Existe uma diferença aparentemente pequena entre pedir uma informação a um computador e investigar alguma coisa com ele.

No primeiro caso, normalmente sabemos o que queremos encontrar. No segundo, ainda estamos tentando descobrir qual pergunta precisa ser feita.

Uma cena de Star Trek: A Nova Geração mostra isso de maneira particularmente interessante. Geordi La Forge examina registros de uma antiga missão quando percebe algo estranho em uma das imagens. Entre as pessoas que aparecem na cena existe uma sombra que não parece pertencer a nenhuma delas, e ele ainda não sabe o que poderia tê-la produzido.

Usando o computador e o holodeck da nave, Geordi reconstrói a cena, remove elementos já conhecidos, compara posições e deixa diante de si apenas aquilo que continua sem explicação. A sombra permanece. Então ele pergunta que objeto poderia tê-la produzido, mas o computador informa que os dados disponíveis não são suficientes para reconstruí-lo.

A resposta, porém, não encerra a investigação. Geordi acrescenta uma hipótese, sugere aproximadamente a altura que o objeto desconhecido poderia ter e pergunta se essa nova condição permite estimar sua forma e posição. Dessa vez, as informações são suficientes e, pouco a pouco, surge diante dele uma figura aproximadamente humanoide.

O detalhe mais interessante da cena não é o holodeck nem a capacidade de reconstruir imagens tridimensionais. É a maneira como a investigação acontece. Geordi não começa sabendo exatamente o que precisa perguntar, porque cada resultado modifica o passo seguinte. Uma observação leva a uma hipótese, a hipótese acrescenta uma nova restrição e essa restrição permite procurar algo que antes permanecia oculto.

O computador não resolve o mistério por ele, nem simplesmente espera no final do processo por uma ordem perfeitamente definida. Ele participa da investigação enquanto a própria pergunta ainda está sendo construída.

Isso começa a parecer menos distante do que parecia quando a cena foi produzida.

Imagine um desenvolvedor que recebe um repositório de software que nunca viu antes. Há milhares de arquivos, diferentes componentes, dependências acumuladas durante anos e uma documentação que explica apenas parte daquilo que realmente acontece. Algum comportamento precisa ser compreendido, mas ninguém deixou um mapa indicando exatamente onde procurar.

Ele pode começar tentando localizar onde determinada ação se inicia e a primeira resposta levar a uma função, que por sua vez chama outra. Enquanto isso, um valor atravessa diferentes módulos até chegar ao ponto em que o comportamento finalmente aparece. Durante esse percurso, surge uma suspeita: talvez aquela informação esteja sendo alterada antes de chegar ali.

A partir dessa hipótese, o desenvolvedor pode pedir à IA que procure onde essa alteração poderia ocorrer, examine os caminhos relacionados e descarte possibilidades que não combinam com aquilo que já foi encontrado. Então, uma nova relação aparece, e se modifica a hipótese inicial, o que conduz a outra pergunta. Pouco a pouco, começa a surgir uma compreensão do sistema que não estava explícita em nenhum arquivo isolado.

Nenhuma dessas perguntas precisava existir exatamente daquela forma antes do início da investigação. Elas surgiram porque alguma coisa foi encontrada no caminho.

É justamente isso que aproxima esse trabalho da investigação de Geordi. A informação procurada nem sempre está escondida em algum lugar esperando que alguém formule a consulta correta. Muitas vezes, aquilo que precisamos compreender aparece apenas quando diferentes partes do problema são relacionadas e quando cada resposta ajuda a construir a pergunta seguinte.

Naturalmente, os sistemas atuais estão muito longe do computador da Enterprise. Podem interpretar código incorretamente, sugerir relações que não existem ou apresentar como conclusão aquilo que deveria ser tratado apenas como hipótese. Por isso, seus resultados precisam ser verificados, principalmente quando estamos lidando com sistemas grandes, pouco conhecidos ou mal documentados.

Essa limitação, porém, não elimina a mudança que está acontecendo.

Computadores já eram utilizados há muito tempo para explorar dados, executar simulações, procurar padrões e ajudar na resolução de problemas. A diferença é que grande parte dessa participação precisava ser previamente estruturada. Era necessário determinar com bastante precisão quais operações seriam executadas, quais dados seriam comparados e de que maneira cada etapa contribuiria para a investigação.

Com interfaces baseadas em linguagem natural, começa a surgir uma forma mais flexível de trabalhar. Podemos fornecer contexto, formular uma pergunta provisória, receber um resultado, acrescentar uma condição, abandonar uma hipótese e seguir por outro caminho sem precisar reconstruir toda a ferramenta usada a cada nova etapa.

A conversa passa a acompanhar a própria investigação.

Isso não significa que o computador tenha se tornado responsável pelo raciocínio. O ser humano continua observando, desconfiando, formulando hipóteses, verificando resultados e decidindo quais caminhos merecem ser explorados. O que mudou foi a posição da máquina dentro desse processo.

Ela já não precisa permanecer apenas no final do raciocínio, esperando uma ordem completamente formada. Pode aparecer no meio dele, enquanto ainda estamos descobrindo qual pergunta vale a pena ser feita.