Todos os exercícios desta apresentação rodam aqui mesmo, no navegador, usando Pyodide (Python compilado para WebAssembly).
Não precisa instalar nada. Clique em "▶ Executar" nos blocos de código e veja o resultado ao vivo.
Se quiser usar APIs reais (OpenAI, Anthropic) ou frameworks completos:
python -m venv .venv && source .venv/bin/activate
pip install openai langchain langgraph chromadb
echo "OPENAI_API_KEY=sk-..." > .env70 anos em 10 minutos
Alan Turing publica "Computing Machinery and Intelligence" — propõe que se uma máquina conversa e não dá pra distinguir de um humano, ela "pensa". Até hoje é referência filosófica.
John McCarthy cunha o termo "Inteligência Artificial". 10 pesquisadores se reúnem por 2 meses com a ambição de resolver IA num verão. Spoiler: não conseguiram.
Frank Rosenblatt cria o primeiro neurônio artificial que aprende. A mídia declara: "a marinha criou um computador que pensa". Funcionava para classificações lineares simples.
Joseph Weizenbaum cria ELIZA no MIT — um chatbot que simulava um psicólogo usando pattern matching. Pessoas se abriram emocionalmente com ela, mesmo sabendo que era um programa. Primeiro "chatbot" da história.
Empresas gastam bilhões em sistemas baseados em regras IF-THEN escritas por humanos. MYCIN diagnosticava infecções, XCON configurava computadores. Funcionavam, mas eram frágeis e caros de manter.
Rumelhart, Hinton & Williams formalizam o algoritmo que permite treinar redes neurais profundas. É a base de TUDO que veio depois — até hoje o GPT é treinado com variantes de backprop.
IBM constrói um supercomputador que avalia 200 milhões de posições/segundo. Vence o campeão mundial de xadrez. Manchete mundial. Mas era "força bruta" — não aprendia, não generalizava.
Estatística domina NLP: modelos prevêem a próxima palavra contando co-ocorrências. SVM, Random Forest, boosting resolvem problemas práticos. Mas cada tarefa precisa de features manuais.
Rede neural profunda (CNN) esmaga a competição de visão computacional por 10+ pontos percentuais. Marca o renascimento do deep learning. GPUs + dados + profundidade = mágica.
Google descobre que palavras podem virar vetores numéricos com relações semânticas: rei - homem + mulher = rainha. Revoluciona NLP — de regras para representações aprendidas.
Google publica a arquitetura que mudou tudo. Processa texto em paralelo (não sequencial como RNNs), escala melhor, e o mecanismo de atenção permite capturar dependências longas. Base de GPT, BERT, Claude, Gemini — tudo.
OpenAI e Google mostram que pré-treinar em texto massivo + fine-tuning funciona absurdamente bem. GPT-2 (1.5B params) gera texto tão bom que eles "têm medo" de publicar. Scaling laws começam a se confirmar.
OpenAI escala 100x e descobre "emergent abilities" — o modelo sabe fazer coisas que ninguém ensinou explicitamente. Few-shot prompting funciona. A API abre acesso a startups.
GPT-3.5 + RLHF + interface de chat = 1M usuários em 5 dias. Não era um modelo novo — era a mesma IA agora acessível. O mundo descobre que pode conversar com IA. Tudo muda.
Pesquisadores descobrem que LLMs raciocinam melhor se você pedir "pense passo a passo". ReAct combina raciocínio + ação em loop — nasce o padrão que define agentes modernos.
OpenAI lança tool use nativo: o modelo retorna JSON estruturado dizendo qual função chamar e com quais parâmetros. Agentes deixam de ser hack → viram produto de primeira classe.
Anthropic lança o Model Context Protocol — padrão aberto para agentes se conectarem a qualquer ferramenta (banco, APIs, arquivos). Agentes ganham um "USB universal". Microsoft, Google, OpenAI adotam.
IDEs com agentes que escrevem código, rodam testes, fazem PRs. Devin (Cognition) é o primeiro "engenheiro de software AI" autônomo. Programadores passam de escrever código para supervisionar agentes.
Agentes que controlam mouse e teclado, navegam sites, preenchem formulários. Não precisam de API — usam interfaces como humanos. Qualquer software vira "ferramenta" do agente.
Empresas rodando times de agentes especializados: um pesquisa, outro analisa, outro escreve, outro revisa. Orquestradores como CrewAI, AutoGen, LangGraph coordenam "equipes de IAs".