 |
| Bellacosa Mainframe e os primeiros comandos de voz |
☕ Um Café no Bellacosa Mainframe
Quando Shakespeare Ensinou um Computador a Ouvir
A incrível história do software da IBM que previu a Inteligência Artificial... vinte anos antes de ela conquistar o mundo
"Algumas tecnologias não fracassam. Apenas chegam cedo demais."
Existem lembranças que permanecem guardadas em algum setor curioso da memória. Não porque tenham mudado o mundo naquele instante, mas porque, décadas depois, percebemos que estávamos testemunhando o nascimento silencioso de algo gigantesco.
Esta é uma dessas histórias.
Voltemos ao final de 1999.
O mundo inteiro estava preocupado com o Bug do Milênio.
Nos CPDs, programadores COBOL revisavam milhões de linhas de código.
Os bancos faziam testes intermináveis.
A Internet ainda era um território meio selvagem.
O Windows 98 reinava absoluto.
A maioria dos computadores possuía entre 64 e 128 MB de memória.
Discos rígidos de 6 GB pareciam praticamente infinitos.
E foi justamente nesse cenário que aconteceu uma das experiências tecnológicas mais curiosas que vivi como funcionário do Banco Real.
Recebemos um simples...
disquete.
Não um CD.
Não um DVD.
Muito menos um download.
Um humilde disquete de 3½ polegadas contendo um software experimental desenvolvido pela IBM para testes internos.
Na época ninguém imaginava que aquele pequeno pedaço de plástico carregava uma visão do futuro.
O computador queria aprender a ouvir
A instalação era relativamente simples.
Depois de concluída, o programa fazia um pedido curioso.
Era necessário colocar um microfone na frente da boca...
e ler um trecho de Shakespeare.
Em português.
Não apenas uma vez.
Nem duas.
Três vezes.
Lembro perfeitamente da sensação estranha.
Parecia um ritual.
Enquanto lia, uma barra de progresso mostrava que o computador estava "aprendendo".
Na época imaginei que ele estivesse apenas gravando minha voz.
Hoje sei que estava fazendo algo muito mais sofisticado.
Ele tentava construir um modelo matemático do meu jeito de falar.
Meu ritmo.
Meu timbre.
Minha velocidade.
Meu sotaque.
Minha pronúncia.
Era como ensinar um bebê eletrônico a reconhecer exclusivamente a voz de uma pessoa.
Terminada essa etapa...
vinha a mágica.
"Computador... abrir programa."
Para os padrões de 1999...
funcionava surpreendentemente bem.
Claro que cometia erros.
Muitos.
Mas reconhecia diversos comandos simples.
Naquele instante tive uma certeza quase absoluta.
"O teclado está com os dias contados."
Afinal...
quem iria querer continuar digitando quando bastaria conversar com a máquina?
Na minha cabeça aquilo parecia inevitável.
Assim como muitos acreditavam que os carros voadores chegariam antes de 2010.
O futuro parecia muito próximo.
Só que...
ele resolveu atrasar quase vinte anos.
A ilusão de que a tecnologia havia fracassado
Os anos passaram.
O assunto simplesmente desapareceu.
Nenhuma revolução.
Nenhum escritório comandado por voz.
Nenhum computador obedecendo naturalmente às pessoas.
A impressão era de que tudo aquilo havia sido apenas mais uma promessa da informática.
Como tantas outras.
Na época existiam inclusive alguns jogos que aceitavam comandos simples de voz.
Era divertido.
Mas logo tudo sumiu das revistas de tecnologia.
Parecia uma ideia abandonada.
Hoje sabemos que não era.
Ela apenas havia nascido cedo demais.
O computador não entendia absolutamente nada
O maior engano daquela época era imaginar que o software "compreendia" o que dizíamos.
Não compreendia.
Nem perto disso.
Ele fazia estatística.
Imagine ouvir uma palavra e compará-la com milhares de padrões previamente gravados.
Algo como:
"Existe 82% de chance dessa onda sonora representar a palavra 'abrir'."
Era isso.
Não havia compreensão.
Não havia contexto.
Não havia intenção.
Muito menos linguagem natural.
Se eu dissesse:
"Transferir cem reais para João."
O computador tentaria reconhecer palavras isoladas.
Hoje uma IA entende o significado da frase inteira.
Naquela época...
ela apenas tentava adivinhar sons.
Era uma diferença gigantesca.
O verdadeiro culpado era o hardware
Hoje carregamos no bolso celulares milhares de vezes mais poderosos que os computadores daquela época.
Mas em 1999...
o cenário era outro.
Processadores Pentium II ou Pentium III.
Pouquíssima memória.
Discos lentos.
Microfones baratos.
Placas de som extremamente simples.
Tudo precisava ser processado em tempo real por um computador que mal conseguia abrir o Word rapidamente.
Era pedir um milagre.
Os microfones eram quase inimigos
Outro detalhe curioso.
Muita gente culpa apenas o software.
Mas esquece do restante.
O escritório tinha pessoas conversando.
Ar-condicionado.
Telefone tocando.
Ventilador.
Impressoras matriciais.
Monitores CRT emitindo ruídos elétricos.
Tudo isso era capturado pelo microfone.
Hoje nossos celulares possuem vários microfones trabalhando juntos para eliminar ruídos usando algoritmos extremamente sofisticados.
Na época...
o computador simplesmente ouvia toda a bagunça.
A internet ainda era lenta demais para ajudar
Hoje Siri, Alexa, Google Assistant e até o ChatGPT enviam boa parte do processamento para enormes datacenters espalhados pelo planeta.
Em 1999 isso seria ficção científica.
Conexões de 33 ou 56 kbps mal conseguiam carregar uma fotografia.
Enviar áudio continuamente para um servidor remoto era impraticável.
Portanto...
todo o reconhecimento precisava acontecer dentro do próprio computador.
Era como pedir para uma bicicleta competir com um trem-bala.
A revolução ficou adormecida
Entre 2000 e 2010 quase ninguém falava mais em reconhecimento de voz.
Parecia uma tecnologia derrotada.
Mas, silenciosamente, quatro revoluções aconteciam ao mesmo tempo.
Primeiro vieram enormes bancos de dados contendo milhões de horas de fala humana.
Depois surgiram GPUs capazes de realizar bilhões de cálculos paralelos.
Em seguida o Deep Learning mudou completamente a forma como computadores aprendiam.
E finalmente os smartphones colocaram microfones, internet rápida e sensores no bolso de bilhões de pessoas.
Somente quando essas quatro peças se encaixaram...
a velha ideia renasceu.
Siri, Alexa e o retorno de um velho sonho
Quando a Siri apareceu em 2011...
senti uma estranha sensação de déjà vu.
Aquilo me lembrava imediatamente o software que havia testado anos antes.
Depois veio a Alexa.
O Google Assistant.
E tantos outros.
A diferença?
Agora o computador não tentava apenas reconhecer palavras.
Tentava entender intenções.
Era exatamente a peça que faltava.
Então por que ainda digitamos?
Essa talvez seja a pergunta mais interessante.
Porque descobrimos algo que parecia óbvio...
mas só percebemos décadas depois.
Nem toda tarefa é melhor usando voz.
Imagine programar COBOL dizendo:
"Escreva IF WS-SALDO MAIOR QUE ZERO MOVE VERDADEIRO PARA WS-AUTORIZADO..."
Boa sorte.
Agora imagine pedir:
"Tocar jazz."
Ou:
"Qual a previsão do tempo?"
Ou:
"Acender a luz da sala."
A voz vence com enorme facilidade.
O teclado não morreu.
Encontrou seu lugar.
A voz também.
Cada ferramenta passou a ocupar o espaço onde realmente faz sentido.
Um pequeno experimento... que talvez tenha ajudado a construir o futuro
Hoje acredito que aquele software distribuído pela IBM para grandes empresas não era apenas um produto.
Era também um enorme laboratório.
Cada funcionário que lia Shakespeare fornecia novos dados.
Novos sotaques.
Novas entonações.
Novas formas de pronunciar palavras.
Talvez sem perceber...
tenhamos ajudado a treinar uma geração inteira de tecnologias que somente décadas depois se transformariam na base da computação moderna.
É curioso pensar nisso.
Enquanto eu lia Shakespeare diante de um Pentium, imaginando que estava apenas fazendo um teste corporativo, talvez estivesse contribuindo — ainda que de forma minúscula — para o longo caminho que levaria aos assistentes inteligentes, aos modelos de linguagem e às conversas naturais com máquinas.
☕ Epílogo no Bellacosa Mainframe
Existe uma ironia deliciosa nessa história.
Durante anos ouvimos que o teclado iria desaparecer.
Não desapareceu.
Depois disseram que o mouse morreria.
Também não morreu.
Mais recentemente afirmaram que a Inteligência Artificial substituiria toda forma de programação.
Os programadores sabem que a realidade costuma ser menos dramática e muito mais interessante.
A tecnologia raramente elimina a anterior.
Ela a transforma.
Foi assim com o terminal 3270.
Com o COBOL.
Com o mainframe.
Com a internet.
Com os smartphones.
E foi exatamente assim com o reconhecimento de voz.
Aquele disquete recebido no Banco Real não foi um fracasso tecnológico.
Foi apenas uma mensagem enviada pelo futuro.
Uma mensagem que precisou de quase vinte anos para finalmente ser compreendida.
E pensar que tudo começou com um computador pedindo, educadamente, que um analista de sistemas lesse Shakespeare três vezes diante de um microfone.
Às vezes, as maiores revoluções da tecnologia começam da forma mais silenciosa possível.
Ou melhor...
com uma voz humana tentando ensinar uma máquina a escutar.
