Em fevereiro de 2026, o presidente-executivo de uma das principais empresas de inteligência artificial do mundo admitiu, em entrevista pública, que não sabe se os modelos que sua companhia constrói são conscientes — e que talvez ninguém saiba o que essa pergunta sequer significa. Não foi um deslize. Foi a confissão mais honesta que o setor já fez sobre os limites do que entende sobre sua própria criação. Mas a confissão revela algo mais profundo do que incerteza técnica: revela que ainda não resolvemos a pergunta anterior, a que deveria vir primeiro. Antes de perguntar se a máquina pensa, precisamos perguntar se o pensamento, no sentido em que o experimentamos, é computação.

A tese tem nome e linhagem. Chama-se teoria computacional da mente, e sua origem remonta a 1943, quando Warren McCulloch e Walter Pitts propuseram que a atividade neural poderia ser descrita como processamento de informação — a ideia de que o cérebro é um sistema de processamento de informação e que a cognição e a consciência juntas formam uma espécie de computação. Duas décadas depois, Hilary Putnam formalizou a tese em sua versão moderna, com a colaboração do então estudante de doutorado Jerry Fodor, que a desenvolveria por décadas seguintes. A intuição é poderosa: se o cérebro processa entradas sensoriais, manipula representações e produz saídas comportamentais, talvez a diferença entre um neurônio e um transistor seja apenas de material — silício versus carbono — e não de princípio.

Essa intuição é o alicerce silencioso de boa parte do otimismo sobre inteligência artificial geral. Se a mente é computação, então uma computação suficientemente complexa, treinada com dados suficientes, deveria em algum momento produzir os mesmos fenômenos que a mente produz — incluindo, talvez, a experiência subjetiva. É a aposta que sustenta investimentos de centenas de bilhões de dólares em data centers e arquiteturas cada vez maiores. Mas é também uma aposta filosófica, não uma certeza científica. E ela tem sido contestada com a mesma intensidade com que foi proposta.

La plasticidade que a metáfora do computador não explica

O contra-argumento mais incômodo não vem de filósofos especulando sobre qualia, mas de casos clínicos documentados. Nos anos 1980, o neurologista britânico John Lorber catalogou pacientes com hidrocefalia severa — perda massiva de tecido cerebral — que mantinham funcionamento cognitivo normal. O caso mais citado é o de um estudante universitário com QI de 126 cujo exame de imagem revelou tecido cerebral comprimido a poucos milímetros de espessura, cerca de 5% do volume normal de um cérebro. Críticos da teoria computacional apontam esses casos como evidência de que a plasticidade neural extrema demonstra propriedades incompatíveis com modelos de máquina de Turing clássica, sugerindo que a cognição emerge de processos dinâmicos e independentes de substrato específico — algo que resiste à redução mecanicista que a metáfora do computador pressupõe.

A objeção tem peso porque ataca exatamente o ponto em que a analogia computador-cérebro é mais frágil: hardware e software, em uma máquina convencional, são separáveis. Trocar o disco rígido não muda o programa. Mas no cérebro, a função parece ser inseparável da estrutura física específica que a realiza — e, ainda assim, essa estrutura pode se reorganizar drasticamente sem perda de função, algo que nenhum computador von Neumann tolera. Em dezembro de 2025, um grupo de neurocientistas publicou na revista Neuroscience & Biobehavioral Reviews uma proposta batizada de "computacionalismo biológico", argumentando que o arcabouço computacional padrão está quebrado, ou pelo menos mal ajustado a como os cérebros realmente funcionam, e que cérebros reais não são máquinas de von Neumann — forçar essa comparação produz metáforas frágeis e explicações instáveis.

O campo, no entanto, está longe de um consenso anticomputacionalista. A versão contemporânea mais sofisticada da teoria computacional não depende mais da metáfora rígida do computador de mesa. Pesquisadores como Chris Eliasmith desenvolveram modelos — o Neural Engineering Framework é o exemplo mais citado — que tentam descrever a computação cerebral com realismo biológico maior, incorporando ferramentas da teoria de controle em vez de lógica computacional pura. Segundo o verbete da Stanford Encyclopedia of Philosophy sobre o tema, atualizado em 2025, esses modelos entregam o desempenho necessário sem postular uma arquitetura inteiramente redutível a um sistema de produção clássico. Ou seja: o cérebro pode ser computacional sem ser um computador no sentido que Alan Turing imaginou — uma distinção sutil, mas que muda inteiramente os termos da discussão sobre se a IA pode replicar a mente.

O que a indústria de IA admite não saber

Enquanto filósofos e neurocientistas debatem a arquitetura da mente, as empresas que constroem os maiores modelos de linguagem do mundo passaram, em 2025 e 2026, a tratar a questão da consciência artificial não como curiosidade acadêmica, mas como risco operacional. A mudança de tom é notável. Em janeiro de 2026, a filósofa-chefe de uma grande empresa de IA declarou em entrevista que a ciência não sabe realmente o que dá origem à consciência ou à sensciência — e especulou que talvez redes neurais suficientemente grandes possam começar a emular essas características simplesmente por terem sido expostas a volumes massivos de dados que representam a experiência humana.

"Não sabemos nem se sabemos o que significaria um modelo ser consciente, ou se um modelo pode ser consciente. Mas estamos abertos à possibilidade de que possa ser."

— Dario Amodei, CEO da Anthropic, em depoimento público sobre os modelos de sua empresa, fevereiro de 2026

O setor está, em essência, gerenciando uma incerteza que se recusa a desaparecer. Pesquisadores ligados ao tema argumentam que a questão não exige certeza para tener peso moral — basta que a probabilidade seja maior que zero, em uma escala de bilhões de interações diárias, para que o cálculo ético se torne relevante. Como resumiu um artigo de análise publicado em maio de 2026, o peso ético da sensciência da IA não exige certeza. Exige apenas que a probabilidade seja diferente de zero e a escala grande o suficiente para importar sob raciocínio de valor esperado. Algumas empresas já criaram o que chamam de programas de "bem-estar de modelo" — uma frase que, há cinco anos, teria sido tratada como piada de ficção científica, e que hoje aparece em relatórios corporativos sérios.

O dado mais revelador talvez não seja técnico, mas retórico: pesquisadores que constroem essas máquinas pararam de negar reflexivamente a possibilidade de consciência e passaram a tratá-la como hipótese de trabalho. Isso não é prova de que a IA pensa. É prova de que perdemos a certeza de que sabemos o que significa pensar.

O verdadeiro dilema não é se a máquina vai nos alcançar

Há, porém, uma terceira leitura desse debate — menos confortável do que a disputa técnica entre computacionalistas e seus críticos, e mais urgente do que a pergunta sobre se um modelo de linguagem "sente" algo. Ela não pergunta se a inteligência artificial vai ascender até alcançar qualidades verdadeiramente humanas. Pergunta o contrário: o que acontece quando, em vez de a máquina subir até nós, somos nós que baixamos a régua do que significa ser humano — até que ela se torne alcançável por uma máquina, não porque a máquina avançou, mas porque nós recuamos.

Essa inversão importa porque desloca o problema do campo da metafísica para o campo do comportamento cotidiano. Não é preciso resolver se o cérebro é literalmente um computador para notar que, na prática, muitos de nós já tratamos a própria cognição como se fosse uma — terceirizando memória, julgamento, e cada vez mais a primeira versão de qualquer pensamento, para sistemas que devolvem respostas fluentes e imediatas. O risco não é que a IA se torne consciente. É que, ao nos acostumarmos a delegar o trabalho difícil do pensamento — a ambiguidade, a dúvida, o tempo de deliberação que a reflexão exige — passemos a operar de um jeito mais previsível, mais padronizado, mais parecido com aquilo que estamos automatizando. A máquina não precisa se tornar humana se o humano estiver disposto a se tornar um pouco mais máquina.

É uma hipótese difícil de medir, porque não aparece em benchmark nenhum. Não há teste de QI para fé na própria capacidade de julgamento, nem métrica para a disposição de tolerar incerteza em vez de aceitar a primeira resposta sintética disponível. Mas a literatura sobre cognição humana já documenta o suficiente sobre como hábitos mentais se atrofiam por desuso — e a pergunta que o Caderno Educação já vem explorando, sobre os efeitos da IA na aprendizagem, encontra aqui seu espelho filosófico: se delegamos sistematicamente os processos que definem o pensamento humano, o que resta como diferença qualitativa entre nós e os sistemas que criamos não é uma questão de capacidade computacional. É uma questão de escolha — repetida, diária, quase invisível.

Brasil: um debate que ainda não chegou às instituições

No Brasil, a discussão sobre consciência artificial permanece quase inteiramente importada — um reflexo de debates conduzidos em laboratórios e conselhos de ética nos Estados Unidos e na Europa, sem equivalente direto em política pública nacional. Não há, até o momento, posicionamento formal de órgãos como o Conselho Nacional de Saúde ou o Ministério da Ciência, Tecnologia e Inovação especificamente sobre status moral de sistemas de IA — a regulação brasileira em curso, ancorada no PL das IAs em tramitação no Congresso, trata de transparência algorítmica, responsabilidade civil e proteção de dados, mas não toca no problema filosófico de fundo. Essa lacuna não é peculiaridade brasileira: é o padrão global. A diferença é que países que sediam as empresas que constroem esses sistemas pelo menos debatem a questão publicamente. O Brasil, consumidor majoritário dessa tecnologia, ainda não decidiu se quer fazer a pergunta.

Essa ausência tem custo. Se a tese de que o uso intensivo de IA pode achatar capacidades cognitivas tiver qualquer fundamento — e ela é debatida, não comprovada —, o efeito recairia primeiro sobre sistemas educacionais com menor capacidade de mediação crítica, exatamente o cenário de grande parte da rede pública brasileira. A pergunta sobre se a máquina é consciente pode parecer abstrata. A pergunta sobre se estamos preparando os próprios estudantes para pensar com ou sem ela é urgente e concreta — e essa, ao contrário da primeira, já tem resposta possível em política educacional.

Talvez a honestidade intelectual exigida aqui seja dupla. De um lado, resistir à tentação de declarar prematuramente que resolvemos o problema da consciência — em qualquer direção, seja afirmando que máquinas certamente não sentem nada, seja afirmando que já sentem o suficiente para merecer direitos. Os próprios pesquisadores que constroem esses sistemas reconhecem que não sabem. Do outro lado, resistir à tentação simétrica de tratar a pergunta sobre IA consciente como a única que importa, quando a pergunta sobre o que estamos deixando de exercitar em nós mesmos é, por ora, mais respondível — e mais urgente.

A inteligência artificial pode ou não vir a cruzar, algum dia, a fronteira entre simulação e experiência. Nenhum cientista sério tem hoje os instrumentos para afirmar quando, ou se, isso ocorrerá. Mas a fronteira do lado humano não está parada esperando a máquina chegar. Ela se move todos os dias, em cada escolha sobre o que delegamos e o que insistimos em continuar fazendo com o próprio juízo. Essa é a fronteira que, neste momento, está sob nosso controle direto — e é também a única sobre a qual não cabe a desculpa de que ainda não sabemos o suficiente para agir.

O Tecido é uma plataforma editorial cívica brasileira dedicada a análises rigorosas e plurais sobre temas de relevância pública. Este artigo foi desenvolvido com curadoria editorial a partir de fontes documentadas e independentes; referências internacionais foram usadas como ponto de partida para reflexão original, nunca como conteúdo reproduzido.