A piada padrão sobre inteligência
artificial (IA) é que, como a fusão nuclear, ele é o futuro há mais de meio
século. Em 1958, o New
York Times informou que o Perceptron,
uma antiga máquina de IA desenvolvida na Universidade de Cornell com dinheiro
militar, era "o embrião de um computador eletrônico que [a Marinha
Americana] espera poder andar, conversar, ver, escrever, se reproduzir e ter
consciência de sua existência". Cinco décadas depois, navios de
guerra autoconscientes permanecem visíveis por sua ausência. No entanto,
ao lado do hype, houve um progresso espetacular: os computadores agora são
melhores do que qualquer humano nos jogos de xadrez e Go, por exemplo. Os
computadores podem processar a fala humana e ler caligrafia confusa. Para
muitas pessoas hoje em dia, os sistemas automatizados de resposta telefônica
são irritantes. Mas eles pareceriam mágica para alguém da década de
1950. Atualmente, a IA está nas notícias novamente, pois houve um
progresso impressionante nos últimos anos em um subcampo específico da IA
chamado aprendizado de máquina. Mas
o que exatamente é isso?
O aprendizado de máquina é exatamente
o que parece: uma tentativa de executar um truque que até animais muito
primitivos são capazes, ou seja, aprender
com a experiência. Computadores são bestas
hiper-literais e ordinários: qualquer um que tenha tentado programar um lhe
dirá que a dificuldade vem de lidar com o fato de que um computador fará exatamente
e precisamente o que você pede, erros estúpidos e tudo. Para tarefas que
podem ser resumidas em regras simples e inequívocas - como analisar matemática
difícil, por exemplo -, isso é bom. Para trabalhos mais lícitos, é um
problema sério, principalmente porque os próprios humanos podem ter
dificuldades para articular regras claras. Em 1964, Potter Stewart, juiz
da Suprema Corte dos EUA, achou impossivelmente difícil definir uma definição
de pornografia legalmente estanque. Frustrado, ele escreveu que, embora
ele não pudesse definir a pornografia como tal, "eu a conheço quando a vejo". O
aprendizado de máquina visa ajudar os computadores a descobrir essas regras
imprecisas sozinhos, sem ter que ser explicitamente instruído a cada passo do
caminho pelos programadores humanos.
Existem muitos tipos diferentes de aprendizado de máquina. Mas o que está ganhando as manchetes no momento é chamado de "aprendizado profundo". Ele usa redes neurais artificiais - simulações de computador simplificadas de como os neurônios biológicos se comportam - para extrair regras e padrões de conjuntos de dados. Mostre a uma rede neural imagens suficientes de gatos, por exemplo, ou faça com que ela ouça a fala alemã suficiente, e ele poderá dizer se uma imagem que nunca viu antes é um gato ou se uma gravação de som está em alemão. A abordagem geral não é nova (o Perceptron, mencionado acima, foi uma das primeiras redes neurais). Mas o poder cada vez maior dos computadores permitiu que máquinas de aprendizado profundo simulassem bilhões de neurônios. Ao mesmo tempo, a enorme quantidade de informações disponíveis na internet forneceu aos algoritmos uma quantidade sem precedentes de dados para serem analisados. Os resultados podem ser impressionantes. O algoritmo Deep Face do Facebook, por exemplo, é tão bom quanto um ser humano quando se trata de reconhecer rostos específicos, mesmo que eles sejam mal iluminados ou vistos de um ângulo estranho. O spam de email é muito menos problemático do que costumava ser, porque as grandes quantidades que circulam on-line permitiram que os computadores aprendessem a reconhecer a aparência de um email de spam e o desviassem antes que chegassem à sua caixa de entrada.
Grandes empresas como Google, Baidu e Microsoft estão investindo recursos no desenvolvimento
de IA, com o objetivo de melhorar os resultados de pesquisa, construir
computadores com os quais você pode conversar e muito mais. Uma onda de
startups quer usar as técnicas para tudo, desde procurar tumores em imagens médicas até automatizar o trabalho
administrativo, como a preparação de relatórios de vendas. O apelo da voz automatizada ou do reconhecimento facial de espiões e policiais é óbvio, e eles também têm um grande
interesse. Esse rápido progresso gerou profetas
da desgraça, que temem que os computadores possam
se tornar mais inteligentes que seus mestres humanos e talvez até
substituí-los. Tais preocupações não são inteiramente sem
fundamento. Mesmo agora, os cientistas realmente não entendem como o
cérebro funciona. Mas não há nada sobrenatural nisso - e isso implica que
a construção de algo semelhante dentro de uma máquina deve ser possível em
princípio. Alguma inovação conceitual, ou o aumento constante do poder da
computação, pode um dia dar origem a computadores hiper-inteligentes e autoconscientes. Mas, por enquanto e no futuro próximo, as
máquinas de aprendizado profundo continuarão sendo mecanismos de reconhecimento
de padrões. Eles não vão dominar o
mundo. Mas eles vão abalar o mundo do trabalho.
(The Economist, 14/05/2015. Disponível AQUI)