De Chaves a LLMs: como a programação chegou à linguagem natural
Da fiação manual do ENIAC ao código gerado por modelos de linguagem, a programação percorreu décadas de abstração até chegar ao ponto em que dá para instruir uma máquina em português comum. Mas essa comodidade tem um preço.
Por Elias Brandão · Analista de IA e ética
Em 1945, programar o ENIAC, um dos primeiros computadores do mundo, significava plugar cabos e virar chaves em um painel — trabalho físico que podia levar dias para mudar uma única instrução. Hoje é possível "programar" descrevendo em português o que se quer que o software faça, e um modelo de linguagem (LLM, o motor por trás de assistentes como ChatGPT e Claude) traduz isso em código funcional. Essa distância é o fio condutor de um artigo do Canaltech que reconstrói a história da programação como uma escalada de abstração.
Da chave ao símbolo
O raciocínio é simples de resumir: cada nova camada da computação existe para esconder um pouco mais da complexidade da máquina, sem tirar do humano a capacidade de controlá-la. Depois do ENIAC vieram a linguagem de máquina (sequências de números que o processador entende diretamente) e o assembly, que trocou números por nomes mnemônicos mais fáceis de manipular. Na sequência, linguagens de alto nível como FORTRAN e C permitiram escrever algo parecido com fórmulas matemáticas, deixando para o compilador o trabalho de traduzir tudo para a linguagem do hardware.
Foto: reprodução/latent.space
A virada com redes neurais
O artigo recupera também a história paralela da IA: o Perceptron, criado por Frank Rosenblatt nas décadas de 1940-50, propôs a ideia de redes neurais artificiais, mas o campo perdeu fôlego nos anos 1960 e só ressurgiu nos anos 1980, com a retropropagação (técnica que ajusta os "pesos" de uma rede comparando erro e acerto). Esse renascimento sustenta o salto seguinte: em 2017, Andrej Karpathy — ex-diretor de IA da Tesla e cofundador da OpenAI — cunhou o conceito de "Software 2.0", em que o programa não é mais escrito linha a linha, mas "encontrado" a partir de dados de treinamento. A etapa seguinte, "Software 3.0", é a atual: programar via linguagem natural, usando um LLM como intérprete de instruções em português comum.
O que se ganha e o que se perde
Vale fazer a leitura crítica que o artigo sugere só em parte. Programar em linguagem natural baixa a régua de entrada: qualquer pessoa pode pedir a um LLM que escreva um programa sem entender uma linha de código. Mas é como pedir a alguém que dirija seguindo só a descrição da rota, sem saber onde fica o freio: funciona até aparecer um imprevisto. LLMs podem interpretar mal um pedido ambíguo, "alucinar" trechos de código que não fazem o prometido, ou esconder decisões técnicas atrás de uma resposta confiante. A abstração que a programação sempre buscou — esconder complexidade sem perder controle — ainda enfrenta seu teste mais difícil quando quem instrui a máquina não sabe verificar se ela entendeu certo.