua participação no texto trabalhado [correção ou escrita pura do texto]. Sempre que um texto, uma ideia ou uma estrutura argumentativa se apoie significativamente num sistema de IA, o estudante tem a obrigação ética e académica de indicar claramente a origem, recorrendo a citações e referências adequadas (Paiva, 2007, pág. 24). O incumprimento desta prática configura plágio, uma vez que apresenta como próprio aquilo que é produzido por um instrumento. O reconhecimento da autoria não deve ser encarado como uma mera formalidade, mas como um acto de honestidade intelectual, que preserva o valor do trabalho académico e respeita o percurso de aprendizagem do estudante.

Por fim, o espírito crítico emerge como o antídoto mais eficaz contra os riscos associados à IA. Sistemas de IA, por mais sofisticados que sejam, operam segundo padrões estatísticos e probabilísticos: podem gerar informação errada, reproduzir enviesamentos presentes nos seus dados de treino ou construir argumentos logicamente coerentes mas semanticamente falaciosos. Cabe ao ser humano _ único agente capaz de verdadeira compreensão e julgamento de valor _ “verificar, contextualizar e criticar” o output da máquina.

A avaliação académica deve centrar-se, portanto, não no produto final fornecido pela IA, mas no processo cognitivo do estudante (o que entendeu daquilo que copiou), na sua capacidade de análise crítica (qual é o teu parecer sobre o texto construído) e na aptidão para reflectir eticamente sobre o conhecimento. a resposta da academia à ubiquidade da IA não deve ser o medo ou a proibição, mas a integração pedagógica consciente. Reconhecer a IA como ferramenta auxiliar implica utilizá-la como geradora de ideias, facilitadora de síntese ou estímulo à reflexão [o novo modelo da OpenIA usa método socrático], nunca como oráculo ou substituto da criatividade humana. Ao promover a compreensão da sua natureza, a ética da autoria e um espírito crítico rigoroso, as universidades não estariam a “policiar”, mas a educar, preparando os estudantes para um futuro em que a capacidade de pensar de forma autónoma, ética e crítica se revela infinitamente mais valiosa do que a mera habilidade de operar uma ferramenta.

Conclusão

O percurso desenvolvido ao longo deste pequeno artigo permitiu examinar de forma crítica a questão central: pode a Inteligência Artificial ser considerada um sujeito epistémico, capaz de pensamento e de conhecimento genuíno? Partimos da proposta pioneira de Alan Turing, que, ao formular o célebre “jogo da imitação”, inaugurou uma abordagem funcionalista e pragmática do pensar em máquinas. Para Turing, a questão deveria ser reformulada: não importa tanto se as máquinas “pensam” como os humanos, mas se conseguem comportar-se de forma indistinguível de um ser humano em determinados contextos comunicativos. Não obstante, a crítica de John Searle, articulada através do experimento mental do Quarto Chinês, expôs uma limitação estrutural dessa perspectiva. Ao sublinhar a distinção entre sintaxe (manipulação formal de símbolos) e semântica (atribuição de significado e compreensão), Searle mostrou que o desempenho externo de uma máquina, por mais sofisticado, não garante que exista uma experiência interna ou uma intencionalidade genuína. Assim, a IA, mesmo na sua versão “forte”, permanece prisioneira da dimensão sintática, incapaz de atingir a profundidade da compreensão humana.

O confronto entre Turing e Searle revela, portanto, duas linhas de reflexão complementares e, ao mesmo tempo, tensas: de um lado, a aposta numa abordagem operacional que avalia a inteligência pela performance observável; de outro, a exigência filosófica de que o conhecimento autêntico implique consciência e intencionalidade.

Em geral, a abordagem nos permite concluir que, até agora, a IA não pode ser considerada sujeito de conhecimento, mas sim um instrumento de processamento simbólico e de simulação de raciocínio. A relevância desta discussão não se limita ao diagnóstico negativo. Pelo contrário, abre caminho à interrogações mais amplas sobre os limites da “racionalidade” da maquinas, o estatuto da consciência e a responsabilidade ética no desenvolvimento tecnológico, impulsionado e conduzindo pelo Homem.

Bibliografia

Filho, O. G. ( 2023). Inteligência Artificial e Aprendizagem de Máquina: Aspectos Teóricos e Aplicações. São Paulo – SP – Brasil: Editora: Blucher.

H. Japiassú, D. Marcondes. (2001). Dicionário Básico de Filosofía (3 ed.). Rio de Janeiro: Jorge Zahar Editor.

López, Jorge Jesús, John R. Searle, en Fernández Labastida, Francisco – Mercado, Juan

Andrés (editores), Philosophica: Enciclopedia filosófica on line, URL: http://www.philosophica.info/archivo/2018/voces/searle/Searle.html.

Paiva, J. (2007). O fascínio de ser professor. Lisboa: Texto Editores.

Pinheiro, Á. F. (2024). Inteligência Artificial. Pernambuco: EGAPE.

Serle, J. R. (1980). “Minds, brains, and programs”,. Behavioral and Brain Sciences (3), 417-57. Recuperado el Setembro de 2025

Turing, A. (1950). Maquinaria computacional e Inteligencia. 22.

Outros Artigos importantes

Pauletti, Rosa & Fenner. (2014). «O Sujeito Epistêmico e a Aprendizagem» In, Revista

            Electrónica de Psicologia e Epistemologia Genética 6 (1), p. 5-15.

Newman, Lex. (1997), "Descartes’ Epistemology", The Stanford Encyclopedia of Philosophy (Winter 2023 Edition), Edward N. Zalta & Uri Nodelman (eds.), URL = <https://plato.stanford.edu/archives/win2023/entries/descartes-epistemology/>.

Stern, Robert and Tony Cheng. (2011), "Transcendental Arguments", The Stanford Encyclopedia of Philosophy (Fall 2023 Edition), Edward N. Zalta & Uri Nodelman (eds.), URL = <https://plato.stanford.edu/archives/fall2023/entries/transcendental-arguments/>.