Newsletter · IQonify · 2026
Do zero indiano ao próximo token. Esta página conta, com retratos, fórmulas e jogos, como matemática, estatística, lógica, linguagem e redes se encontraram — sem fingir que todos “inventaram a IA”.
Tese
A Era da Informação começa quando culturas humanas passam a tratar símbolos, números, incerteza e comunicação como objetos de teoria. Os Large Language Models são o delta — não a nascente.
Do algoritmo ao bit: Al-Khwarizmi, Leibniz, Boole, Shannon, Turing, Hopper.
Pascal, Bayes, Gauss, Fisher. A verossimilhança com que um LLM ainda é treinado.
Markov conta letras. Zipf mede a desigualdade. Shannon pede a próxima letra.
McCulloch, Rosenblatt, Hinton, Bengio, Vaswani. Do neurônio lógico ao Transformer.
Deslize
Cada cartão é um nó. Nenhum é “o inventor da Inteligência Artificial”.
Galeria
Clique num retrato. Retratos históricos: Wikimedia Commons. Filtros seguem os quatro rios.
1843 · Nota A
A Máquina Analítica poderia agir sobre outras coisas além de número — se as relações fundamentais desses objetos pudessem ser expressas pela ciência abstrata das operações. Até a música.
Ada Lovelace, filha de Byron e aluna de Mary Somerville, chamou isso de ciência poética: imaginação a serviço da matemática. No mesmo texto, o contrapeso que o hype esquece: a máquina não tem pretensões de originar coisa alguma.
Paralelo conceitual com IA multimodalNão é causalidade do Transformer
1881 / 1938
Simon Newcomb notou que as primeiras páginas das tábuas de logaritmos se gastavam mais. Hipótese: a mantissa é uniforme. Donde
P(d) = log₁₀(1 + 1/d)
Frank Benford, em 1938, mediu 20.229 números — rios, jornais, beisebol, pesos atômicos. O 1 aparece ~30%; o 9, ~4,6%.
Primeiro dígito · Newcomb 1881
c. 1935
George Kingsley Zipf descreveu uma regularidade teimosa: a palavra de ordem n aparece cerca de 1/n vezes a mais frequente. Nos corpora atuais, um punhado de tokens governa o texto; o resto é cauda. Tokenização, vocabulários e embeddings ainda operam neste regime.
Zipf não inventou embeddings. Ele mediu a desigualdade da língua — o dado que os modelos de linguagem herdam.
Rank × frequência relativa (idealização 1/r)
1948 · 1951
Em 1937, no MIT, a álgebra de Boole vira circuito de relés. Em 1948, o bit — palavra de Tukey — mede incerteza. A entropia
H(X) = −Σ p(x) log₂ p(x)
é a média de surpresa de uma fonte. Em 1951, Shannon pede a pessoas que adivinhem a próxima letra do inglês. Entropia da ordem de 1 bit por letra. Redundância ~75%.
Treinar um modelo de linguagem é minimizar a entropia cruzada — parente matemático disto. A GPU e o Transformer vieram depois.
Jogo
Como jogar: Shannon pedia a pessoas que adivinhassem a próxima letra do inglês. Aqui a palavra secreta tem 11 letras. Clique nas teclas A–Z — ou use o teclado físico — uma letra por vez. Acerto preenche o espaço; erro pisca em laranja e você tenta de novo. O ponto não é “ganhar”: é sentir a redundância da língua, a mesma pergunta que um modelo de linguagem ainda otimiza.
Hopper
Grace Hopper concluiu o A-0 em 1952, defendeu FLOW-MATIC e ajudou a moldar o COBOL. Levou dois anos para as pessoas tocarem o compilador. A mariposa no relé do Mark II (1947) é o “primeiro caso real de bug encontrado” — a palavra já existia no século XIX.
Hopper traduziu inglês para a máquina. Os LLMs inverteram o fluxo. O desejo civilizacional é o mesmo: falar com o cálculo sem virar o cálculo.
Do neurônio ao token
Clique cada degrau. Transformer é arquitetura. LLM é uma classe de modelos — em geral, um Transformer enorme treinado em texto. O painel abaixo muda a cada clique.
Enredo
Selecionadas por importância histórica, impacto, conexão com a Era da Informação e clareza para leitores não técnicos.
Entre em contato
Ítalo Lucena pesquisa criatividade, inovação e a Era da IA na IQonify. Esta landing é a base de uma série — palestras, trilhas corporativas e conversas de conselho sobre o que a máquina herdou da ciência humana.
Contato: italo@iqonify.com.br
Site: iqonify.com.br