Tecnologia - você sabe o que é Inteligência Artificial e Singularidade?

Quando pensamos em Inteligência Artificial, logo imaginamos androides que parecem humanos. A ideia da existência de computadores inteligentes sempre foi retratada na ficção científica. Personagens famosos são o HAL 9000, computador imortalizado no filme “2001, uma odisseia no espaço” e o androide T-800, do filme “O Exterminador do Futuro”.

Em 1950, o matemático inglês Alan Turing (1912-1954), pai da computação e precursor da Inteligência Artificial, escreveu um artigo onde fazia a seguinte pergunta: se um computador pudesse pensar como nós pensamos, ele conseguiria nos enganar ao ponto de pensarmos que estamos nos comunicando com um humano e não um protótipo?

O artigo foi um das primeiras reflexões sobre o conceito de Inteligência Artificial, ou seja, a capacidade de máquinas raciocinarem como pessoas e simularem comportamentos inteligentes. O matemático previu que até o ano 2000, máquinas seriam capazes de "enganar seres humanos através de diálogos entre humanos e máquinas”. 

De lá pra cá, a tecnologia evoluiu e a Inteligência Artificial (IA) se tornou um campo de conhecimento presente em muitas situações do cotidiano, nas decisões que tomamos e na maneira como interagimos com o mundo. Porém a realidade ainda está distante das complexas máquinas apresentadas na ficção científica.

No nosso dia a dia, a IA fornece ferramentas que permitem elaborar softwares que executam processos de raciocínio, cognição e evolução – ou seja, são dotados, em algum nível, de um tipo de ‘’inteligência’’ para realizar uma determinada tarefa.

A IA nos ajuda a automatizar tarefas do dia a dia, analisar grandes volumes de dados e a solucionar problemas. As tecnologias são capazes de executar tarefas mais simples como realizar diagnósticos médicos, reconhecer rostos no Facebook ou classificar processos jurídicos e dados climáticos.

Hoje, por exemplo, a tendência é o uso da voz na substituição das interações físicas com aplicativos e tecnologias. Podemos operar smartphones “conversando” com eles através de comandos e falar com atendentes eletrônicos de call-centers. Esses serviços reconhecem a fala e usam técnicas que dá ao computador a capacidade de executar o raciocínio indutivo.

Machine Learning e Deep Learning

Uma máquina pode aprender e a tomar uma decisão sozinha? O aprendizado de máquina ou aprendizado automático é chamado de Machine Learning em inglês. Ela diz respeito ao fato de os computadores e dispositivos conectados desempenharem suas funções sem que sejam previamente programados e que possam aprender  conforme são utilizados.

O Machine Learning é a área dentro da Inteligência Artificial que possibilita a segmentação e a padronização de comportamentos. A máquina usa algoritmos para coletar um enorme volume de dados, aprender com eles, e então, fazer uma determinação ou predição sobre algum comportamento desses dados. 

No aprendizado indutivo, o software aprende com base em exemplos. Já o raciocínio dedutivo usa a Lógica para gerar novo conhecimento a partir de conhecimento já existente. Também, é possível ensinar algo a um software usando aprendizado por reforço, que usa o conceito de recompensa (ou a simulação de ganhos para acertos e perdas para erros cometidos pelo software) para que ele aprimore habilidades.

Já o Deep Learning (aprendizagem profunda, em português) é um tema emergente dentro do campo da Inteligência Artificial. Uma subcategoria de aprendizado de máquina que diz respeito a oportunidades de aprendizagem profundas com o uso de redes neurais para melhorar as coisas, tais como reconhecimento de fala, visão computacional e processamento de linguagem natural. O Google Tradutor, por exemplo, utiliza essa tecnologia.

As redes neurais têm sido desenvolvidas e aprimoradas desde a década de 1950. Inspirados pelo funcionamento biológico do cérebro, pesquisadores passaram a desenvolver sistemas que se assemelhassem ao modelo do cérebro humano e as interconexões entre neurônios.

As redes neurais artificiais são compostas por unidades de processamento (comparáveis aos neurônios humanos) que são divididas em camadas. Essas unidades são interligadas por canais de comunicação que atribuem peso às informações recebidas. A resposta, ao final, consiste na compreensão e aprendizado sobre aquele dado inserido no sistema.

Ao invés de organizar dados para executá-los a partir de algoritmos previamente definidos ou de algum tipo de supervisão, o Deep Learning faz uso de parâmetros básicos e usa as várias camadas de processamento dessas informações para reconhecer esses padrões. Assim, aproxima-se de um sistema autônomo para a análise e compreensão dos dados.

Por exemplo, o Deep Learning é capaz de assistir a um vídeo sem som e gerar áudio que corresponda àquilo que pode ser enxergado. A tecnologia também permite dirigir carros automatizados (as redes neurais identificam elementos na estrada) ou ainda,  possibilitam que o computador gere textos sozinho, ao relacionar palavras  e sentenças para contar histórias coerentes sobre qualquer tema.

Limites e desafios éticos

Até onde devemos ir com esse potencial? Existe uma preocupação dentro da IA em discutir limites e desafios sociais e éticos. O maior medo é que máquinas pensantes superem o Homem e possam hackear e dominar nossa sociedade. 

“Se as pessoas projetam vírus de computador, alguém projetará uma Inteligência Artificial que vai se aperfeiçoar e reproduzir a si própria”, disse o cientista Stephen Hawking em 2017. 

Em 2015, um grupo de cientistas, especialistas e empresários enviou uma carta aberta à Organização das Nações Unidas (ONU) em que pediam a proibição do uso militar de robôs autônomos.

Outra preocupação é a substituição de postos de trabalho de pessoas por máquinas inteligentes que automatizam as tarefas humanas. Segundo um relatório do Fórum Econômico Mundial, o desenvolvimento da robótica, da Inteligência Artificial e da biotecnologia deve eliminar 7,1 milhões de empregos durante os próximos cinco anos.

Pesquisadores que trabalham para o desenvolvimento da IA defendem que a extinção de alguns postos de trabalho dará lugar a outros novos, os quais demandarão habilidades como inteligência social e criatividade, as quais ainda não são bem desenvolvidas na IA.

A singularidade

Muitos cientistas usam a palavra “singularidade” para prever o futuro. O termo vem da física, onde ele designa fenômenos tão extremos que as equações não são mais capazes de descrevê-los.

Um exemplo são os buracos negros, lugares onde a curvatura do espaço-tempo atinge valores tão extremos que não é possível descrevê-los matematicamente ou é impossível saber o que viria depois. Na prática, a singularidade é usada para exprimir tudo o que está além da capacidade de previsibilidade.

O engenheiro e futurista Ray Kurzweil, já afirmou que a singularidade deverá acontecer dentro dos próximos 30 anos. Segundo ele, se imaginarmos o crescimento tecnológico no século 21 como uma curva exponencial, ele será equivalente a 20 anos de progresso na velocidade atual.

Para ele, um computador de mil dólares tem hoje a mesma inteligência de um inseto. No futuro, ele se igualará à capacidade de um rato, de um homem e, finalmente, de toda a humanidade.
Kurzweil diz que a explosão tecnológica, que nos levará à Singularidade, um momento singular único, por uma poderosa Inteligência Artificial, num cenário em que máquinas inteligentes criem máquinas ainda mais inteligentes, independentemente do ser humano.

Nesse cenário teríamos a “computação quântica”, que vai superar a lógica sequencial da computação clássica por uma lógica em que as informações serão processadas ao mesmo tempo.

Ele prevê que em 2045, nosso cérebro estará conectado na nuvem, transformando nós mesmos em semi-máquinas. Essa conexão caminharia ainda para outra evolução: o limite da nossa espécie. A partir daí, poderemos fazer o download da nossa consciência para coloca-la em outro corpo, ou simplesmente, faremos parte de uma inteligência só, conectada a tudo e a todos.