Em 2005, durante uma banca de seleção para professor titular, Marco Antonio Casanova, da PUC Rio, fez a Marcos André Gonçalves, da UFMG, uma pergunta sobre como permanecer cientificamente relevante em uma área que muda tão rapidamente. A resposta dada não é mais lembrada; a questão, porém, acompanhou o professor ao longo de sua trajetória.
Na conferência magna da 41ª edição do Simpósio Brasileiro de Banco de Dados (SBBD 2026), realizada em São Carlos (SP), Gonçalves retomou a pergunta à luz das três décadas de sua trajetória como pesquisador. Professor titular do Departamento de Ciência da Computação (DCC) da UFMG e coordenador do INCT TILDIAR, ele apresentou a palestra “Relevância científica em espiral: como permanecer cientificamente relevante por 30 anos em Dados e IA”.
Uma trajetória em espiral
Em vez de apresentar a carreira como uma sequência de mudanças de tema, Gonçalves organizou sua trajetória em quatro movimentos que se acumulam: estruturar, aprender, avaliar e responsabilizar. Cada etapa preserva conhecimentos anteriores e incorpora novos desafios.
Os movimentos acompanham também as transformações nas ferramentas de pesquisa: da Web e da mineração de dados ao aprendizado de máquina, ao deep learning e, mais recentemente, aos modelos de fundação ou de base.
Na apresentação, o pesquisador situa esses ciclos em quatro períodos: estruturar, de 1997 a 2004; aprender, de 2005 a 2012; avaliar, de 2013 a 2019; e responsabilizar, a partir de 2020.
Quando acertar não é suficiente
Um dos exemplos da palestra tratou da calibração de modelos de classificação de texto. Segundo Marcos Gonçalves, um sistema pode acertar na maior parte dos casos e, ainda assim, atribuir a si próprio uma confiança que não corresponde à probabilidade real de estar certo. “Ter alta acurácia, portanto, não garante que suas previsões sejam confiáveis”, orienta.
E o processo de avaliação precisa considerar também o que acontece quando o sistema entra em operação. “Os dados mudam, novas informações chegam e outras deixam de representar o problema original”, destaca o professor. Ele também chama a atenção para o fato de que, antes de chegar ao modelo, esses dados passam por etapas de seleção, organização e transformação, e cada uma delas pode influenciar o resultado.
“Não são problemas de modelo. São problemas de pipeline de dados”, resumiu. A confiabilidade desse processo todo, porém, vai depender do acompanhamento de quais dados entram, como eles são tratados e de que forma sustentam as previsões do sistema, esclarece.
A palestra também relacionou essa perspectiva a trabalhos recentes sobre avaliação da confiança em modelos de classificação de texto, interpretabilidade de modelos fundacionais e aplicações em saúde. O fio condutor é ampliar a análise para além do desempenho de um modelo isolado e observar como os resultados são produzidos e sustentados.
A quarta volta: responsabilizar
A partir de 2020, a trajetória passou a incluir de forma explícita a responsabilidade. A análise se estende aos dados que sustentam as respostas, às escolhas feitas durante o desenvolvimento e às condições em que cada sistema será utilizado.
Quando a IA participa de decisões que afetam pessoas, entram em pauta também a confiabilidade, a transparência, a explicabilidade e a responsabilidade.
É nessa direção que atua o INCT TILDIAR, Instituto Nacional de Ciência e Tecnologia em Inteligência Artificial Responsável para Linguística Computacional, Tratamento e Disseminação de Informação. A rede reúne pesquisadores de diferentes instituições para desenvolver aplicações de inteligência artificial responsável e sustentável para linguagem e informação, com atenção a temas como transparência, privacidade, inclusão e impactos sociais e ambientais.
Voltando à palestra, Gonçalves retomou, no encerramento, a pergunta que o acompanha desde 2005: como permanecer cientificamente relevante em uma área que muda tão rapidamente? Sua trajetória mostra uma resposta que passa menos por acompanhar cada nova tecnologia e mais por formular perguntas capazes de atravessar mudanças de ferramentas e métodos.
“Não foi por perseguir ondas. A tecnologia mudou muitas vezes. A estrutura das perguntas, nem tanto” — Marcos André Gonçalves
Galeria de fotos
Alguns momentos: A aula magna, e a plateia atenta; Leonardo Rocha entrega material de divulgação do INCT TILDIAR para participantes; professores e alunos da UFAM e da UFV apresentaram seu projeto no SBBD, na equipe, de cabelos grisalhos, Altigran Soares, subcoordenador do Instituto
