O passado, o presente e o futuro da IA

8 min read
Artwork by Adamastor

Recentemente, encontrei um artigo no MIT Technology Review no qual, após analisar 16.625 artigos sobre o futuro da Inteligência Artificial, os autores previram o fim da era da Aprendizagem Profunda. Penso muito sobre a IA no meu dia a dia – é parte do meu trabalho – mas depois de ler isto, parei para refletir sobre o assunto. Quando a era da Aprendizagem Profunda chegar ao fim, o que, sem dúvida, acredito que acontecerá, o que se seguirá?

Ao longo dos últimos dois anos, vimos grandes avanços tecnológicos em IA, particularmente nas áreas de processamento de linguagem natural, visão computacional e robótica. Isto deve-se principalmente ao sucesso da aprendizagem automática, a tecnologia que permite que as máquinas aprendam com os dados e melhorem o seu desempenho com base na experiência.

Mas estes avanços aproximam-nos de reproduzir a inteligência humana? O que nos trarão os próximos anos? E que desafios enfrentaremos a seguir?

Do Dartmouth ao HAL 9000

O computador HAL 9000 do filme “2001: Uma Odisseia no Espaço” de Arthur C. Clarke e Stanley Kubrick, é o arquétipo de uma Inteligência Artificial. É dotado de habilidades semelhantes às humanas, como entender a linguagem, elaborar estratégias para atingir um objetivo, reunir dados do ambiente e tomar decisões com base nesses dados. O HAL 9000 foi concebido na década de 1960, no meio do otimismo gerado pelo Projeto de Pesquisa de Verão de Dartmouth sobre Inteligência Artificial. A conferência de 1956 reuniu Allen Newell, Herbert Simon, John McCarthy, Marvin Minsky e Ray Solomonoff, entre muitos outros, marcando o início da IA como um campo de pesquisa científica.

Apesar do otimismo inicial, a IA tem tido uma viagem atribulada. Era comum dizer que alguns anos seriam suficientes para desenvolver tecnologias capazes de reconhecer pessoas, entender o diálogo humano e traduzir para qualquer idioma. Mas estas expectativas acabaram por conduzir a um período conhecido como Al winter, durante o qual o financiamento de pesquisa sofreu grandes cortes.

Décadas mais tarde, o AI winter acabou e o otimismo floresceu.

A corrida ao ouro da IA

Hoje, utilizamos algoritmos de IA diariamente. Por exemplo, sempre que utilizamos a Internet para fazer pesquisas, quando recorremos a um tradutor online ou quando recebemos uma recomendação de um livro do site onde geralmente compramos livros. Transações de ações são feitas por algoritmos numa questão de milissegundos. Os algoritmos de reconhecimento de padrões estão a tornar-se cada vez mais populares na análise de imagens médicas. Grandes empresas como a Google, o Facebook, a Microsoft, a Amazon e a Uber estão a desenvolver veículos autónomos, assistentes pessoais digitais, sistemas de diálogo e tradutores automáticos, armazenando grandes quantidades de dados e recorrendo a técnicas automáticas de aprendizagem. Estamos a testemunhar uma verdadeira “corrida ao ouro,” especialmente com os EUA, a China, o Canadá, a França e a Europa a fazerem grandes investimentos estratégicos em IA para acelerar o progresso.

Uma das características mais desejáveis da IA é a capacidade de tomar decisões complexas. Este foi precisamente o objeto de estudo das primeiras obras de Herbert Simon (prémio Nobel da Economia em 1978), a quem devemos o princípio da racionalidade limitada, segundo o qual um processo de decisão deve ter em consideração a limitação das informações disponíveis, a limitação cognitiva para processar essa informação e o prazo limite para tomar uma decisão. Atualmente, estamos a observar sucessos nessa área em ambientes controlados, como jogos com regras estritamente definidas. O sistema AlphaGo, através de um reforço baseado em técnicas de aprendizagem, derrotou os melhores jogadores humanos de Go; uma marca histórica que achávamos que ainda estava a décadas de acontecer.

Um desafio maior é deixar estes ambientes simulados e construir máquinas capazes de tomar decisões “na natureza,” com base nas observações que fazem do mundo real. Quando isto for possível, além da robótica industrial que já conhecemos, teremos um amplo conjunto de profissões que podem ser atribuídas a máquinas: médicos, engenheiros, juízes e analistas financeiros. Isto pode acontecer nas próximas décadas.

Assistentes pessoais omniscientes

Uma das mais antigas ideias utópicas ligadas à IA é a tradução automática: a capacidade de uma máquina traduzir qualquer par de línguas, esmagando todas as barreiras linguísticas e mediando a comunicação entre os seres humanos. Esta área tem visto uma evolução notável nos últimos anos, graças a técnicas de aprendizagem profunda como, por exemplo, redes neurais. Embora ainda não seja possível traduzir automaticamente um livro com o mesmo nível de competência de um tradutor humano, muito do conteúdo traduzido por máquinas, como notícias ou e-mails, mostra uma qualidade muito superior à da que se obtinha à cinco anos atrás.

Num futuro próximo, podemos esperar que os avanços no processamento de linguagem natural (incluindo reconhecimento de voz e síntese, extração de informações semânticas e sistemas de diálogo) sejam integrados nos assistentes pessoais: dispositivos capazes de comunicar connosco, gerir as nossas agendas diárias e procurar informações online. Estes aparelhos saberão tudo o que há para saber sobre os nossos gostos e preferências e brevemente tornar-se-ão indispensáveis.

Formas de inteligência

Para fazer previsões sobre um futuro mais distante, precisamos de pensar numa visão mais ampla e menos antropomórfica do que é “inteligência.” A inspiração biológica é a condição necessária para criar uma IA? No geral, tendemos a encarar o futuro da IA à luz do que sabemos sobre a inteligência humana, mas esta é a única forma possível de “inteligência”?

Observemos a aerodinâmica: embora o vôo dos pássaros tenha sido a inspiração para criar dispositivos voadores, os aviões não batem as asas como os pássaros. Seguindo o mesmo raciocínio, podemos prever que seja possível construir máquinas “inteligentes” sem tentar replicar mecanismos cerebrais. Tipos de “comportamento inteligente” podem surgir em sistemas com múltiplos agentes: diante da necessidade de cooperar para resolver um problema, esses agentes desenvolvem automaticamente protocolos de comunicação para comunicar entre si. Que linguagem falam estas máquinas? O que há em comum entre esta linguagem artificial e a humana? Qual delas emergirá como a mais favorável para se obter um comportamento inteligente, uma linguagem simbólica como a nossa ou “representações contínuas,” ininteligíveis para o ouvido humano? É possível mediar entre estas representações internas e a linguagem humana com o objetivo de alcançar uma melhor interpretação?

Infelizmente, ainda não temos um manual que nos possa guiar através das possibilidades e limitações da IA e, ao mesmo tempo, fornecer-nos ferramentas para avanços disruptivos.

Noutras palavras, a IA acaba de sair da sua fase pré-histórica e está agora na sua “Idade Antiga”: um período marcado por empreendimentos coletivos extraordinários, como as Grandes Pirâmides de Gizé (circa 2500 AC), mas também por técnicas relativamente rudimentares. Os historiadores estimam que as Grandes Pirâmides foram (freneticamente) construídas por cerca de 10.000 trabalhadores em turnos de 3 meses ao longo de 30 anos. O número de cientistas e engenheiros que atualmente trabalham em IA supera certamente esse número. O esforço computacional, medido por teraflops e energia dissipada em gigantescos centros de processamento de dados, certamente rivaliza com a energia humana dispensada para juntar os blocos de pedra das pirâmides. No entanto, as técnicas que utilizamos hoje em IA parecem igualmente rudimentares.

Homem versus máquina

A IA está a ter cada vez mais impacto nas nossas vidas diárias e os seus benefícios são inegáveis. No entanto, ainda existem habilidades importantes que precisamos de dominar para desbloquear certas limitações dos sistemas de IA atuais. A aprendizagem não supervisionada é uma delas, pois é a única maneira de um sistema aprender sem a direção humana. Não só isso, mas é muito difícil fazer previsões num campo onde a tecnologia do passado ainda está para atingir o seu potencial máximo. Há uma boa hipótese de que algo novo aconteça e que aponte numa direção completamente nova.

Esta é a razão pela qual não acredito que as máquinas se vão tornar “mais inteligentes do que nós” em breve ou que estamos remotamente perto de uma comunicação tão fluida quanto a do HAL 9000. Apesar dos alarmismos expressos por Stephen Hawking e Elon Musk, que veem na IA “a mais séria ameaça à sobrevivência da espécie humana,” não parece plausível que os perigos mais iminentes da IA provenham de uma superinteligência. Pelo contrário, derivarão da nossa falta de preparação e do mau uso que faremos dessas tecnologias se sobrestimarmos as suas capacidades e não entendermos as suas falhas.

ArtboardFacebook iconInstagram iconLinkedIn iconUnbabel BlogTwitter iconYouTube icon