Pesquisa em inteligência artificial
A pesquisa em inteligência artificial é uma área científica que vem sendo construída há décadas, muito antes do lançamento do ChatGPT.

Neste artigo
A pesquisa em inteligência artificial é uma área científica que vem sendo construída há décadas, muito antes do lançamento do ChatGPT. No Brasil, o estado de São Paulo já financiava estudos sobre os fundamentos dessa tecnologia quando o tema ainda parecia distante do público geral.
Segundo a Revista Pesquisa FAPESP, essa trajetória se estende por mais de três décadas. Ao longo desse período, a Fundação de Amparo à Pesquisa do Estado de São Paulo apoiou milhares de projetos, reunindo pesquisadores de diferentes níveis, da iniciação científica ao pós-doutorado, em uma série de investimentos contínuos. Há mais contexto em ChatGPT - Chrome Web Store.
Esse histórico ajuda a entender por que a IA generativa, que hoje ocupa manchetes, não surgiu do nada. Ela é fruto de um acúmulo de estudos, testes e falhas que foram sendo refinados por equipes de universidades e institutos de pesquisa ao longo dos anos. Há mais sobre isso em Quase 700 áreas contaminadas no Grande ABC, aponta pesquisa.
Três décadas de pesquisa em inteligência artificial antes do ChatGPT
A pesquisa em inteligência artificial começou muito antes do fenômeno recente dos chatbots. Em São Paulo, pesquisadores vêm estudando os fundamentos dessa área há mais de três décadas, com apoio da FAPESP, que já financiou milhares de projetos ao longo desse período.
Segundo a Revista Pesquisa FAPESP, a série de apoios que começou naquele período soma hoje 2.633 auxílios e 6.331 bolsas, que vão da iniciação científica ao pós-doutorado, incluindo estágios de pesquisa no exterior. Além disso, os valores contratados chegam a cerca de R$ 1,2 bilhão, em valores nominais.
Por que os fundamentos importam
Os estudos básicos sobre aprendizado de máquina, representação do conhecimento e raciocínio automatizado formaram a base técnica sobre a qual as ferramentas atuais foram construídas. Também, sem esse acúmulo, as aplicações que hoje chamam atenção dificilmente teriam surgido com a mesma velocidade. O tema é detalhado em ChatGPT - Wikipedia.
- Formação de pesquisadores em diferentes níveis de carreira
- Desenvolvimento de métodos que depois passaram a ser usados em outras áreas
- Circulação de resultados entre universidades paulistas e centros estrangeiros
Esse tipo de investimento contínuo ajuda a explicar por que o estado aparece com destaque na produção científica brasileira sobre o tema, segundo levantamentos publicados pela própria Revista Pesquisa FAPESP. Quem quiser ir além pode ler Microplásticos no sangue de animais.
Os primeiros anos: um tema de nicho
A pesquisa em inteligência artificial é uma área com décadas de trabalho acumulado, muito antes do lançamento do ChatGPT. Segundo a Pesquisa FAPESP, o estado de São Paulo financia esse esforço há cerca de 35 anos, por meio de auxílios e bolsas que vão da iniciação científica ao pós-doutorado.
Como o levantamento foi feito
O levantamento consultou a base de dados da FAPESP usando 155 expressões em português e inglês. Essa abordagem ampla foi necessária porque a terminologia da área muda com o tempo e aparece em projetos com nomes diferentes, o que torna a busca por um único termo insuficiente. Há um bom material de referência em ChatGPT ChatGPT Learn.
Vale notar que o número de projetos encontrados depende das expressões escolhidas. Por isso, os dados devem ser lidos como um retrato aproximado da produção paulista, e não como uma contagem exaustiva de todos os estudos feitos no estado. O tema se conecta com Áreas de preservação permanente.
Redes neurais e o salto do deep learning em 2017
A pesquisa em inteligência artificial tem uma história longa e pouco lembrada. Em São Paulo, grupos acadêmicos estudam os fundamentos da área há mais de três décadas, muito antes de o ChatGPT chegar ao público. Além disso, esse trabalho silencioso ajuda a explicar por que o estado hoje reúne uma parte relevante da produção científica brasileira no tema.
O levantamento usou 155 expressões de busca, em português e inglês, na base Web of Science, a BV. Além disso, a abordagem permite comparar a evolução do tema ao longo dos anos e identificar em quais áreas do conhecimento ele mais avança.
Vale notar que a inteligência artificial não nasceu como produto de consumo. Também, ela foi, por muito tempo, um campo de pesquisa básica, com resultados lentos e pouco visíveis para o grande público. Além disso, os avanços recentes em aprendizado de máquina se apoiam justamente nessa base acumulada. Esse tema aparece com mais profundidade em ChatGPT.
IA generativa e o recorde de 2022 a 2025
A pesquisa em inteligência artificial no estado de São Paulo começou bem antes da popularização dos chatbots. Segundo a Pesquisa FAPESP, a série de apoio a projetos nessa área já soma 2.633 auxílios e 6.331 bolsas, da iniciação científica ao pós-doutorado, incluindo bolsas de estágio de pesquisa no exterior.
A base de dados que sustenta esse levantamento foi construída com cuidado. A busca usou 155 expressões em português e inglês para localizar projetos relevantes, o que permite enxergar o campo com mais amplitude do que uma simples contagem de títulos.
Para o leitor sem formação técnica, isso significa que o retrato da pesquisa paulista em IA é mais completo do que parece à primeira vista.
Um recorde que vem de longe
O volume de bolsas e auxílios indica que a inteligência artificial já tinha estrutura acadêmica consolidada muito antes do lançamento do ChatGPT. Além disso, esse histórico ajuda a explicar por que o estado aparece como referência nacional em produção científica na área.
Não se trata de um esforço pontual ligado a uma tecnologia da moda, mas de uma trajetória construída por gerações de pesquisadores.
- Auxílios registrados: 2.633
- Bolsas concedidas: 6.331
- Valores contratados: cerca de R$ 1,2 bilhão, em valores nominais
Os números também mostram que o apoio não se concentrou apenas em pesquisadores já estabelecidos. Além disso, bolsas de iniciação científica e de mestrado e doutorado formam uma base ampla, que alimenta o campo com novos talentos.
Quando um financiamento alcança níveis de formação tão diversos, o efeito tende a se espalhar por universidades e institutos ao longo do tempo. Uma referência confiável é ChatGPT em português sem cadastro.
Quem lidera a pesquisa em IA: das engenharias às ciências exatas
Grande parte desse esforço passa pela formação de novos cientistas. Bolsas de iniciação científica, mestrado e doutorado criam a próxima geração que trabalha com modelos, dados e aplicações, muitas vezes longe dos holofotes da imprensa.
- Iniciação científica para os primeiros contatos com a área
- Bolsas de doutorado para quem desenvolve métodos próprios
- Estágios de pesquisa no exterior para ampliar a colaboração internacional
Essa combinação de níveis formativos explica por que a área se mantém ativa mesmo quando a atenção pública oscila. Também, quando a formação é contínua, o conhecimento não depende de picos de interesse.
A saúde como área de maior crescimento
Dentro do conjunto de apoios da FAPESP, a área de saúde aparece entre as que mais cresceram ao longo das últimas décadas.
Os números de auxílios e bolsas indicam que a produção científica em saúde ganhou volume e diversidade de temas, com projetos que vão da epidemiologia à biologia molecular. Além disso, esse movimento acompanha uma demanda crescente por ferramentas que ajudem a processar grandes volumes de dados clínicos.
É nesse ponto que a pesquisa em inteligência artificial passa a ter peso concreto. Também, modelos capazes de identificar padrões em exames de imagem, prontuários e dados genômicos vêm sendo testados por grupos acadêmicos paulistas. A Pesquisa FAPESP registra que parte desses estudos ainda está em fase inicial, com validações limitadas a centros específicos.
Vale notar que o crescimento da área não significa resultados prontos para uso clínico. Pesquisadores costumam separar o avanço técnico, medido em artigos e patentes, da aplicação real nos serviços de saúde, que exige testes longos e aprovação regulatória. Também, essa distinção ajuda o leitor a interpretar manchetes que prometem diagnósticos automáticos.
- Auxílios e bolsas em saúde cresceram ao longo do período analisado.
- Projetos combinam estatística, computação e medicina clínica.
- Validação em populações diversas segue como o principal desafio.
Para o campo da pesquisa em inteligência artificial, a saúde funciona como um dos principais terrenos de prova. Também, ela obriga os modelos a lidar com dados sensíveis, erros com consequências reais e exigências de transparência. Esse contexto tende a moldar métodos mais cuidadosos, algo que outras áreas também começam a adotar.
Por que o investimento de longo prazo importa
A pesquisa em inteligência artificial depende de financiamento contínuo, porque os avanços mais relevantes costumam levar anos para aparecer.
Dados da série de apoio da FAPESP mostram esse caminho: segundo a Pesquisa FAPESP, o conjunto soma 2.633 auxílios e 6.331 bolsas, de iniciação científica a pós-doutorado, com valores contratados de cerca de R$ 1,2 bilhão em valores nominais.
Esses números importam porque mostram continuidade. Além disso, um projeto iniciado em um ano pode ser retomado, ampliado ou conectado a outro muitos anos depois. Além disso, essa acumulação de trabalho é o que permite que uma área amadureça e forme novas gerações de pesquisadores.
Por que a continuidade pesa tanto
Quando o financiamento é interrompido, equipes se dissolvem e o conhecimento acumulado se perde. Por isso, o apoio plurianual costuma ser mais valioso que picos isolados de investimento. Também, em campos que dependem de dados, modelos e testes longos, o tempo é parte do método.
- Formação de pesquisadores em diferentes etapas da carreira
- Manutenção de grupos capazes de revisar e corrigir resultados
- Acúmulo de bases de dados e ferramentas reutilizáveis
Para o leitor sem formação técnica, vale notar que boa parte desse trabalho não aparece como produto imediato. Também, ele sustenta descobertas futuras, inclusive aquelas que hoje parecem distantes das aplicações cotidianas.
O que o ProCiêncIA pode mudar para a pesquisa em IA em São Paulo
Esse levantamento mostra o tamanho do esforço, mas não responde sozinho para onde a pesquisa deveria ir a seguir.
O que ainda precisa ser respondido
Os dados disponíveis descrevem volume de apoio, mas não detalham quanto deles foi para pesquisa em inteligência artificial especificamente. Além disso, essa separação importa, porque a IA atravessa áreas como saúde, engenharia e ciências exatas. Além disso, sem esse recorte, fica difícil avaliar se o investimento acompanha a relevância do tema.
Por que a continuidade importa
O maior efeito de um programa como o ProCiência talvez seja sustentar a pesquisa quando a atenção pública migra para o próximo produto. Os avanços mais relevantes costumam levar anos para aparecer, e o que sobrevive a essas oscilações é justamente o financiamento de longo prazo.
Se o estado mantiver esse compromisso, São Paulo tende a continuar formando pesquisadores e produzindo conhecimento que chega, mais cedo ou mais tarde, à sociedade.
Principais pontos
- A FAPESP apoia pesquisa em IA desde os anos 1990, com ciclos de crescimento ligados a novas técnicas.
- O número de auxílios saltou de 14 a 77 por ano para 227 em 2025, recorde da série.
- Saúde foi a área que mais cresceu no apoio à IA entre os anos 1990 e 2022-2026.
- O investimento de longo prazo em ciência básica pode gerar tecnologias disseminadas décadas depois.
Fatos
Perguntas frequentes
- O que é a pesquisa em inteligência artificial apoiada pela FAPESP?
- São auxílios e bolsas de pesquisa, de iniciação científica a pós-doutorado, em temas como redes neurais e modelos de linguagem. Os dados vêm de um levantamento na Biblioteca Virtual da FAPESP.
- Por que o apoio à IA cresceu tanto a partir de 2017?
- O deep learning, baseado em redes neurais com múltiplas camadas, ganhou força em 2017 e impulsionou o número de projetos financiados.
- O que é o ProCiêncIA?
- É um programa lançado pela FAPESP em dezembro de 2025 para apoiar redes colaborativas de IA em educação, medicina, agronegócio e cidades inteligentes.


