Não computabilidade: o limite que nenhuma inteligência artificial vai ultrapassar

Existe uma classe de problemas que nenhum algoritmo resolve. Não por falta de potência, não por falta de dados, não por imaturidade dos modelos atuais. Por impossibilidade matemática. A não computabilidade é o nome desse limite, e ela importa mais hoje do que em qualquer momento desde que foi formulada, porque vivemos uma época que decidiu acreditar no oposto.

A promessa implícita de boa parte do discurso sobre tecnologia é simples: qualquer problema suficientemente difícil será resolvido por uma máquina mais rápida, um modelo maior, uma inteligência mais avançada. É uma fé de engenharia aplicada a um terreno onde a engenharia não tem jurisdição. A não computabilidade é a prova de que essa fé tem um teto, e que o teto não é de hardware.

O que a não computabilidade afirma

A formulação clássica vem de Alan Turing, em 1936, no chamado Problema da Parada. A pergunta é direta: dado um programa qualquer e uma entrada qualquer, seria possível construir outro programa capaz de determinar, sempre, se o primeiro vai parar ou rodar para sempre?

Turing provou que não. Não existe algoritmo universal que responda corretamente a essa pergunta para todos os programas possíveis. Não é uma questão de tempo ou de capacidade. É uma questão de estrutura. A própria suposição de que tal programa existe leva a uma contradição lógica.

Isso desenha três categorias que costumam ser confundidas:

Problemas difíceis, mas solucionáveis. Problemas que exigem tempo absurdo, mas ainda solucionáveis em princípio. E problemas que são, literalmente, impossíveis de resolver por algoritmo. A terceira categoria não desaparece com mais investimento. Ela é permanente.

Não é um caso isolado

O Problema da Parada não é uma curiosidade pontual. Henry Gordon Rice generalizou o resultado: praticamente qualquer propriedade não trivial sobre o comportamento de um programa é, ela mesma, não computável. Em outras palavras, descobrir de fora o que um programa de fato faz, no caso geral, é indecidível.

No mesmo território estão os teoremas de incompletude de Kurt Gödel, que mostraram que sistemas formais suficientemente expressivos contêm verdades que eles próprios não conseguem demonstrar. Turing e Gödel chegaram, por caminhos diferentes, ao mesmo desconforto: todo sistema formal poderoso o bastante para ser interessante carrega dentro de si perguntas que não pode responder.

Some-se a isso uma parte considerável da teoria de sistemas dinâmicos e autômatos universais, e o quadro fica claro. A indecidibilidade não é a exceção rara. É uma característica estrutural do que significa computar.

Por que isso atravessa a conversa sobre IA

Aqui é onde a maioria dos textos erra, e onde vale a pena ser preciso. A não computabilidade é diferente, em natureza, das limitações que comentamos todos os dias sobre inteligência artificial.

Quando um modelo erra por falta de dados, é um problema de dados. Quando trava por falta de processamento, é um problema de infraestrutura. Quando alucina por imperfeição de arquitetura, é um problema de engenharia. Tudo isso melhora com tempo, dinheiro e pesquisa.

A não computabilidade não está nessa lista. Ela não melhora. Uma superinteligência hipotética, com energia infinita e tempo infinito, continuaria presa exatamente aos mesmos limites de Turing e Gödel. O obstáculo não está no estado atual da tecnologia. Está na definição do que um sistema computacional é.

Esse ponto é desconfortável justamente porque o mercado vende o contrário. O argumento padrão é que a curva sobe e que basta esperar. Para uma faixa enorme de problemas, isso é verdade. Para outra faixa, a curva nunca toca o ponto, porque o ponto está fora do plano.

O elo com a terceirização da cognição

Estamos terceirizando nossa cognição para sistemas que tratamos, na prática, como oráculos. Pedimos a eles respostas, decisões, sínteses, julgamentos. E a cada interação reforçamos uma suposição silenciosa: a de que existe uma resposta computável esperando para ser extraída, se apenas perguntarmos bem o suficiente.

A não computabilidade ataca essa suposição na raiz. Há perguntas que não têm resposta algorítmica, e o problema cognitivo não é a ausência da resposta. É que, quanto mais delegamos o pensamento, menos preparados ficamos para reconhecer quando uma pergunta pertence a essa categoria. Um sistema treinado para sempre produzir uma saída plausível vai produzir uma saída plausível mesmo diante do indecidível. A máquina não sinaliza o limite. Ela o contorna com fluência.

Esse é o ponto que considero mais relevante para quem pensa em arquitetura digital, em autoridade algorítmica, em como a percepção é moldada. A fluência da resposta não é evidência de que a pergunta era respondível. E uma cultura que terceiriza o discernimento perde, primeiro, a capacidade de distinguir o difícil do impossível.

Onde o conceito toca o filosófico

A não computabilidade abre uma pergunta que não é técnica: existem aspectos da realidade que nunca poderão ser reduzidos a um algoritmo? Ela reaparece em debates sobre consciência, livre-arbítrio, física fundamental e a própria natureza da matemática.

Roger Penrose sustentou que a consciência humana poderia envolver processos não computáveis. É uma hipótese controversa, longe de consenso, e seria desonesto apresentá-la como estabelecida. Mas o valor dela aqui não está em estar certa. Está em obrigar a pergunta a existir: se há algo no pensamento humano que escapa à formalização, então a tentativa de substituí-lo por sistemas formais tem um limite que não é de calendário.

A posição

A leitura otimista de que tudo cede diante de potência suficiente é confortável e, em parte significativa, falsa. Não por pessimismo, por matemática. Turing e Gödel já delimitaram o terreno há quase um século, antes de existir o primeiro computador comercial.

O risco da nossa época não é construir máquinas que falham. É construir uma relação com elas em que esquecemos que certos limites são definitivos, e que o trabalho de reconhecer o que não é computável continua sendo, ironicamente, uma tarefa nossa. Quanto mais delegamos a cognição, mais esse discernimento se atrofia. E o discernimento sobre os próprios limites do sistema é exatamente o tipo de coisa que o sistema não foi feito para devolver.

A não computabilidade não é um detalhe técnico para especialistas. É o lembrete de que o mapa do que pode ser automatizado tem bordas, e de que parte do que importa pode estar do lado de fora.