Inteligencia artificial- aula 1 StfEduca

Prévia do material em texto

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
1
GUSTAVO MASCARENHAS LACERDA PEDRINA
APLICAÇÃO DA 
INTELIGÊNCIA 
ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
2
Material didático de curso a distância:
Aplicação da Inteligência Artificial ao Direito
Validação pedágogica e diagramação:
Supremo Tribunal Federal
Secretaria de Gestão de Pessoas
Coordenadoria de Desenvolvimento de Pessoas
Conteudista:
Gustavo Mascarenhas Lacerda Pedrina (STF)
Revisora de textos:
Tatiana Viana Fraga (STF)
Web designer:
Haina Castro Rego (STF)
DADOS PARA REFERÊNCIA 
SUPREMO TRIBUNAL FEDERAL. Curso a distância: Aplicação 
da Inteligência Artificial ao Direito. Brasília: Coordenadoria de 
Desenvolvimento de Pessoas, 2020. Disponível em: ead.stf.jus.br. 
Acesso restrito com login e senha.
2020, Supremo Tribunal Federal.
Todos os direitos reservados.
Este material possui função didática, sem fins comerciais e foi 
adaptado para a versão autoinstrucional em 2021.
Para mais detalhes sobre as condições de uso, acesse: Licença STF.
Visite o Ambiente Virtual de Aprendizagem do STF 
Contato: educa@stf.jus.br
https://ead.stf.jus.br/
https://docs.google.com/drawings/d/1g6AeWqrfYTkl_pqs5wlknDz6U_r91I6-EVnDavGcI04/edit
https://ead.stf.jus.br/
mailto:ead@stf.jus.br
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
3
INTRODUÇÃO ......................................................................... 4
1. O QUE É E O QUE NÃO É AI ............................................. 5
2. INTELIGÊNCIA ARTIFICIAL: EVOLUÇÃO DESDE
TURING ...................................................................................... 10
3. BIG DATA .............................................................................. 13
4. MACHINE LEARNING ....................................................... 15
CONCLUSÃO ........................................................................... 17
REFERÊNCIAS ........................................................................ 19
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
4
INTRODUÇÃO 
Oi! Tudo bem? Esta é a primeira aula do nosso curso. Nela e nas próximas 
vamos discutir e aprender mais sobre um termo cada vez mais popular, a inteligência 
artificial. Você já ouviu falar? 
É comum hoje em dia, ao navegar pela 
internet, nos depararmos com novas funcinalidades 
e invenções, todas alegadamente baseadas na 
inteligência artificial (AI na sigla em inglês, de “Artificial 
Intelligence”). Há até mesmo bancos comerciais 
propagandeando o uso da AI para auxiliar seus 
clientes. Todavia, como veremos no decorrer deste 
curso, não é bem assim.
Propomos aqui a discussão sobre o que é e o 
que não é inteligência artificial. Para tanto, traçaremos 
o cenário histórico da AI, explicando suas origens
e contextualizando sua evolução, apontaremos 
os usos atuais de big data e machine learning, 
apresentaremos a AI estatística e a análise preditiva, 
e, no contexto específico, analisaremos o uso de 
AI no direito, tanto em casos penais quanto em 
separação de teses. Não se assuste com os termos 
desconhecidos, estudaremos cada um deles mais 
para frente!
Por fim, indicaremos possibilidades futuras 
de uso da tecnologia, traçando o estado da arte 
da AI. Numa aula à parte, discutiremos questões 
relacionadas, como a disseminação de fake news, 
o bloqueio de conteúdo, a neutralidade da rede
e a criptografia. Ao final dos estudos, o objetivo é
que você consiga diferenciar o que é e o que não
é inteligência artificial. Muitos aprendizados pela
frente, não é mesmo?
Gustavo Mascarenhas 
Lacerda Pedrina é 
assessor de ministro no 
Supremo Tribunal Federal, 
doutorando e mestre 
em Direito Penal pela 
Faculdade de Direito da 
Universidade de São Paulo 
(FDUSP). Foi bolsista no 
Charles Hamilton Houston 
Institute da Harvard 
Law School (EUA), sob 
orientação do professor 
David Harris. Entre 2013 
e 2014 foi pesquisador 
do Programa de Direito 
Penal, Democracia e 
Privacidade da Utrecht 
University (Holanda), sob 
orientação do professor Dr. 
h.c. Mult. J. A. E. Vervaele.
Autor do livro “AP 470:
análise da intervenção da
mídia no julgamento do
mensalão” e coordenador
do livro “Habeas Corpus no
Supremo Tribunal Federal”.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
5
1. O QUE É E O QUE NÃO É AI
Quantas vezes, desde que acordou hoje, você se deparou com o termo 
inteligência artificial? Provavelmente mais do que se deparou com termos comuns 
à área jurídica, como “processo”, por exemplo.
A razão disso parece ser simples: do ponto de vista do marketing, falar em AI 
deixa tudo mais “inteligente”, parece até que confere certo “glamour tecnológico” 
para os produtos. 
Pensando nisso, assista ao seguinte comercial:
Então me diga: você prefere deixar seu dinheiro num banco que não tem 
qualquer inteligência aplicada ou com a Bia do Bradesco?
Se você ficou tentado a abrir uma conta nessa instituição financeira devido 
às novidades tecnológicas apresentadas, não quero te decepcionar, mas a 
inteligência aventada pelo banco ou por qualquer outra empresa (e até mesmo 
por órgãos públicos) não é exatamente o que parece. 
Disponível em: banco.bradesco
Nessa primeira aula precisamos entender as origens da inteligência artificial 
e o seu real ponto de desenvolvimento, reconhecer princípios de big data e de 
machine learning.
O nosso objetivo é fornecer parâmetros sólidos para que, ao final, estejamos 
prontos para, juntos, entendermos os desafios que seguirão nas próximas aulas. 
Você vai sair desse curso capaz de explicar aos seus colegas, amigos e familiares o 
que é AI, o que estão chamando de AI e como a tecnologia, inteligente ou não, 
pode ser aplicada a decisões judiciais. Parece interessante, não?!
Vamos lá?
https://youtu.be/k3brZzuC5Ug
https://banco.bradesco/inovacao/index.shtm
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
6
Sabemos que o uso da tecnologia é a tendência do mundo atual e que 
existe certa sedução para o consumo desses bens high tech. O que talvez você 
ainda não saiba é que aplicações como a utilizada no exemplo não são exatamente 
inteligentes. Esse tipo de aplicação é, na verdade, um robô algorítmico pré-
programado que trabalha a partir de uma coleção de dados oferecendo uma 
média como resposta. Oi? Como assim? 
Meu caro colega, minha cara colega... A verdade é que até este ponto da 
história não descobrimos nada parecido com as redes neurais dos seres humanos. 
Essas redes são resultado de milhões de anos de evolução, nos quais o ser humano 
“aprendeu” a se movimentar, a se alimentar, a procriar, etc. As redes neurais se 
desenvolveram numa aquisição instintiva, procurando soluções não exatamente 
médias para problemas cotidianos. Elas derivam de algo mais profundo, o arco 
linguístico em que o ser aprende a executar uma ação e associá-la a um resultado 
duradouro – estudaremos esse assunto adiante, na aula 3, com mais detalhes. 
SAIBA MAIS
Como funciona o cérebro? 
Já parou para pensar sobre isso? A 
esse respeito, convido você a assistir 
ao vídeo:
Neste ponto você provavelmente levantou a mão e disse: 
Hey! Meu cachorro 
então é inteligente!
https://youtu.be/c-RUQPw9rss
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
7
Eu te digo: vamos com calma, mesmo diante de tanto amor que dedica a 
ele, eu sei. Veja a seguinte ilustração: 
Fonte: caixapretta.com.br
(com adaptações)
COMO FUNCIONA
O CÉREBRO
DE UM CACHORRO
Pegue-o
É um
 objeto?
FIM
Dá pra 
comer?
Sim
Foi 
bom?
Não
Não
Vomite
Coma 
outra
vez
É um 
tênis?
Sim
Destrua-o
Lata 
alto
É um
 som?
Sim
Não
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
8
Não brigue comigo, sóqueria mostrar de maneira lúdica o que estou tentado 
explicar. Podemos achar nossos bichos seres inteligentes, há até mesmo quem ache 
neles um filho. Veja o caso de empresas que adaptam produtos humanos para os 
pets, em reportagem da Folha de S.Paulo intitulada “Empresas levam serviço de 
humano para pets”. Contudo, há uma diferença básica que lhe diferencia do seu 
pet: só você consegue comunicar racionalmente as suas decisões e justificá-las. 
Berwick e Chomsky (2017) sustentam que a linguagem é um sistema de 
organização de pensamentos e que apenas a espécie humana é capaz de fundir 
pensamentos em forma de linguagem gráfica. Esse processo de fusão é estruturado, 
buscando sempre o caminho neural mais curto para uma resposta concatenada. O 
arranjo dessa rede complexa é a resposta do sistema cognitivo, fruto da evolução 
humana.
Devemos notar, justamente, a capacidade cognitiva do ser humano que, 
com o auxílio da linguagem gráfica, é capaz de construir cenários no passado 
que fazem sentido no presente e ajudam a projetar o futuro. A linguagem nos 
possibilita essa construção de panoramas, levando-nos ao próximo ponto de 
destaque: a capacidade de contar e entender histórias (“storytelling”).
NOTA
Os autores chamam o processo de “merge”, que aqui traduzimos, por aproximação, 
como “fusão”, mas que é algo ainda mais complexo que propriamente uma fusão, 
tratando-se de característica inata ao ser humano, que o diferencia enquanto espécie: 
é uma operação que combina duas expressões para gerar uma nova expressão mais 
complexa, sem que se modifiquem ou descartem as duas expressões originais. 
Ver mais em: BERWICK, Robert C.; CHOMSKY, Noam. Why only us: language and 
evolution. Cambridge: MIT Press, 2017. p. 102.
NOTA
Antes Winston propõe a Inner Language Hypothesis, segundo a qual “Human 
intelligence is enabled by a symbolic inner language faculty whose mechanisms 
support both story understanding and the querying of perceptual systems”. 
(“A inteligência humana é possível graças a uma habilidade inerente ao ser humano 
que o torna capaz de concatenar a linguagem interna de modo a suportar o 
entendimento de outras histórias através de sistemas perceptivos.” Tradução livre.) 
WINSTON, Patrick. The strong story hypothesis and the directed perception 
hypothesis. AAAI Fall Symposium Series, 2011. p. 6. Artigo digital. Disponível em: 
dspace. Acesso em: 9 jul. 2019.
https://www1.folha.uol.com.br/mercado/2018/08/empresas-levam-servico-de-humano-para-pets.shtml
https://www1.folha.uol.com.br/mercado/2018/08/empresas-levam-servico-de-humano-para-pets.shtml
https://comunidade.rockcontent.com/storytelling/
https://dspace.mit.edu/bitstream/handle/1721.1/67693/Submitted.pdf?sequence=1&isAllowed=y
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
9
Winston (2011, p. 2), diante dessas premissas, propõe a Strong Story 
Hypothesis, segundo a qual “os mecanismos que permitem aos humanos falarem, 
entenderem e recombinarem histórias separam a inteligência humana da de outros 
animais” (tradução nossa).
A combinação da linguagem e dos contextos, a partir de cenários históricos, 
forma a cultura. A cultura, por sua vez, é elemento fundamental na caracterização das 
próprias emoções humanas. Barret (2017) realizou experimentos que demonstram 
que as emoções humanas não podem ser tidas como padrões, elas variam de 
sociedade para sociedade e até de um indivíduo para outro.
Essas questões são importantes para que se adquira uma visão básica quanto 
à matéria: entregar a resposta média não é nem inteligente e muito menos significa, 
para o que nos interessa, fazer justiça.
Como veremos adiante, ainda não foi possível criar uma rede de 
processamento artificial que seja capaz de emular as redes neuronais humanas. 
Todas as tecnologias existentes até hoje, inclusive aquelas que se dizem AI, são na 
verdade coleções de dados que fornecem respostas estatísticas (WINSTON, 2018).
Agora você já tem elementos suficientes para fazer uma leitura crítica sobre 
as ofertas de produtos tecnológicos que, supostamente, são inteligentes, não é 
mesmo?
SAIBA MAIS
O Massachusetts Institute of 
Technology (MIT) tem um 
programa de aulas abertas (ocw.
mit.edu/index), inclusive sobre 
redes neurais e inteligência.
Recomendo que você assista a 
aulas como esta, do professor 
Patrick Winston, que trata das 
“redes neurais”:
https://ocw.mit.edu/index.htm
https://ocw.mit.edu/index.htm
https://youtu.be/uXt8qF2Zzfo
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
10
2. INTELIGÊNCIA ARTIFICIAL: EVOLUÇÃO DESDE 
TURING
A inteligência da máquina fascina há um bom tempo a humanidade. O 
conceito de Inteligência Artificial é atribuído ao cientista da computação John 
McCarthy, que cunhou o termo em 1955. Pode-se resumir o conceito como a 
projeção de uma rede computacional para executar um conjunto definido de 
ações e aprender com a experiência.
Alan Turing apresentou trabalhos seminais para a inteligência artificial ainda 
na década de 1950 (o mais importante deles é o artigo “Computing Machinery 
and Intelligence”), que indicavam que a máquina poderia ser programada para 
aprender pelo mimetismo da inteligência humana. Na época, o grande dilema 
posto era “a máquina pode pensar?”. Turing, por suas descobertas, é tido como o 
“pai” da inteligência artificial.
John McCarthy foi um dos fundadores da inteligência artificial (IA), 
cunhando esse nome em 1955. Desde então, até sua morte, ele fez 
contribuições fundamentais tanto para a IA quanto para a Ciência da 
Computação em geral. Dentre um de seus feitos, em 1958, John inventou 
a linguagem de processamento de lista (LISP), que se tornou o idioma de 
escolha para a programação de sistemas de IA.
Fonte: cs.stanford.ed
Patrick Henry Winston foi professor do MIT por quase 50 anos, vindo a 
falecer em 19 de julho de 2019. Foi diretor do Laboratório de Inteligência 
Artificial e Ciências da Computação do MIT por 25 anos. Criou e liderou 
o grupo Genesis, uma das mais destacadas pesquisas de inteligência 
artificial no mundo. Era graduado e mestre em Engenharia Élétrica e 
doutor em Ciências da Computação pelo MIT.
Fontes: people.csail.mit.edu;
memoriesofpatrickwinston
https://cs.stanford.edu/index.php?q=memoriam/professor-john-mccarthy
http://people.csail.mit.edu/phw/vitae.html
https://www.memoriesofpatrickwinston.com/
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
11
De acordo com o autor, uma máquina que pudesse dialogar com humanos 
sem que os humanos tivessem consciência de que o interlocutor é uma máquina 
teria atingido o ponto de vitória no que chamou de “jogo da imitação”, podendo 
ser considerada “inteligente”.
O “jogo” de Turing exigia um homem, uma mulher e um investigador. O 
objetivo era que o investigador identificasse qual dos participantes era homem 
e qual era mulher. Se o investigador fosse capaz de identificar o gênero do 
entrevistado por suas respostas às perguntas, o jogo deveria ser repetido. Turing 
propunha que no segundo teste um desses dois participantes fosse substituído 
por uma máquina; o objetivo do investigador, agora, não seria identificar apenas 
o gênero dos participantes, mas qual deles é o humano e qual é a máquina. Se a 
máquina, diante das mesmas perguntas feitas a humanos, fosse capaz de “enganar” 
o intermediário, fingindo ser ou o homem ou a mulher, ela seria “inteligente”.
Essa máxima ficou conhecida como “Teste de Turing” e, ainda que tenha 
inegável papel histórico e possa ser aplicada para sistemas de inteligência artificial 
mais primitivos, não é capaz de responder a questões mais avançadas da área hoje, 
como a criação de contextos por redes neurais, que veremos adiante neste curso. 
Alan Turing foi um matemático britânico. Ele trouxe contribuições muito 
importantes para os campos da Matemática, da Ciência da Computação 
e da inteligência artificial. Turing trabalhou para o governo britânicodurante a Segunda Guerra Mundial, ajudando a decifrar o código secreto 
que a Alemanha usava para se comunicar.
Fontes: 
escolabritannica; dcc.ufrj
NOTA
“We may hope that machines will eventually compete with men in all purely 
intellectual fields. But which are the best ones to start with?” 
(“Nós podemos esperar que as máquinas irão eventualmente competir 
com os seres humanos em todos os aspectos intelectuais. Mas quem será o 
melhor para começar a desvendar um problema?”, tradução nossa) 
TURING, A. M. Computing machinery and intelligence. In: Mind, Oxford. 
Vol. LIX. Out. 1950. p. 460.
https://escola.britannica.com.br/artigo/Alan-Turing/631068
https://dcc.ufrj.br/~luisms/turing/
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
12
No decorrer do Século XX, o imaginário popular passou a traçar a mente, 
ainda sob influência da perspectiva dualista, como um computador do corpo. E, se 
havia um “computador” no ser humano, o desafio seria reproduzi-lo artificialmente.
Nessa linha, assistimos ao menos três grandes “ondas” na história da 
inteligência artificial após as proposições de Turing – e estamos provavelmente 
entrando na quarta. Acompanhe comigo:
 Primeira onda: em 1961, James Slage construiu um programa de 
computador que era capaz de resolver problemas simples de cálculo, o que se 
tornou uma febre nos EUA. Ainda nos anos 1960, Alan Newell e Hebert Simon 
desenvolvem aplicações que podiam “aprender” com os resultados de pesquisas 
anteriores.
• Segunda onda: na década de 1980, Ted Shotliffe e Randall Davis 
desenvolveram programas de testes sanguíneos que funcionavam de acordo com 
regras do tipo “se isso, então aquilo”, e eram capazes de estruturar os resultados 
obtidos nesses testes. 
• Terceira onda: em 2012, pesquisadores liderados por Geoffrey Hinton 
conseguiram fazer uma rede neural artificial identificar um grupo de 1.000 
categorias de imagens de acordo com 60 milhões de parâmetros estabelecidos. 
(WINSTON, Patrick Henry. Artificial inteligence desmystified. No prelo. p. 1.)
• Quarta onda: agora, tenta-se (i) aliar a visão artificial com a inteligência da 
máquina e (ii) estabelecer a inteligência autônoma. 
SAIBA MAIS
Durante a Segunda Guerra Mundial, Turing 
seria peça-chave na vitória dos aliados ao 
decifrar o código nazista conhecido como 
“enigma”, responsável pelas comunicações 
de ataque da Alemanha. Sua história foi 
retrada no filme “O jogo da Imitação”.
Que tal assistir ao trailer? Se ainda não 
assistiu ao filme na íntegra, fica a sugestão. 
Vale a pena conferir! 
Que tal conhecer a história da IA mais a 
fundo? No artigo “The History of Artificial 
Intelligence” (em inglês) você pode fazer 
isso. 
https://www.youtube.com/watch?v=ncpbauM_fgA
https://drive.google.com/file/d/1Enm1y3HA-YarOFitMkbzZdlaznUWyzyo/view?usp=sharing
https://drive.google.com/file/d/1Enm1y3HA-YarOFitMkbzZdlaznUWyzyo/view?usp=sharing
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
13
3. BIG DATA
Você saberia me dizer o que significa a expressão big data?
Antes de adentrar o conceito técnico, gostaria de informar que você tem 
contato com big data em diversos momentos de sua vida.
Imagine que uma máquina colecione constantemente os dados sobre o seu 
dia. Certamente esta máquina conseguirá dizer o que, na média dos dias, você faz 
às 15h (se está trabalhando, estudando ou praticando exercícios). Agora, some a isto 
a precisão de localização e terá, em breve síntese, o que o software instalado no 
seu celular sabe sobre os seus hábitos diários. Esses dados estarão provavelmente 
estruturados. O seu celular faz isso. 
Agora observe que, além dele, você está conectado, possivelmente com 
o mesmo usuário e senha (aquele do e-mail, sabe?!), no navegador do seu 
computador. Também está utilizando um buscador e provavelmente um site de 
notícias. Como suas pesquisas são relacionadas às suas leituras, e estas podem 
indicar suas posições políticas, é possível entrecruzar todos esses dados para, 
por exemplo, mostrar quais bairros têm mais eleitores de um ou de outro partido 
político, o que, no final, pode ser até mesmo uma ameaça à democracia.
Difícil de imaginar? Então veja o caso da empresa americana Cambridge 
Analytica.
MACHINE
COMPUTER
P
R
O
C
E
S
S
IN
G
S
M
A
R
T
APPS
MOBILE
ROBOT
IN
F
O
R
M
A
T
IO
N
P
R
O
J
E
C
T
S
A
R
T
IF
IC
IA
L
IN
T
E
L
L
IG
E
N
C
E
D
E
T
E
C
T
PROCESSINGBIG
DATA
AUTOMATION
MARKETING
web
SCIENCE
SOFTWARE
STATISTICS
w
e
b
ANALYSIS
ARTIFICIAL
INTELLIGENCE
DETECT
P
R
O
C
E
S
S
IN
G
AUTOMATION
SMART
R
O
B
O
T
SCIENCE
web
PLANNIG
DYNAMIC
NETWORK
REPORT
AI
S
M
A
R
T
DETECT
APPS
DYNAMIC
AI
REPORT
BRANDS
EVERYTHING
STRATEGY
AUTOMATION
AUTOMATION
TECHNOLOGY
THEORY
NEURAL
LEARNING
AUTOMATION
THEORY
A
U
T
O
M
A
T
IO
N
BRANDS
LEARNING
ENGINEERING
DETECT
Desde o começo dos anos 2010 temos testemunhado um boom na área. O 
motivo disso são as coleções de dados e o acesso a elas, o que veremos no tópico 
seguinte. Vamos juntos?
https://g1.globo.com/economia/tecnologia/noticia/entenda-o-escandalo-de-uso-politico-de-dados-que-derrubou-valor-do-facebook-e-o-colocou-na-mira-de-autoridades.ghtml
https://g1.globo.com/economia/tecnologia/noticia/entenda-o-escandalo-de-uso-politico-de-dados-que-derrubou-valor-do-facebook-e-o-colocou-na-mira-de-autoridades.ghtml
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
14
Além disso, disseminaram-se a internet de alta velocidade e o uso de redes 
sociais. Essa combinação de avanço e melhoria de custo de hardware (máquinas) e 
software (programas), com o acesso quase universal à internet e à cultura cadastral 
em redes sociais, levou as coleções de dados a outro nível de desenvolvimento. 
Quanto mais dados um sistema coleciona sobre um usuário, melhor lhe oferece 
respostas (o que inclui desde respostas a perguntas até um alvo mais bem acabado 
de venda de produtos). Essa é a importância do big data, compreendeu?
Agora que você já percebeu algumas aplicações do big data, vamos ao 
conceito: são grandes volumes de dados, colecionados sobre determinado 
indivíduo, organização, coisa ou evento histórico. É comum vê-lo associado aos 3 
V’s: Variedade, Volume e Velocidade. São, assim, dados com maior variedade que 
chegam em volumes crescentes e com velocidade cada vez maior. 
Há autores que têm expandido esses “V’s” para acrescentar outros 4: valor e 
veracidade da informação (quanto mais verídica, mais valorosa), volatilidade (em 
que medida e seguindo quais tendências a informação obtida muda) e visualização 
(relacionada à visualização dos dados tanto do ponto de vista de como podem ser 
lidos quanto adquiridos – por inteligência artificial ligada à leitura de imagens, por 
exemplo). 
Esses dados podem ser estruturados ou não. Assim consideramos:
• Informações estruturadas: aquelas que possuem algum padrão ou formato 
que pode ser usado na sua leitura e extração dos dados. Dados de bancos de 
dados, sistemas legados, arquivos de texto (sejam .csv, .txt ou .XML).
• Informações não estruturadas: não possuem um formato padronizado para 
leitura, podem ser arquivos Word, páginas de internet/intranet, vídeos, áudios, 
entre outros.
Esse volume de dados passou a ser melhor reunido nos últimos dez anos, 
com o aumento da capacidade de processamento das máquinas. Softwares mais 
modernos conseguem trabalhar com reconhecimento por imagem, organizando 
e associando melhor os dados sobre um indivíduo. Nos últimos anos alcançou-se 
um equilíbrio ótimo entre o custo e a capacidade de processamento de chips que 
trabalham dessa forma.
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
15
Como veremos adiante em nosso curso, a coleção de processos, de maneira 
análoga, também gera big data, mas sobre classes processuais, teses, decisões. Essa 
é a importância do tema para a aplicação que exploraremos nas aulasseguintes: o 
big data e os sistemas de justiça. Esses, provavelmente big data não estruturados. 
É nesse ponto que devemos entender o processamento desses dados, o que, na 
linguagem popular, ocorre por “inteligência artificial”. Vejamos.
4. MACHINE LEARNING
Os grandes volumes de dados, estruturados ou não, precisam ser 
processados para serem úteis. Durante esse processamento, é possível treinar a 
máquina para que ela ofereça resultados cada vez mais precisos, ou seja, para que 
forneça uma resposta média com maior precisão. A esse processo dá-se o nome 
de aprendizado de máquina, ou machine learning em inglês. 
Esse conceito é bastante associado à geração de uma “inteligência artificial”. 
Pode-se dizer, assim, que o que temos comumente como “inteligência artificial” 
nada mais é do que o processamento de dados pela máquina de acordo com 
dados de treinamento (parâmetros estabelecidos pelo programador) que indicam 
uma resposta mais precisa quanto maior o volume de dados tratados.
Dessa forma, sistemas dotados de aprendizado de máquina são capazes de 
modificar seu próprio comportamento de análise de dados autonomamente (ou 
seja, sem a interferência humana), tendo como base a própria análise prévia de 
dados, aumentando sua precisão de resposta.
Perceba: para que o resultado da máquina melhore e ela “aprenda” é 
necessário um volume enorme e constante de dados, de modo que ela possa 
refinar seus resultados de acordo com a indicação de que os que forneceu 
previamente estavam corretos.
Assim, no nosso contexto de trabalho, se um robô-algorítmico construído 
para, com aprendizado de máquina, aplicar teses jurídicas, forneceremos 
inicialmente para ele um volume de 100X de dados, estabelecendo parâmetros 
que devem ser buscados nos documentos analisados para que se caracterize uma 
tese presente. Quando ele entregar os resultados, deve-se apontar quais estavam 
corretos.
Com isso, ele aprenderá e, em um novo volume de dados a serem analisados, 
por exemplo, mais 100X de novos documentos, ele será capaz de aumentar a 
precisão porque aprendeu quando, da primeira vez, aplicou de maneira correta 
os parâmetros fornecidos (Y vezes em que a resposta mostrou-se adequada) e 
em quantas entregou respostas insatisfatórias (Z repostas que, apesar de aplicar os 
parâmetros, estavam erradas).
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
16
Na próxima rodada de análise de novo volume de dados, a máquina 
incorporará, autonomamente, aos seus parâmetros, aquilo que a levou a apontar 
como corretas as hipóteses Y e excluirá, por conta própria, o que a levou a apontar 
as hipóteses Z. Ou seja, a máquina aprendeu o que leva a um resultado mais preciso. 
Hoje, o aprendizado automático é usado em uma variedade de tarefas 
computacionais onde criar e programar algoritmos explícitos é impraticável. 
Exemplos de aplicações incluem filtragem de spam, reconhecimento ótico 
de caracteres (OCR na sigla em inglês), processamento de linguagem natural, 
motores de busca, diagnósticos médicos, bioinformática, reconhecimento de fala, 
reconhecimento de escrita, visão computacional e locomoção de robôs.
Note que não há nesse processo noções de linguagem, cultura, contexto 
ou emoções. Por isso vamos tratar essa primeira “inteligência”, que apenas aplica 
machine learning de maneira automatizada, como análise estatística ou atuarial de 
dados. Isso porque não é exatamente necessário que a inteligência artificial simule 
a imagem e semelhança dos caminhos neurais humanos – a análise estatística é 
capaz de passar, por exemplo, no Teste de Turing –, mas, conforme veremos na 
terceira aula, já há um segundo tipo de “inteligência” que busca justamente esses 
aspectos, o que, ao que tudo indica, é uma evolução muito mais bem adaptada 
ao termo “inteligência artificial”, a análise preditiva.
Portanto, quando você vir alguma dessas aplicações dizendo-se inteligente, 
lembre-se de que essa é apenas parte da história. Ainda vamos explorá-la a fundo!
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
17
CONCLUSÃO
Após entendermos o que é e o que não é inteligência artificial, perpassarmos 
as contribuições de Turing e os conceitos de big data e machine learning, gostaria 
de finalizar esta aula com algumas imagens que nos ajudarão a compreender 
em que ponto estamos em relação ao tema, inspirando-nos em Confúcio: “uma 
imagem vale mais que mil palavras”. Acompanhe comigo:
Ponto atual da AI:
Por que um balão? Porque ele voa – sabemos, portanto, que é possível voar 
–, mas ele apenas voa porque carrega uma massa incrível (no nosso exemplo, os 
big data); podemos voar de acordo com parâmetros (o vento, no caso do balão; 
os dados de treinamento, no caso da análise estatística) sabendo com certo grau 
de confiança aonde chegaremos – é possível que o voo chegue a outro lugar, por 
isso é necessário um piloto, ou programador no nosso caso, sempre atento.
Aqui é onde os cientistas de análise preditiva estão:
14 bis
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
18
Ou seja, começaram a alçar voo (o Genesis do MIT é o exemplo mais bem-
acabado de programa de AI preditiva e está em desenvolvimento inicial ainda, 
vamos estudá-lo), sabemos que controlamos essa máquina, mas ainda é muito 
difícil levá-la aonde queremos chegar.
E este aqui é o ponto em que queremos, paradoxalmente, chegar:
O paradigma do infinito, entender a inteligência e conseguir programá-la 
sem perder seu controle. É o desafio!
Há ainda um longo caminho pela frente. Mas, como ouvimos falar de 
inteligência artificial todos os dias, vamos, na próxima aula, entender o que são os 
programas que têm sido usados como AI, como eles são aplicados em decisões 
judiciais e como podem afetar o judiciário.
Pronto(a) para este voo?
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
19
REFERÊNCIAS
BAKAR, N. et al. ALS and artificial intelligence: IBM Watson suggests novel RNA 
binding proteins altered ALS. Disponível em: https://www-01.ibm.com/common/
ssi/cgi-bin/ssialias?htmlfid=HLW03040USEN. Acesso em: 7 mai. 2019.
BARRET, Lisa Feldman. How emotions are made: the secret life of the brain. 
Boston: Houghton Mifflin Harcourt, 2017.
BERWICK, Robert C.; CHOMSKY, Noam. Why only us? Language and evolution. 
Cambridge: MIT Press, 2015.
LIBET, B. Do we have free will? In: Kane, R. (ed). The Oxford Handbook of free 
will. Oxford: Oxford University Press, 2002. p. 551-564.
MARBLESTONE, A. H.; WAYNE, G.; KORDING, K. P. Toward an integration of 
deep learning and neuroscience. Frontiers in Computacional Neuroscience. 
Revista eletrônica. 14.09.2016. Disponível em: https://www.frontiersin.org/
articles/10.3389/fncom.2016.00094/full#h9. Acesso em: 19 abr. 2019.
NUNES, Wallace Vallory. Redes neurais artificiais: aspectos introdutórios. In: 
ANTONIO, Vanderson Esperidião (ed.). Neurociências: diálogos e intersecções. 
Rio de Janeiro: Rubio, 2012.
WINSTON, Patrick. Articial intelligence demystified. MIT: Cambridge, 2018.
WINSTON, Patrick. The Genesis Enterprise: taking Artificial Intelligence to another 
level. MIT: Cambridge.
WINSTON, Patrick. The strong story hypothesis and the directed perception 
hypothesis. AAAI Fall Symposium Series, Digital, 2011. p. 2. Disponível 
em: https://dspace.mit.edu/bitstream/handle/1721.1/67693/Submitted.
pdf?sequence=1&isAllowed=y. Acesso em: 9 jul. 2019.
https://www.ibm.com/downloads/cas/VY5K0E7R
https://www.ibm.com/downloads/cas/VY5K0E7R
https://www.frontiersin.org/articles/10.3389/fncom.2016.00094/full#h9
https://www.frontiersin.org/articles/10.3389/fncom.2016.00094/full#h9
https://dspace.mit.edu/bitstream/handle/1721.1/67693/Submitted.pdf?sequence=1&isAllowed=y
https://dspace.mit.edu/bitstream/handle/1721.1/67693/Submitted.pdf?sequence=1&isAllowed=y
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 1 – INTRODUÇÃO E CENÁRIO HISTÓRICO
20
	INTRODUÇÃO1. O QUE É E O QUE NÃO É AI
	2. INTELIGÊNCIA ARTIFICIAL: EVOLUÇÃO DESDE TURING
	3. BIG DATA
	4. MACHINE LEARNING
	CONCLUSÃO
	Referências