 |
| Bellacosa Mainframe e a evolução dos comandos de voz na informatica |
☕ Um Café no Bellacosa Mainframe
Quando as Máquinas Aprenderam a Escutar
A fascinante história do IBM ViaVoice, dos laboratórios lendários da Xerox e da longa evolução do reconhecimento de voz até a Inteligência Artificial Generativa
"Toda tecnologia revolucionária passa por três fases: primeiro parece impossível, depois parece inútil e, finalmente, todos juram que ela sempre existiu."
Se você trabalhou com informática entre os anos 1980 e 2000, provavelmente lembra de um curioso paradoxo.
Os computadores ficavam cada vez mais rápidos.
Os processadores dobravam de desempenho a cada poucos anos.
Os discos rígidos cresciam.
A memória aumentava.
As interfaces gráficas evoluíam.
Mas havia uma barreira aparentemente intransponível.
O computador simplesmente não entendia pessoas.
Ele entendia teclados.
Mouse.
Cartões perfurados.
Arquivos.
Bytes.
Mas voz humana?
Parecia algo pertencente à ficção científica.
Curiosamente, essa história começou muito antes do IBM ViaVoice.
Muito antes da Siri.
Muito antes da Alexa.
Na verdade...
ela começa em alguns dos laboratórios mais lendários da história da computação.
O sonho nasceu antes mesmo do computador pessoal
Na década de 1950, Bell Labs, RCA, IBM e diversas universidades já pesquisavam reconhecimento automático da fala.
Naquela época nem existia PC.
Muito menos Windows.
O objetivo inicial era extremamente modesto.
Reconhecer...
os números de zero a nove.
Nada mais.
O famoso sistema Audrey, desenvolvido pela Bell Laboratories em 1952, conseguia reconhecer apenas dígitos pronunciados por uma única pessoa treinada.
Hoje isso parece trivial.
Na época era quase magia.
Imagine.
Computadores ocupando salas inteiras.
Centenas de válvulas.
Milhares de relés.
Mesmo assim...
alguém ousou ensinar uma máquina a ouvir.
IBM entra na corrida
Durante os anos 60 e 70 a IBM começou diversas pesquisas em reconhecimento de padrões.
Embora a empresa fosse conhecida pelos mainframes, internamente existiam enormes grupos dedicados à inteligência artificial, linguística computacional e processamento de sinais.
A IBM entendia algo importante.
Os computadores ficariam menores.
Mais baratos.
Mais rápidos.
E um dia...
as pessoas deixariam de querer aprender a linguagem das máquinas.
As máquinas precisariam aprender a linguagem das pessoas.
Essa visão acompanharia a IBM pelas décadas seguintes.
Xerox PARC: onde o futuro era inventado diariamente
Falar sobre interfaces homem-máquina sem mencionar o Xerox PARC seria praticamente um crime histórico.
Criado em 1970, o Palo Alto Research Center reuniu algumas das maiores mentes da computação.
Ali nasceram ou amadureceram conceitos como:
interface gráfica;
mouse;
janelas;
Ethernet;
impressoras laser;
programação orientada a objetos;
WYSIWYG;
computação distribuída.
Embora o PARC não tenha criado sozinho o reconhecimento de voz moderno, ele ajudou a consolidar uma filosofia revolucionária: o computador deveria adaptar-se ao ser humano, e não o contrário.
Essa ideia influenciou profundamente toda a indústria.
Dragon Systems: o gigante esquecido
Enquanto IBM avançava em seus laboratórios, outra empresa começava discretamente uma revolução.
A Dragon Systems.
Fundada em 1982 por James e Janet Baker.
O casal passou décadas desenvolvendo algoritmos extremamente sofisticados para reconhecimento contínuo da fala.
Foi a Dragon que popularizou o conceito de ditado de textos.
Médicos.
Advogados.
Pesquisadores.
Começaram a abandonar parte da digitação.
Em muitos aspectos, a Dragon estava anos à frente do restante do mercado.
Décadas depois seria adquirida pela Nuance.
E ironicamente...
a tecnologia da Nuance acabaria alimentando diversos produtos da Microsoft e, posteriormente, soluções de IA médica.
IBM ViaVoice: quando a voz chegou às empresas
No final dos anos 90 surge aquele que provavelmente foi o software de reconhecimento de voz mais famoso da época.
IBM ViaVoice.
Era impressionante para os padrões daquele período.
Pela primeira vez um usuário comum podia instalar um software e conversar com o computador.
Claro...
existiam limitações.
Era necessário treinar o sistema.
Ler textos.
Corrigir erros.
Ensinar pronúncias.
Mas quando funcionava...
parecia inacreditável.
Foi exatamente nessa época que muitas grandes empresas participaram de programas piloto.
Bancos.
Universidades.
Centros de pesquisa.
Empresas multinacionais.
Muitos profissionais nem imaginavam que estavam ajudando a construir uma das tecnologias mais importantes do século XXI.
Como o ViaVoice realmente funcionava?
Hoje usamos modelos neurais gigantescos.
O ViaVoice pertencia a outra geração.
Ele utilizava principalmente:
Modelos Ocultos de Markov (Hidden Markov Models — HMM);
modelos acústicos;
modelos fonéticos;
dicionários de pronúncia;
modelos estatísticos de linguagem (n-gramas).
Em vez de "entender" uma frase, o software calculava probabilidades.
Cada fonema era comparado a milhares de possibilidades.
O algoritmo escolhia a sequência mais provável.
Era engenharia estatística em estado puro.
Para a época...
uma obra-prima.
Por que Shakespeare?
Muitos usuários lembram desse detalhe curioso.
O software solicitava a leitura de textos relativamente longos.
Não era por acaso.
Esses textos continham:
diversas combinações fonéticas;
diferentes vogais;
consoantes difíceis;
mudanças naturais de entonação;
pausas;
velocidade variável.
Era um excelente material para calibrar o modelo acústico individual.
Cada pessoa acabava construindo um "perfil vocal".
O grande inimigo: o hardware
Hoje esquecemos como eram os computadores daquela época.
Pentium II.
Pentium III.
64 MB de RAM.
Processadores abaixo de 500 MHz.
Microfones baratos.
Placas Sound Blaster.
Mesmo algoritmos brilhantes sofriam com a falta de processamento.
Grande parte das limitações do ViaVoice não estava no software.
Estava no computador.
A explosão do reconhecimento de voz
Durante os anos 2000 surgiram diversos concorrentes.
Dragon NaturallySpeaking
O grande padrão profissional.
Muito utilizado por médicos e advogados.
Excelente precisão.
Ditado contínuo.
Vocabulários especializados.
Microsoft Speech API (SAPI)
A Microsoft resolveu criar uma infraestrutura padrão.
Diversos programas passaram a compartilhar mecanismos de reconhecimento.
Nascia um ecossistema.
Microsoft Speech Recognition
Integrado ao Windows Vista e posteriormente ao Windows 7.
Pela primeira vez milhões de computadores já vinham preparados para comandos de voz.
IBM Embedded ViaVoice
A IBM percebeu rapidamente que o futuro não estava apenas no desktop.
ViaVoice passou a ser embarcado em:
centrais telefônicas;
URAs;
automóveis;
equipamentos industriais;
sistemas médicos.
Foi uma mudança estratégica importante.
Philips SpeechMagic
Muito forte no mercado hospitalar europeu.
Especializado em documentação clínica.
Nuance
A Nuance tornou-se praticamente sinônimo de reconhecimento de voz profissional.
Após adquirir a Dragon Systems, consolidou grande parte do mercado corporativo.
Em 2021 foi adquirida pela Microsoft, reforçando sua importância estratégica.
O nascimento dos assistentes inteligentes
Até então os softwares apenas reconheciam palavras.
Depois veio uma mudança radical.
Eles começaram a entender intenções.
A Apple apresentou a Siri em 2011.
Depois vieram:
Google Now.
Google Assistant.
Amazon Alexa.
Samsung Bixby.
Microsoft Cortana.
Cada um adicionando um elemento novo:
contexto.
Aprendizado.
Integração com serviços.
Computação em nuvem.
Deep Learning mudou tudo
Por quase quarenta anos o reconhecimento de voz evoluiu lentamente.
Então...
entre 2012 e 2016 aconteceu uma verdadeira explosão.
As Redes Neurais Profundas substituíram boa parte dos antigos modelos baseados em HMM.
Depois vieram arquiteturas como:
LSTM.
Attention.
Transformers.
Self-supervised Learning.
Modelos multimodais.
O salto de qualidade foi impressionante.
OpenAI Whisper: um novo capítulo
Em 2022 a OpenAI apresentou o Whisper.
Ao contrário dos sistemas tradicionais, ele foi treinado com centenas de milhares de horas de áudio multilíngue.
Resultado?
Reconhecimento extremamente robusto.
Sotaques.
Ruído.
Múltiplos idiomas.
Mistura de idiomas.
Tudo começou a funcionar de maneira muito mais natural.
Whisper mostrou que reconhecimento de voz deixava de ser um produto isolado para tornar-se parte integrante dos modelos de IA.
Hoje a voz é apenas mais um tipo de dado
Essa talvez seja a maior mudança conceitual.
Antes existia um software especializado em reconhecer voz.
Hoje...
GPT.
Gemini.
Claude.
Copilot.
Llama.
Mistral.
Todos tratam voz, texto, imagem e vídeo como diferentes representações da mesma informação.
O reconhecimento de voz deixou de ser um fim.
Passou a ser apenas a porta de entrada para sistemas capazes de compreender contexto, memória, intenção e até emoção.
E o que aconteceu com o ViaVoice?
Curiosamente, ele não desapareceu por ser ruim.
Desapareceu porque o mundo mudou.
A IBM percebeu que o futuro estava menos no software de consumo e mais em soluções corporativas, middleware, analytics, computação cognitiva e, posteriormente, no Watson.
Muitas ideias do ViaVoice sobreviveram em produtos empresariais e influenciaram toda a indústria.
Seu legado não está em um ícone na área de trabalho.
Está nos bilhões de dispositivos que hoje entendem comandos de voz sem exigir que o usuário leia Shakespeare três vezes.
Bellacosa Mainframe — Epílogo
Sempre achei curioso lembrar daquele disquete recebido no Banco Real.
Naquele momento eu acreditava estar apenas testando um programa interessante.
Hoje vejo que estava diante de um pedaço da história da computação.
O ViaVoice não foi apenas um software.
Foi uma ponte entre duas eras.
De um lado, a computação clássica, baseada em regras, probabilidades e modelos estatísticos cuidadosamente construídos por engenheiros.
Do outro, a era da Inteligência Artificial moderna, em que modelos gigantescos aprendem com bilhões de exemplos e são capazes de conversar, traduzir, interpretar imagens e compreender intenções humanas.
Talvez essa seja a maior lição dessa história.
As revoluções tecnológicas raramente acontecem da noite para o dia.
Elas amadurecem em silêncio, escondidas em laboratórios, universidades e programas piloto, até que um dia parecem surgir "de repente".
Na realidade, passaram décadas sendo preparadas por milhares de pesquisadores anônimos.
Entre eles estavam engenheiros da Bell Labs, cientistas da IBM, pesquisadores da Xerox PARC, desenvolvedores da Dragon Systems e incontáveis profissionais que, sem saber, participaram de testes lendo um trecho de Shakespeare diante de um microfone.
Às vezes, a História da Computação não começa com um grande anúncio.
Começa com uma voz humana dizendo:
"Ser ou não ser..."
...e um computador tentando entender a resposta.
Se existe uma moral para essa história, talvez seja esta: o IBM ViaVoice foi para a IA conversacional o que o Altair 8800 foi para o computador pessoal. Limitado, às vezes frustrante, mas visionário. Assim como poucos imaginavam em 1975 que um kit eletrônico daria origem ao PC moderno, quase ninguém percebeu que aquele software que pedia para ler Shakespeare estava plantando uma das sementes da era da Inteligência Artificial que hoje transforma o mundo.
