Diretrizes da Comissão da UE sobre Definição de Sistema de IA
A Comissão Europeia publicou, em 6 de fevereiro de 2025, diretrizes sobre a definição de um sistema de inteligência artificial (IA) sob a Lei de IA. Essas diretrizes definem um sistema de IA como uma entidade baseada em máquina com autonomia, adaptabilidade e a capacidade de inferir e produzir resultados, como previsões ou decisões, que impactam ambientes físicos ou virtuais.
Definição de Sistema de IA
Um sistema de IA é definido no Artigo 3(1) da Lei de IA como “um sistema baseado em máquina que é projetado para operar com níveis variados de autonomia e que pode exibir adaptabilidade após a implantação, e que, para objetivos explícitos ou implícitos, infere, a partir da entrada que recebe, como gerar saídas, como previsões, conteúdo, recomendações ou decisões que podem influenciar ambientes físicos ou virtuais.”
Elementos do Sistema de IA
As diretrizes esclarecem que a definição compreende sete elementos:
- sistema baseado em máquina;
- que é projetado para operar com níveis variados de autonomia;
- que pode exibir adaptabilidade após a implantação;
- e que, para objetivos explícitos ou implícitos;
- infe, a partir da entrada que recebe, como gerar saídas;
- como previsões, conteúdo, recomendações ou decisões;
- ou saídas que podem influenciar ambientes físicos ou virtuais.
Fases do Ciclo de Vida da IA
A definição de um sistema de IA também compreende duas fases principais do ciclo de vida da IA: a fase de pré-implantação (construção) e a fase de pós-implantação (uso) do sistema de IA. No entanto, as diretrizes estipulam que os sete elementos mencionados podem aparecer em uma fase, mas não em ambas.
1. Baseado em Máquina
O termo baseado em máquina pode se referir a componentes de hardware e software que possibilitam o funcionamento de um sistema de IA. No entanto, os sistemas de IA devem ser impulsionados computacionalmente e baseados em operações de máquina.
2. Autonomia
Níveis variados de autonomia refere-se ao fato de que os sistemas de IA são projetados para operar com algum grau de independência da intervenção humana e têm a capacidade de operar sem intervenção humana. A capacidade de inferência de um sistema de IA é, portanto, fundamental para sua autonomia. O conceito de autonomia também exclui sistemas de IA que são projetados para operar exclusivamente com total envolvimento humano.
3. Adaptabilidade
A adaptabilidade de um sistema de IA refere-se às capacidades de autoaprendizado, permitindo que o comportamento de um sistema mude enquanto está em uso. No entanto, as diretrizes esclarecem que um sistema pode, mas não precisa necessariamente, possuir adaptabilidade ou capacidades de autoaprendizado após a implantação para ser considerado um sistema de IA.
4. Objetivos do Sistema de IA
Os objetivos do sistema de IA podem ser tanto explícitos quanto implícitos, referindo-se às metas das tarefas a serem executadas e seus resultados. Os objetivos podem surgir dos dados de treinamento ou da interação do sistema de IA com o ambiente em que está implantado.
5. Inferência
A capacidade de um sistema de IA de inferir é considerada pelas diretrizes como uma condição indispensável que distingue sistemas de IA de outros tipos de sistemas. A inferência refere-se à fase de construção de um sistema de IA e as técnicas que possibilitam a inferência incluem abordagens de aprendizado de máquina, como aprendizado supervisionado, não supervisionado, auto-supervisionado, aprendizado por reforço e aprendizado profundo, além de abordagens baseadas em lógica e conhecimento.
As diretrizes também esclarecem uma gama de sistemas que estão fora do escopo da definição de um sistema de IA, conforme o Artigo 3(1) da Lei de IA. Esses sistemas têm uma capacidade de inferir de maneira restrita, mas carecem da capacidade de analisar padrões e ajustar autonomamente suas saídas.
6. Saídas que Influenciam Ambientes
De acordo com as diretrizes, as saídas dos sistemas de IA são agrupadas em quatro categorias: previsões, conteúdo, recomendações e decisões. Todas as quatro categorias são distintas de sistemas não-IA, uma vez que podem lidar com relações complexas e padrões em dados, e geralmente podem gerar saídas mais nuançadas do que outros sistemas.
7. Interação com o Ambiente
Por fim, as diretrizes enfatizam que os sistemas de IA devem ter um impacto tangível no ambiente em que estão implantados, seja ele físico ou virtual.
