Seleccione Edição
Entra no EL PAÍS
Login Não está cadastrado? Crie sua conta Assine

Construindo mentes artificiais

Os últimos grandes avanços no campo da inteligência artificial se inspiram no cérebro

Cena do filme ‘Metrópolis’.
Cena do filme ‘Metrópolis’. Fototeca Gilardi

Se a inteligência artificial procurasse imitar o funcionamento do cérebro humano, enfrentaria um obstáculo gigantesco: ainda não sabemos como funciona o cérebro humano. Mas nem o objetivo dessa poderosa tecnologia é apenas esse, nem a estratégia de imitar o cérebro precisa esperar que compreendamos tudo sobre esse órgão fabuloso que temos dentro do crânio. Mesmo com o conhecimento fragmentado que temos sobre ele, nosso cérebro está servindo como uma fonte de inspiração muito eficaz para os engenheiros, cientistas da computação e especialistas em robótica. E os resultados já estão ao nosso redor.

Como um passageiro em um transatlântico, passamos o dia viajando sobre uma maquinaria prodigiosa da qual entendemos muito pouca coisa. O sistema de reconhecimento de voz com que podemos falar com o Google é inteligência artificial, assim como aquele quadradinho que identifica os rostos de suas primas quando você vai fotografá-las. Que sejam inteligência artificial significa que ninguém programou ali sua voz nem o rosto de sua prima, e sim que o sistema aprende a reconhecê-las a partir da experiência, como faz nosso cérebro com a realidade imprevisível do mundo exterior.

Há gente obcecada em definir as coisas, e o leitor poderá encontrar na internet uma dúzia de definições distintas de inteligência artificial. Minha favorita é a de Marvin Minsky, pioneiro dessa área. A AI, disse Minsky, “é a ciência que atua para possibilitar que as máquinas façam coisas que exigiriam inteligência se fossem feitas por um humano”. A definição de Minsky parece gratuitamente complicada, mas inclui uma alfinetada, e é importante que vejamos o motivo.

Os sistemas de reconhecimento de voz e de identificação de rostos do ‘smartphone’ são exemplos de inteligência artificial que usamos diariamente

Na década de noventa, todo mundo teria considerado que ganhar do campeão mundial de xadrez seria uma prova de inteligência. Naquela época, entretanto, os cientistas da IBM estavam desenvolvendo um invento destinado a derrotar Gari Kasparov, o número um da época. Chamava-se Deep Blue, contava com 256 processadores trabalhando em cadeia − que avaliavam 200 milhões de jogadas por segundo − e causou surpresa ao bater o grande Kasparov. Devemos concluir que o Deep Blue era inteligente?

Não, de jeito nenhum, respondeu todo mundo em uníssono. O xadrez, afinal, é um jogo delimitado, com um número enorme, mas finito, de soluções possíveis, e suas regras são simples e matematicamente consistentes. Esse é o campo de jogo ideal para um cérebro de silício com superpoderes como o Deep Blue.

Os sistemas de inteligência artificial aprendem conosco graças à experiência

Mas nosso cérebro não funciona assim. Não tem 256 processadores em cadeia nem pode avaliar 200 milhões de jogadas por segundo. O êxito da máquina da IBM foi atribuído à força computacional bruta. Nossa percepção do xadrez sofreu uma reviravolta, mas não para declarar o Deep Blue inteligente, e sim para excluir o xadrez da definição de inteligência. Se uma máquina podia ganhar de Kasparov, ser campeão mundial de xadrez, no fim das contas, não significava tanta coisa.

É exatamente aí que fica clara a alfinetada presente na definição de Minsky. Se quem tivesse derrotado Kasparov tivesse sido um jovem talento, todos o teríamos admirado por sua inteligência extrema. Mas nenhum de nós se dispôs a ter a mesma consideração pelo Deep Blue. A AI não é a ciência que realiza estudos para que as máquinas façam coisas inteligentes, e sim para que as máquinas façam coisas que exigiriam inteligência se fossem feitas por um humano. É uma importante lição de Minsky que convém ter em mente ao refletir sobre a inteligência das máquinas.

Há outro critério clássico sobre a mesma questão, formulado pelo grande pai da inteligência artificial, Alan Turing (alguns leitores se lembrarão dele com o rosto de Benedict Cumberbatch no filme O Jogo da Imitação). Deveremos considerar que uma máquina é inteligente quando ela conseguir se fazer passar por um humano − por exemplo, em uma mensagem de correio eletrônico. Os cientistas da computação veneram Turing, mas já não acreditam que o chamado Teste de Turing seja um critério válido. Assim como passar nesse teste não demonstra inteligência, não passar também não significa falta dela. E então?

‘Deep Blue’, o computador que derrotou Kasparov no xadrez, não era inteligência artificial

Então, como quase sempre, o melhor é deixar de lado os grandes princípios matemáticos e filosóficos e pôr as mãos na massa. Caso a caso, com senso prático e mente aberta. Os computadores já nos superam em capacidade de cálculo, em velocidade de gestão e em outras coisas. Ganham de nós no xadrez e até no Go, o jogo chinês que certamente é o mais complexo inventado pelos humanos.

Podemos, é claro, alegar que isso não é a verdadeira inteligência. Mas a verdadeira inteligência, segundo tudo que a neurociência sabe, é feita de coisas como essas. Não sabemos de quantas, não sabemos quando a tecnologia conseguirá imitar todas elas, mas não parece haver nenhum problema de princípio, ou fronteira intransponível, para que as máquinas cheguem a esse ponto.

Se o cérebro é um objeto físico (como os cientistas sabem que é), não pode haver nenhum obstáculo filosófico para que a tecnologia possa imitá-lo. Ou superá-lo.

A inteligência artificial é a ciência que atua para possibilitar que as máquinas façam coisas que exigiriam inteligência se fossem feitas por humanos

Fala-se de inteligência artificial desde os anos cinquenta, mas os avanços recentes que explicam seu afloramento nos meios de comunicação − e que você esteja lendo isto − propõem dois enfoques que se baseiam em certos aspectos do funcionamento do cérebro. O primeiro é um tipo de programa informático − ou de arquitetura de sistemas − chamado de rede neural, que, como indica seu nome, imita o tipo de computação feito pelos neurônios biológicos.

Hoje todo mundo está familiarizado com a forma de um neurônio. Suas entradas (dendritos) formam uma árvore de ramificação frondosa e fractal, de modo que de um só tronco podem chegar a formar 10.000 ramos que rastreiam a informação de seu entorno local e de média distância. Em contraste, o cabo de saída (axônio) é único, de modo que cada neurônio tem de integrar massas de informação procedentes de seus milhares de dendritos para gerar uma resposta sintética através de seu axônio. Essa é a arquitetura que as redes neurais de silício imitam.

A segunda inspiração que provém do cérebro é mais complexa − e mais poderosa. Chama-se deep learning (aprendizagem profunda), e é a base dos grandes avanços que nos assombraram nos últimos três ou quatro anos. De forma paradoxal, o mais fácil é explicar primeiro o funcionamento do cérebro e depois o do deep learning.

A chave da inteligência artificial é que as máquinas sejam capazes de aprender, o que se conhece como ‘deep learning’

Quando o prêmio Nobel Francis Crick, codescobridor da dupla hélice do DNA e neurocientista, disse a uma amiga que seu interesse profissional era compreender o mecanismo cerebral da visão, a amiga ficou estupefata:

— Não sei que interesse tem isso. Para mim, é suficiente imaginar que o cérebro forma uma espécie de imagem de televisão.

Crick respondeu:

— Sim, mas quem está vendo a televisão?

Nossas intuições sobre o funcionamento de nossa própria mente sempre são enormes. A verdadeira forma como processamos a informação visual (como formamos imagens mentais do mundo) só foi descoberta com experimentos sofisticados. A imagem captada pela retina é transmitida pelo nervo óptico para a parte posterior do cérebro, a mais próxima da nuca (V1, de área visual um, no jargão dos especialistas). A V1 só vê linhas entre luz e sombra, horizontais, verticais ou com certo ângulo de inclinação. Isso é tudo que entra.

Subindo da nuca em direção ao cocuruto, ocorre um encadeamento de áreas visuais (V2, V3 e outras com nomes mais caprichosos) que vai abstraindo a informação progressivamente. Se a V1 só via linhas inclinadas, as áreas seguintes as abstraem em ângulos, depois em polígonos, depois em poliedros e, ao final, em uma gramática das formas que nos permite construir um modelo interno da pessoa que vemos, quer ela esteja de frente ou de perfil, irritada ou rindo. Esse é que está vendo a televisão.

Nisso se baseia também o deep learning das máquinas. Os neurônios de silício se organizam em muitas camadas (dezenas ou centenas) que vão abstraindo progressivamente a informação. Cada camada, por assim dizer, infere um conceito a partir da selva que a camada anterior lhe transmite e, camada por camada, a informação vai se tornando mais abstrata, concentrando-se menos nos detalhes e mais nas propriedades invariáveis dos objetos do mundo. É como dar um nome às coisas, e isso é o que fazem os atuais sistemas especializados.

MAIS INFORMAÇÕES