A Máquina Simbólica e o Paradoxo de Gerar Inteligência

Linguagem Español English

A inteligência artificial moderna surge do cruzamento entre informática, matemática e linguística¹. Em sua base, operam a lógica e as linguagens formais²; no entanto, reduzir a inteligência ao lógico-formal tem demonstrado limites persistentes³. A IA simbólica baseada em regras não alcançou uma inteligência geral: manipular símbolos não garantiu compreendê-los⁴.

Em humanos, a linguagem estrutura e veicula o pensamento sem esgotá-lo ⁵; em sistemas artificiais, em contraste, tendemos a equiparar a geração linguística com a inteligência⁶. Em 1950, Turing desloca a pergunta “Máquinas podem pensar?” para um critério de conduta textual (o Jogo da Imitação)⁷. Mais de sete décadas depois, os modelos generativos — de GPT a Gemini ou Claude — parecem cumprir esse critério de indistinguibilidade em amplos domínios⁸.

O sucesso, porém, reativa a questão: a geração linguística é uma forma de pensamento ou um simulacro estatístico que confunde fluência com entendimento? ⁹

Aqui propomos uma leitura cruzada entre a Máquina de Turing e a gramática generativa de Chomsky para iluminar a promessa e o limite da IA generativa: gerar linguagem sem necessariamente compreendê-la¹⁰. Mais ainda: a ironia contemporânea consiste no fato de que tentamos gerar inteligência sem compreender totalmente o que é a própria inteligência ¹¹¹¹; aspiramos a produzir algoritmicamente aquilo que mal podemos definir conceitualmente^12121212.

1. Turing e a Linguagem como Procedimento

A Máquina de Turing (1936) formaliza a computabilidade¹³. Em sua definição padrão, uma MT é uma 7-tupla:

Onde $(Q)$ é o conjunto de estados, $(\Sigma)$ o alfabeto de entrada, $(\Gamma)$ o alfabeto de fita, $(\delta)$ a função de transição, $(q_0)$ o estado inicial e $(q_{aceita}, q_{rejeita})$ os estados de parada¹⁴. Com uma fita teoricamente infinita e um conjunto finito de regras, Turing mostra que todo algoritmo efetivo é, em princípio, simulável¹⁵.

Em termos de teoria da computação, convém distinguir decidibilidade de enumerabilidade: há linguagens para as quais existe um procedimento que decide aceitação ou rejeição em tempo finito (decidíveis), e outras para as quais só podemos enumerar os elementos aceitos sem garantia de parar nos rejeitados (recursivamente enumeráveis)¹⁶. A Tese de Church-Turing não é um teorema matemático formal — relaciona um conceito informal (“cálculo efetivo”) com um formal (Máquina de Turing) — mas constitui um princípio fundamental universalmente aceito após quase um século de evidência acumulada: todo cálculo efetivo que possamos descrever com clareza é simulável por uma Máquina de Turing¹⁷.

Isso habilita a ponte com a teoria de linguagens e autômatos ¹⁸: cada sistema formal pode ser visto como um dispositivo que gera ou reconhece cadeias bem formadas¹⁹. O Teste de Turing transfere a computação para o teatro da linguagem ²⁰: se a interação textual é indistinguível da humana, a máquina passa por “pensante”²¹. Os LLMs contemporâneos incorporam essa visão procedural ²²: falar como calcular²³.

2. Chomsky, as Linguagens Formais e sua Equivalência com Máquinas

A Hierarquia de Chomsky ordena gramáticas por seu poder generativo e as corresponde com classes de autômatos²⁵:

Nota sobre o Tipo 1: Um autômato linearmente acotado (LBA) é essencialmente uma máquina de Turing cuja fita fica restrita a um múltiplo linear do tamanho da entrada³¹. Essa limitação captura a família de linguagens sensíveis ao contexto, onde as derivações podem depender do entorno, mas continuam sujeitas a um recurso de memória limitado pela entrada³².

Em notação padrão, a linguagem reconhecida por um autômato $(M)$ é:

A gramática generativa descreve um dispositivo capaz de produzir sequências bem formadas³⁴. Chomsky a interpreta como faculdade cognitiva³⁵; Turing, como caracterização computacional³⁶.

A produtividade infinita da gramática generativa — a capacidade de gerar e compreender um número ilimitado de orações a partir de regras finitas — inspirou a intuição de que sistemas formais poderiam capturar a essência da linguagem³⁷. Durante décadas, a IA simbólica tentou codificar essas regras explicitamente: gramáticas de traços, parsers sintáticos, ontologias semânticas³⁸. O programa assumia que descrever a competência linguística equivalia a implementá-la³⁹. A IA moderna herda a forte intuição de que mente e linguagem se modelam como manipulação simbólica regida por regras⁴⁰.

No entanto, a guinada contemporânea inverte o paradigma: as regras já não se programam, são aprendidas⁴¹. Os modelos neurais são autômatos paramétricos cuja complexidade expressiva pode alcançar a de linguagens de Tipo 0, mas induzidos a partir de dados em vez de especificados por linguistas⁴². Onde Chomsky postulou universais inatos, os LLMs descobrem regularidades estatísticas em corpus massivos⁴³. Onde a gramática generativa buscava competência subjacente (o conhecimento tácito do falante), os transformers capturam performance observável (as regularidades do uso efetivo)⁴⁴.

Essa ruptura metodológica tem consequências profundas: já não formalizamos a linguagem para depois implementá-la ⁴⁵; treinamos sistemas para que induzam suas próprias regularidades⁴⁶. O resultado é uma gramática implícita, distribuída em milhões de parâmetros, que pode gerar texto fluído sem possuir um modelo explícito de sintaxe ou semântica⁴⁷. Aprendemos a gerar inteligência linguística sem a necessidade de especificá-la ⁴⁸; a pergunta pendente é se essa geração constitui genuína compreensão ou mera simulação sofisticada⁴⁹.

A elegância da correspondência formal não deve ser confundida com uma ontologia do significado ⁵⁰: o fato de uma classe de linguagens ser representável por um autômato não implica que o uso humano da linguagem se esgote nessa representação⁵¹. Mais ainda: o fato de um sistema neural simular competência linguística não implica que replique os mecanismos cognitivos subjacentes⁵².

3. Convergência e Ruptura: Gerar Não É Compreender

Os LLMs aproximam distribuições de probabilidade $p(w_t|w_{t-1})$ sobre sequências mediante arquiteturas neurais (transformers) que, em princípio, podem modelar a complexidade de linguagens de Tipo 0 na hierarquia de Chomsky, embora sem implementar regras de reescrita explícitas⁵³. Diferente das gramáticas formais que operam mediante sistemas de reescrita simbólica, os LLMs são aproximadores universais que aprendem padrões dos dados ⁵⁴: uma sintaxe estatística treinada em corpora massivos⁵⁵.

Eles alcançam fluidez e coerência local sem garantia de semântica interna⁵⁶. Se a gramática chomskyana apontava para a competência (conhecimento subjacente), os LLMs capturam sobretudo performance (regularidades de uso) e sinais de mundo destilados do texto⁵⁷.

Na tradição chomskyana, a gramática é antes de tudo uma faculdade mental ⁵⁸: um sistema biológico com restrições inatas que explica como os humanos adquirem e manipulam estruturas sintáticas⁵⁹. Na IA generativa, em contraste, “gramática” é o nome operacional de uma função de probabilidade sobre cadeias, parametrizada por milhões ou bilhões de pesos que ajustam a verossimilhança de cada token em contexto⁶⁰. Ambas as perspectivas compartilham uma intuição formal, mas diferem em sua ontologia: a primeira remete a mecanismos cognitivos ⁶¹; a segunda, a procedimentos estatísticos⁶². Resultado: uma sintaxe estatística sem intencionalidade⁶³. Geração não é igual a compreensão⁶⁴. O fato de existir coerência formal não implica necessariamente ancoragem referencial nem visão de mundo no sentido humano⁶⁵.

A língua natural é ambígua por design⁶⁶. A lógica formal aspira a eliminar a ambiguidade ⁶⁷; o uso linguístico prospera nela⁶⁸. Como os modelos obtêm “sentido” sem desambiguação total? ⁶⁹Por densidade relacional: o significado é aproximado como posição em um espaço de relações⁷⁰. E é justamente esta dimensão funcional que explora uma das maravilhas técnicas da linguística computacional: os embeddings⁷¹. Estes não são mais do que representações vetoriais de palavras aprendidas por um modelo estatístico⁷². Depois de “aprender” sobre enormes corpus de texto, os modelos de embeddings capturam tanto semântica quanto relações sintáticas⁷³. Ter vetores para as palavras nos permite então realizar operações matemáticas sobre as palavras e seus sentidos⁷⁴. Assim conseguimos traduzir cadeias de símbolos que para nós, humanos, fazem sentido, para uma realidade computável⁷⁵. O sentido “artificial” vem daqui⁷⁶.

No entanto, sua evolução ilustra o passo de uma semântica estática a uma dinâmica⁷⁷:

1. Word2Vec e GloVe (2013-2014): Cada palavra recebe um único vetor baseado em coocorrências no corpus⁷⁸. A famosa analogia vetorial “rei – homem + mulher = rainha” funciona porque as operações algébricas capturam relações semânticas recorrentes⁷⁹. No entanto, esses modelos não distinguem polissemias: “banco” (entidade financeira) e “banco” (assento) compartilham o mesmo vetor⁸⁰.
2. Embeddings contextuais (ELMO, BERT, 2018): Cada palavra recebe um vetor distinto segundo seu contexto⁸¹. “Banco” em “fui ao banco depositar” e “sentei-me no banco do parque” geram representações diferentes⁸². O modelo atende ao entorno para desambiguar⁸³.
3. Transformers generativos (GPT, 2018-): Os mecanismos de atenção multi-cabeça permitem que cada token module dinamicamente sua representação em função de todos os demais tokens relevantes na sequência, integrando dependências de longo alcance que imitam concordância gramatical, referências anafóricas e coerência temática⁸⁴.

Os embeddings condensam regularidades semânticas e sintáticas em vetores de alta dimensão cuja proximidade reflete padrões de coocorrência e transformações contextuais ⁸⁵; não dizem o que uma coisa é, mas com o que ela tende a aparecer e como se modifica ao se combinar⁸⁶. Os mecanismos de atenção permitem que cada decisão condicione dinamicamente um token em relação a outros potencialmente distantes, integrando dependências de longo alcance que imitam acordos e relações anafóricas⁸⁷. A chamada interpretabilidade mecanicista identificou cabeças e circuitos sensíveis a traços gramaticais e de estilo, prova de que os modelos capturam estrutura estatística útil⁸⁸.

No entanto, as analogias vetoriais clássicas funcionam em domínios frequentes do corpus, mas se rompem sob mudança de domínio ou polissemias ativas ⁸⁹: ao passar de geografia histórica para geopolítica contemporânea, ou de linguagem cotidiana a jargão técnico, a vizinhança semântica varia e os vetores arrastam associações espúrias⁹⁰. O fenômeno ilustra uma fortaleza (capturar regularidades locais) e um limite: a fragilidade diante de translações conceituais que exigem reancorar significados⁹¹.

Seguindo essa lógica, cada palavra do nosso vocabulário tem um vetor de embedding aprendido que a posiciona deterministicamente em seu espaço latente (de dimensionalidade = ao tamanho do vocabulário)⁹². Dessa maneira, vetores similares indicam relações de proximidade semântica/sintática⁹³. Além disso, dada a natureza computacional destes, podemos realizar operações matemáticas sobre “as palavras”⁹⁴.]

Dispor de representações ricas é condição necessária, mas não suficiente, para a compreensão situada⁹⁵. O que emerge é uma competência estatística poderosa, mas sem compromisso ontológico direto com referentes no sentido de experiência perceptual autônoma ⁹⁶— embora modelos multimodais recentes (CLIP, GPT-4V, Gemini) comecem a integrar sinais visuais e textuais, estabelecendo formas incipientes de ancoragem perceptual⁹⁷.

4. A Linguagem entre Estrutura, Símbolo e Cultura

O feito de Chomsky foi formalizar a linguagem como sistema de regras; seu custo foi abstrair a dimensão social⁹⁸. A sociolinguística, a pragmática e a linguística do uso lembram que a linguagem é negociada em comunidades de prática⁹⁹. Os LLMs reincorporam cultura por via estatística: absorvem ideologias, vieses, registros e dialetos sem consciência¹⁰⁰. Produzem uma cultura sintética ¹⁰¹: reflexo de distribuições históricas de nossas vozes, às vezes com amplificação de assimetrias¹⁰².

Dizer que a linguagem é simbólica é afirmar que suas unidades significam por convenção e relação (não por semelhança física com seus referentes)¹⁰³. Essa arbitrariedade permite que o mesmo suporte (texto, áudio, código) expresse infinidade de conteúdos e estilos¹⁰⁴. Por isso é possível modelar com um único formalismo grandes famílias de práticas: idiomas naturais com seus dialetos, jargão técnico, código, fórmulas, notação musical… A dimensão simbólica da linguagem é a que torna escalável a aprendizagem a partir de corpus heterogêneos¹⁰⁵.

Do fato de a linguagem ser simbólica não se segue que exista uma Gramática Universal operativa capaz de reconhecer tudo por regras explícitas¹⁰⁶. Buscamos o formalismo da inteligência (o “artificial”), mas quando formalizamos sem resíduo perdemos ambiguidade, precisamente o recurso que a linguagem viva explora¹⁰⁷. Que a língua esteja viva não implica anarquia: implica variação regulada¹⁰⁸. As regras (convenções) são aprendidas e ajustadas em uso¹⁰⁹.

Os LLMs aprendem um instantâneo dessa variação ¹¹⁰: um modelo treinado até 2023 não conhece o idioleto de 2025 sem atualização¹¹¹. São gramáticas congeladas em seu momento de treinamento ¹¹²: capturam regularidades históricas do corpus, mas não sua dinâmica transformadora posterior sem retreinamento, fine-tuning ou mecanismos de atualização como retrieval-augmented generation (RAG)¹¹³.

Os modelos em grande escala absorvem diversidade cultural sem postular universais explícitos ¹¹⁴, e por isso podem simular consistências locais em domínios relativamente fechados ao mesmo tempo em que exibem falhas de ancoragem quando mudam práticas, referentes ou normas¹¹⁵. Sua notável eficácia funcional não constitui evidência de compreensão ¹¹⁶: revela, antes, o poder das correlações¹¹⁷. Da mesma forma, os vieses que reproduzem não são um simples “bug” corrigível a posteriori, mas um efeito cultural da estatística: a destilação de distribuições históricas com suas assimetrias^118118118. Simulam consistência em domínios fechados, mas falham em ancoragem quando mudam práticas, referentes ou normas¹¹⁹. Seu sucesso funcional não prova compreensão; seu viés não é um “bug” meramente técnico, mas um efeito cultural da estatística¹²⁰.

5. Além do Teste de Turing: Critérios e Limites Contemporâneos

Hoje avaliamos sistemas com provas complementares ¹²¹: Winograd/Winoground (referências), ARC (abstração e composição), BIG-bench, MMLU (conhecimento e raciocínio) e até ARC-AGI (o Santo Graal da IA atual, ser geral), entre outros¹²². O panorama é misto: avanços notáveis em competência estatística convivem com limites em generalização sistemática, ancoragem semântica e adaptação situada¹²³. O salto de predição para interpretação continua sendo o gargalo¹²⁴.

Nos últimos anos surgiram avaliações de ancoragem (temporal, factual e multimodal) e protocolos de uso de ferramentas que conectam o modelo com buscadores, bases de dados ou calculadoras¹²⁵. Esses enfoques melhoram a precisão quando a tarefa exige verificar ou atualizar fatos, mas também transferem parte da inteligência para a orquestração ¹²⁶: decidir quando consultar, qual fonte utilizar e como reconciliar evidências conflitantes¹²⁷. Em paralelo, trabalhos sobre comunicação emergente em entornos de aprendizagem por reforço mostram que agentes podem desenvolver códigos úteis para seus fins, embora raramente composicionais e transferíveis a práticas humanas sem tutoria¹²⁸.

Um crítico poderia argumentar: “Os bebês também adquirem a linguagem por exposição massiva a input linguístico, detectando padrões estatísticos na fala de seu entorno¹²⁹. Se os humanos aprendemos assim e desenvolvemos compreensão, por que os LLMs, que fazem essencialmente o mesmo com mais dados, não a teriam?” ¹³⁰

A objeção é séria e merece uma resposta cuidadosa¹³¹. As diferenças não são meramente quantitativas (mais dados, mais parâmetros), mas qualitativas¹³²:

1. Ancoragem multimodal: As crianças aprendem linguagem simultaneamente com experiência perceptual direta do mundo¹³³. Quando ouvem “bola”, veem, tocam, lançam bolas¹³⁴. A palavra se ancora em experiências sensório-motoras recorrentes¹³⁵. Os LLMs puramente textuais carecem desta triangulação ¹³⁶; modelos multimodais recentes (GPT-4V, Gemini) começam a fechar esta lacuna, mas ainda sem a riqueza da experiência corpórea¹³⁷.
2. Modelos causais do mundo: Os humanos desenvolvem física intuitiva (os objetos não desaparecem, caem), psicologia intuitiva (os agentes têm intenções), biologia intuitiva (os seres vivos crescem e morrem)¹³⁸. Esses modelos causais estruturam a compreensão linguística¹³⁹. Um LLM pode predizer que “se você soltar um copo, ele quebra”, mas não porque entenda gravidade ou fragilidade, mas porque essa sequência é frequente em seus dados¹⁴⁰.
3. Motivação intrínseca e experiência situada: As crianças aprendem linguagem em contextos com propósito comunicativo real: pedir, compartilhar atenção, negociar¹⁴¹. Cada ato linguístico tem consequências no mundo social¹⁴². Os LLMs são treinados em um objetivo técnico (predizer o próximo token) sem agência nem consequência existencial de seus “atos de fala”¹⁴³.
4. Aprendizagem contínua e adaptação: Os humanos atualizam constantemente sua compreensão da linguagem em interação com o entorno mutável¹⁴⁴. Uma criança que aprende “dinossauro” ajusta seu conceito ao visitar um museu, ler livros, ver filmes¹⁴⁵. Um LLM congelado em seu checkpoint de treinamento não evolui com o mundo¹⁴⁶.

O fato de humanos e LLMs compartilharem mecanismos estatísticos no processamento linguístico não implica que compartilhem compreensão¹⁴⁷. A diferença reside na ancoragem causal e perceptual, na agência motivada e na continuidade experiencial¹⁴⁸. Os LLMs são sistemas que aprenderam a imitar a competência linguística sem desenvolver as pré-condições cognitivas que a sustentam em humanos¹⁴⁹.

No entanto, convém reconhecer um limite epistêmico no argumento anterior¹⁵⁰. As quatro diferenças assinaladas (ancoragem multimodal, modelos causais, motivação intrínseca, aprendizagem contínua) descrevem condições externas observáveis, não estados internos de compreensão¹⁵¹. Enfrentamos aqui o clássico problema de outras mentes ¹⁵²: não temos acesso direto à experiência subjetiva de nenhum sistema humano ou artificial além de nossa própria consciência¹⁵³.

Quando afirmamos que uma criança “compreende” a palavra “bola” porque a viu, tocou e lançou, inferimos essa compreensão a partir de sua conduta coerente em contextos variados ¹⁵⁴: pode pedir a bola, distingui-la de outros objetos, usá-la apropriadamente¹⁵⁵. Mas a experiência fenomenológica da criança — o “que se sente” ao compreender — nos resulta inacessível¹⁵⁶. O mesmo vale para os LLMs ¹⁵⁷: podemos documentar suas falhas sistemáticas (fragilidade diante de mudanças de domínio, regressão a padrões frequentes), mas não podemos descartar categoricamente que exista alguma forma de “compreensão” emergente em suas camadas internas, distinta da humana mas funcional à sua maneira¹⁵⁸.

Mais ainda: talvez os humanos também sejamos, em algum nível fundamental, aproximadores estatísticos sofisticados cuja “compreensão” não é qualitativamente distinta, mas apenas quantitativamente mais rica por nossa ancoragem multimodal e evolutiva¹⁵⁹. Esta hipótese, embora especulativa, não pode ser refutada empiricamente de fora do sistema¹⁶⁰.
Essa incerteza importa? Pragmaticamente, não para os fins da engenharia¹⁶¹. O que importa são as consequências mensuráveis¹⁶²:

• Robustez: O sistema mantém coerência sob variações de contexto, domínio e formulação?¹⁶³
• Adaptabilidade: Pode atualizar suas respostas diante de nova evidência sem retreinamento completo?¹⁶⁴
• Ancoragem: Verifica suas afirmações contra fontes externas ou gera ficção verossímil?¹⁶⁵
• Transparência: Podemos auditar suas decisões e corrigir vieses sistemáticos?¹⁶⁶

Dessa perspectiva funcionalista, a pergunta relevante não é “compreende realmente?”, mas “comporta-se como se compreendesse de maneira confiável, adaptável e auditável?” ¹⁶⁷A resposta atual é: em domínios fechados, muitas vezes sim; em domínios abertos ou mutáveis, sistematicamente não¹⁶⁸.

Adotamos um agnosticismo pragmático sobre a compreensão interna dos LLMs¹⁶⁹. Não afirmamos que careçam de toda forma de “entendimento”, mas dadas suas falhas observáveis, não cumprem critérios funcionais robustos de compreensão situada¹⁷⁰. O peso da prova recai em demonstrar confiabilidade generalizável, não em postular estados internos inacessíveis¹⁷¹.

6. Conclusão: Rumo a uma Teoria Crítica da Geração Artificial

O programa de Turing apresenta a linguagem como procedimento e oferece a indistinguibilidade textual como critério pragmático ¹⁷²; o de Chomsky a concebe como faculdade com restrições formais que explicam a produtividade estrutural à custa de abstrair o social ¹⁷³; a IA generativa a trata como modelo estatístico-cultural capaz de capturar correlações e estilos sem ancoragem experiencial autônoma¹⁷⁴. Estes três olhares não se excluem, mas tampouco se reduzem um ao outro¹⁷⁵.

O projeto contemporâneo de gerar inteligência mediante aprendizagem estatística massiva revela um paradoxo fundacional ¹⁷⁶: buscamos produzir aquilo que não sabemos definir¹⁷⁷. O que é exatamente a inteligência que aspiramos a gerar? Capacidade de resolver problemas, adaptabilidade diante do imprevisto, compreensão situada, consciência fenomenológica? ^178178178Cada critério proposto — teste de Turing, benchmarks acadêmicos, desempenho em tarefas específicas — captura dimensões parciais sem esgotar o fenômeno¹⁷⁹. Aprendemos a gerar conduta inteligente em domínios delimitados, mas a pergunta de se isso constitui inteligência genuína ou simulação sofisticada permanece aberta — e talvez, de uma perspectiva pragmática, seja indecidível¹⁸⁰.

Gerar texto não equivale a predizer o sentido ¹⁸¹: quando muito, participa de maneira limitada em sua negociação¹⁸². A aspiração a uma “predição perfeita” resulta não só inalcançável, mas conceitualmente errada diante de um objeto em constante mudança¹⁸³. Por isso, inteligência não é sinônimo de linguagem ¹⁸⁴¹⁸⁴: a IA generativa funciona hoje como interface informática entre nossas intenções e a máquina, traduzindo instruções em operações mediante linguagens naturais ou formais^185185185185. É uma competência estatística automatizada que simula coerência em espaços formais finitos sem horizonte semântico próprio no sentido de agência autônoma^186186186186.

O horizonte mais promissor não consiste em “fazer passar” máquinas por humanas ^187187187187, mas em codelimitar modelos que evoluam conosco, atentos à negociação permanente entre estrutura, cultura e novidade^188188188188.

Medimos a inteligência artificial ali onde a predição tropeça e começa a interpretação ¹⁸⁹: na adaptação situada, na ancoragem ao mundo e na responsabilidade pelas consequências do que é dito¹⁹⁰.

Referências

Avramides, A. (2001). Other Minds. Routledge. Bender, E., & Koller, A. (2020).
Climbing towards NLU: On Meaning, Form, and Understanding in the Age of
Data. ACL. Bender, E., Gebru, T., et al. (2021). On the Dangers of Stochastic Parrots. FAccT. Bybee, J. (2010). Language, Usage and Cognition. CUP.
Chomsky, N. (1957). Syntactic Structures. Mouton. Chomsky, N. (1965). Aspects of the Theory of Syntax. MIT Press. Clark, A. (1997). Being There. MIT
Press. Dennett, D. (1991). Consciousness Explained. Little, Brown. Floridi, L.
(2019). The Logic of Information. OUP. Halliday, M. A. K. (1978). Language
9
as Social Semiotic. Edward Arnold. Harnad, S. (1990). The Symbol Grounding
Problem. Physica D, 42(1–3), 335–346. Hopper, P. J. (1987). Emergent Grammar. BLS 13, 139–157. Hymes, D. (1972). On Communicative Competence.
In Pride & Holmes (eds.), Sociolinguistics. Lakoff, G. (1987). Women, Fire,
and Dangerous Things. U. Chicago Press. Lazaridou, A., Peysakhovich, A., &
Baroni, M. (2016). Multi‑Agent Cooperation and the Emergence of (Natural)
Language. ICLR. Lenneberg, E. (1967). Biological Foundations of Language.
Wiley. Mikolov, T., et al. (2013). Efficient Estimation of Word Representations
in Vector Space. arXiv. [Word2Vec] Mordatch, I., & Abbeel, P. (2018). Emergence of Grounded Compositional Language in Multi‑Agent Populations. AAAI.
Pennington, J., Socher, R., & Manning, C. (2014). GloVe: Global Vectors for
Word Representation. EMNLP. Peters, M., et al. (2018). Deep Contextualized
Word Representations. NAACL. [ELMo] Radford, A., et al. (2018). Improving
Language Understanding by Generative Pre-Training. OpenAI. [GPT] Schick,
T., Dwivedi‑Yu, J., et al. (2023). Toolformer: Language Models Can Teach
Themselves to Use Tools. arXiv. Yao, S., et al. (2023). ReAct: Synergizing
Reasoning and Acting in Language Models. ICLR. Zhou, B., et al. (2021). TimeDial: Temporal Commonsense Reasoning in Dialog. EMNLP. Marcus, G.,
& Davis, E. (2019). Rebooting AI. Pantheon. Searle, J. (1980). Minds, Brains,
and Programs. BBS, 3(3), 417–424. Tomasello, M. (2003). Constructing a
Language. Harvard. Turing, A. (1950). Computing Machinery and Intelligence.
Mind, 59(236), 433–460. Vaswani, A., et al. (2017). Attention Is All You Need.
NeurIPS. [Transformer architecture

Este artigo foi escrito em espanhol e traduzido para o inglês e português com o ChatGPT.