Geoffrey Hinton, um dos principais pesquisadores em IA e vencedor do Prêmio Turing, agora afirma que foi precipitado ao declarar que a inteligência artificial substituiria os radiologistas.

Em entrevista recente ao New York Times, Hinton admitiu que concentrou sua análise demasiadamente nas imagens e superestimou a velocidade com que a tecnologia evoluiria. Olhando para trás, ele reconhece que a direção geral estava correta, mas que, ao invés de substituir os radiologistas, a IA os torna “bem mais eficientes, além de aprimorar a precisão”.

Em 2016, o pesquisador chegou a afirmar que não seria necessário treinar novos radiologistas, comparando a profissão a um coyote de desenho animado que corre em direção a um penhasco sem perceber que não há chão. Segundo ele, o deep learning superaria os profissionais humanos em cinco anos, graças a uma experiência mais ampla. Em um vídeo amplamente divulgado, o pesquisador de IA e especialista em aprendizado por reforço Richard Sutton pode ser visto concordando com essa visão.

A IA auxilia em tarefas ao invés de substituir profissões

A realidade se desenrolou de forma bem diferente. O New York Times relata que instituições como a Mayo Clinic demonstram como a IA pode colaborar com os radiologistas, em vez de substituí-los. Apesar do avanço das ferramentas de inteligência artificial, o número de radiologistas na Mayo Clinic cresceu significativamente – de cerca de 260 em 2016 para mais de 400 atualmente, um aumento de 55%.

Ainda que Hinton não estivesse totalmente errado, a IA tem impactado fortemente a profissão. Hoje, a clínica utiliza mais de 250 modelos de IA no seu departamento de radiologia, alguns desenvolvidos internamente e outros adquiridos de fornecedores externos, sendo que muitas dessas ferramentas também são aplicadas na cardiologia.

Esses sistemas agilizam a análise de imagens, sinalizam áreas suspeitas e ajudam a detectar condições como coágulos sanguíneos ou tumores. Por exemplo, um dos modelos mede automaticamente o volume dos rins – uma tarefa que antes demandava muito tempo e era realizada manualmente.

O Dr. Matthew Callstrom, que lidera o departamento de radiologia da Mayo Clinic, compara a IA a um “segundo par de olhos”. Segundo ele, a tecnologia pode assumir tarefas repetitivas, mas não substitui o julgamento clínico necessário para cada caso individual, e os fluxos de trabalho com suporte de IA já fazem parte da rotina médica.

Uma lição de humildade para as previsões de IA

As declarações anteriores de Hinton hoje servem como um alerta. Muitas das afirmações atuais – como as do CEO da OpenAI, Sam Altman, que preveem que a IA substituirá profissões inteiras – tendem a simplificar demais a questão. Frequentemente, não se faz a devida distinção entre automatizar ou apoiar tarefas individuais e eliminar categorias inteiras de empregos, assim como ocorreu em 2016, quando a radiologia foi reduzida à mera análise de imagens.

Mesmo que a automação em larga escala fosse tecnicamente possível, fatores culturais, organizacionais e legais provavelmente retardariam sua implementação.

Para os pesquisadores de IA, a experiência de Hinton sugere uma lição mais ampla: evitar previsões abrangentes sobre profissões cuja complexidade pode ser subestimada. Não se trata apenas do custo de estar errado – poucos acabam sendo responsabilizados –, mas sim de reconhecer e respeitar a expertise e a responsabilidade das pessoas que exercem essas funções no mundo real.