Analógicos ou digitais – A que espécie pertencemos nós afinal?

Arlindo Oliveira doutorou-se em Engenharia Eletrotécnica e Ciências da Computação pela Universidade da Califórnia em Berkeley. É Professor do Departamento de Engenharia Informática do Instituto Superior Técnico, onde tem desenvolvido trabalho em sistemas digitais, síntese lógica, algoritmia, aprendizagem automática e bioinformática. Recentemente, publicou o livro Mentes Digitais que nos desafia profundamente a pensar nos mistérios do nosso cérebro. Todos os líderes devem estar despertos para esta nova realidade, por isso fomos ao seu encontro para uma conversa única, esclarecedora e profundamente inspiradora.

Fotos: Tema Central

Entrevista: Miguel Pina e Cunha e Catarina G. Barosa

L: Neste momento, em todas as áreas incluindo a Gestão e a Liderança, o digital é uma questão central. Suspeitamos que para muito dos nossos leitores a primeira questão que colocam é a de saber exatamente o que significa digital? Quando falamos de digital falamos de quê?

AO: O conceito de digital na sua essência é muito simples e muito fácil de explicar. Todos nós, cientistas e engenheiros, ao longo dos anos, das décadas e dos séculos, trabalhámos no mundo analógico onde tudo são valores contínuos, valores reais. A temperatura é um valor real, uma distância é um valor real a imagem que nós vemos quando olhamos para um sítio é o resultado de intensidades de luz percebidas, com valores reais. Mas com a introdução dos computadores, há uns 50 anos a esta parte, passámos a representar quase tudo de uma maneira digital, com zeros ou uns. É exatamente isto que quer dizer o digital. Portanto tudo num computador é representado como zeros ou uns, quando se grava uma música é representada com zeros e uns, quando se grava um filme é tudo representado com zeros ou uns.

L: Ao contrário dos filmes analógicos, em película, por exemplo?

AO: Um filme analógico em película é gravado com uma intensidade de cor que é analógica, que usa valores reais. O termo digital – que vem do inglês, onde dígitos quer dizer algarismos – também se usa para os dígitos binários (binary digit, os bits que são binary digits) e, portanto, a ideia da transformação digital é a ideia de que nós vivemos num mundo que foi, nos últimos milhões de anos, analógico e agora temos uma série de coisas que passaram a ser digitais.

L: E estas coisas digitais, os computadores, são cada vez mais poderosos, não é?

AO: Porque guardam imagens, guardam sons, ideias, mensagens; quando comunicávamos com um telefone antigo usávamos uma comunicação analógica, eram sinais contínuos que eram transmitidos pelo fio. Mas agora não. Quando usamos um telemóvel, a voz é transformada em bits, os bits são enviados pelo ar, são reconvertidos do lado de lá em sinais sonoros. Portanto, a ideia do digital é esta, por oposição ao ideal analógico.

L: E as nossas mentes?

AO: As nossas mentes são analógicas. Um computador se alguma vez vier a ter uma mente será uma mente digital, porque usa só zeros e uns. E isto tem uma consequência, tem muitas consequências, mas tem uma particularmente interessante: enquanto é muito difícil copiar coisas analógicas, não é muito difícil copiar coisas digitais. Copiar um corpo humano é impossível, mas mesmo copiar uma cadeira ou copiar um quadro é difícil. Porém, copiar coisas digitais é muito fácil. Copiar uma fotografia digital, descrita só com zeros e uns, é só mandar a sequência de zeros e uns a outra pessoa. Comparem a dificuldade de copiar uma fotografia digital com a de copiar uma fotografia analógica. Para a analógica usa-se a uma fotocopiadora, mas já não fica tão bom, depois a outra a seguir ainda fica pior. Portanto, esta é uma das características essenciais dos sistemas digitais. É esta superioridade intrínseca no processo de cópia, porque como são só zeros e uns, só tem que conseguir copiar cada zero e cada um. A cópia fica perfeita, a fotografia fica perfeita, o filme fica perfeito. Se alguma vez viermos a ter mentes digitais, tudo isto, que é verdade para os computadores, passa a ser verdade também para as mentes. Podemos copiar mentes, podemos copiar as ideias que estão nessas mentes.

L: Recentemente, esteve no nosso país Ram Sharam. Este guru da liderança considerou que o líder do futuro tem de ter competências que até agora não eram requeridas, nomeadamente: Inteligência Artificial e a Inteligência Algorítmica. O que ele pretendia dizer é que um líder não tem obviamente de saber construir algoritmos, não tem de saber mexer em Inteligência Artificial, mas tem de saber o que isto é e qual a sua importância para o futuro da sua organização. Concorda?

AO: Eu estou de acordo com isso e, aliás, usando palavras um pouco diferentes, é isso que tenho defendido. Recentemente, dei uma conferência na Ordem dos Engenheiros, e falei de uma coisa que é o pensamento computacional – computational thinking em inglês. Em todas as ciências, e nas engenharias em particular, os alunos aprendem sobre matemática, sobre física, sobre química; estas três componentes têm sido a base da engenharia. Mas com esta história dos sistemas digitais, é muito mais importante agora do que era há uma década, e seguramente muito, muitíssimo mais importante do que era há 30 anos, ter esse pensamento computacional.

L: O que é que é o pensamento computacional?

AO: É perceber este tipo de raciocínio baseado em algoritmos. É perceber o que é um algoritmo, o que é uma sequência de passos para obter um certo resultado. Como é que se converte um algoritmo numa aplicação? Como é que uma aplicação pode dar origem a um serviço? Como é que os sistemas de Inteligência Artificial, identificando padrões, podem ter comportamentos muito interessantes, podem reconhecer pessoas num filme ou podem fazer tradução automática, ou podem conduzir veículos. Tudo isso é o reconhecimento de padrões. Um carro autónomo é um sistema digital que reconhece um conjunto de padrões e que sabe o que fazer quando encontra aquele conjunto de padrões. Que aliás é o que o nosso cérebro faz, nós é que não gostamos muito de pensar que é só isso.

L: Embora esses carros de condução autónoma ainda atropelem umas quantas pessoas, porque se confundem.

AO: Sim, às vezes poderá acontecer, contudo, estes sistemas já não atropelam muitas pessoas, são melhores que os humanos; nós às vezes também atropelamos pessoas, não é? O nosso cérebro é um sistema de reconhecimento de padrões. Estas coisas até agora não eram muito importantes. A engenharia era a arte de transformar materiais, matérias primas, em produtos acabados. Pegávamos em cimento e fazíamos edifícios, pegávamos em metal e fazíamos carros, mas agora, cada vez mais, uma maior parte da economia não é transformação de matéria-prima, neste sentido, em produtos acabados. É transformação de informação num serviço ou num sistema. E os nossos cientistas, os nossos engenheiros, ainda não estão suficientemente capacitados.

L: E os nossos líderes?

AO: Também têm de dominar isto. É muito importante perceberem como é que a informação pode ser usada para criar um sistema ou para criar um serviço. E desse ponto de vista eu acho que o Ram Sharam tem toda a razão. Acho que existe aqui um conjunto de competências novas e neste processo temos de perceber o que é um algoritmo, o que é que é um sistema de inteligência artificial, o que é que um sistema de inteligência artificial pode fazer agora e o que é que talvez possa a vir fazer no futuro. Temos de projetar isto a cinco ou dez anos, perceber quais são as consequências: o que é que um sistema digital, um computador, como é que se pode substituir um ser humano numa dada tarefa, num conjunto de tarefas. Eu acho que as empresas que não dominarem isto, os líderes que não dominarem isto, vão estar em desvantagem. A citação mais conhecida é a do Marc Andreessen: “Software is eating the world”. Todas as empresas do futuro são empresas de software. Uma empresa que não seja uma empresa de software, uma empresa que não usa informação para se tornar mais competitiva está inevitavelmente condenada.

L: Há algumas linguagens de programação, linguagens algorítmicas, que os líderes devem conhecer.

AO: Sim, um algoritmo é uma receita, é uma receita detalhada de como fazer uma coisa. Qualquer pessoa pode somar um número de dez algarismos, ou vários números de dez algarismos com o algoritmo da adição. Isso é um algoritmo, um conjunto de passos simples que conduz a um resultado complexo. Nós não aprendemos muitos algoritmos nas escolas. Antes aprendia-se o algoritmo da raiz quadrada, que era uma coisa meio complicada, agora já não. Há poucos algoritmos que se aprendem na escola, mas este pensamento algorítmico é muito importante agora e não se ensina o suficiente. É o tal pensamento computacional, que muitos países estão a ensinar melhor do que nós, que, apesar de tudo, também estamos a evoluir nessa direção. Portanto, um algoritmo é uma sequência de passos abstrata, e, posteriormente, um algoritmo pode ser implementado usando uma linguagem de programação. O algoritmo é a ideia, é o conceito. Não é só a programação e a implementação. Pode haver muitas implementações e às vezes a implementação nem é a parte mais complicada, o mais complicado é pensar no algoritmo.

L: Essa é a definição de algoritmo?

AO: Exatamente, a definição de algoritmo: o que é que eu vou fazer com os dados? Como é que os vou explorar e aproveitar? Depois a linguagem pode ser C, pode ser Python, pode ser Java, pode ser muitas coisas. Mas, programar é um processo muito mais mecânico do que pensar no algoritmo. Antes do algoritmo ainda há uma outra coisa que também é muito importante, mas também faz parte do pensamento computacional: qual é o problema a resolver? Como é que eu converto o problema numa solução, usando um algoritmo? Por exemplo: imagine que o problema a resolver é ir de um lado para o outro? Para o resolver, uso um algoritmo. A pergunta é simples “Como é que eu vou de A para B?”, mas também “Como é que eu apanho o carro que está mais perto?”, e “Onde é que está o trânsito, para eu fugir dele?”, etc. Tudo isto são algoritmos.

L: Como o negócio da UBER.

AO: Sim, é um serviço como o da UBER, um serviço como o do AirBnB, são algoritmos. Um cliente quer uma casa ali, está disposto a pagar não sei quanto, quer que seja perto disto ou daquilo. Tudo isto são algoritmos. Portanto, estas grandes empresas, a própria Amazon, são baseadas em algoritmos. Mesmo a entrega física de um objeto (quando é física, que às vezes não é), tem uma série de algoritmos a montante. O que é que as pessoas querem comprar, as coisas que lhe oferecem quando vai à loja da Amazon, são definidas por um algoritmo. Eu acho que vivemos na era da Inteligência Artificial, vivemos na era dos algoritmos. E os algoritmos correm num computador digital, por isso é que estas coisas agora estão a ligar-se todas. E já agora, para terminar aqui esta parte, a Inteligência Artificial também é um algoritmo. Só que os algoritmos que agora estão mais na berra, que são mais excitantes, são justamente os algoritmos que permitem aos computadores aprender com a experiência. Mas são algoritmos, nada mais.

L: São os da aprendizagem automática.

AO: Sim, são os algoritmos da aprendizagem automática, são os algoritmos que o Pedro Domingos fala tão bem no seu livro Algoritmo Mestre.

L: Concorda que um dia se chegue ao tal algoritmo mestre. O autor que refere está a desenvolver um raciocínio que determina que a conjugação das várias linguagens algorítmicas nos permita, um dia, criar o tal algoritmo mestre.

AO: Ele é um grande investigador na área de aprendizagem automática – endereça e classifica as abordagens em cinco grandes famílias – uma classificação interessante e que eu aliás até repito num dos capítulos do meu livro, fazendo referência à classificação – mas depois tem uma ambição que é a ambição descrita do fim do livro que é a seguinte: achar um algoritmo tão poderoso que englobe todas estas cinco grandes famílias, as partes fortes de todos estes algoritmos, um algoritmo que seja tão poderoso que nos permita definir e criar “the ultimate system” – um sistema verdadeiramente inteligente. Devo dizer que é uma grande ambição!

L: Que ultrapassa os humanos nesse caso, porque nós deixamos de os entender, não é?

AO: Poderá ser, poderá ser. Já vamos aí. Esta é uma ambição tecnológica. Eu, pessoalmente, acho que a abordagem é demasiado ambiciosa– mas isto é uma opinião pessoal – eu acho que a uniformização ou a unificação destas cinco famílias será uma coisa muito difícil. E muita gente concorda comigo. Mas ele tem essa ambição, e tem trabalhado nessa ambição e, portanto, é esse é o fim do livro. Já agora este meu livro não é só sobre Inteligência Artificial. O livro ultrapassa isso, porque é sobre inteligência em geral, mas também cobre Inteligência Artificial, claro. As mentes digitais podem aparecer de várias maneiras, uma é através de Inteligências Artificiais, como essas que são cobertas por Pedro Domingues, as que resultarem de machine learning (aprendizagem), mas há outras maneiras de obter mentes digitais, das quais a mais óbvia é simular no computador o comportamento de uma mente humana, que é uma coisa que também poderemos um dia vir a conseguir fazer. E essa mente, embora seja digital, não é artificial, porque é uma mente humana que está a ser simulada.

L: Está na base da robótica, porque robótica e inteligência artificial são coisas distintas também, não é?

AO: Sim, a robótica é mais a componente física das coisas. Por exemplo, os robôs mexem-se e interagem com o mundo. Mas nós podemos imaginar que há Inteligências Artificiais que não têm nenhuma interação com o mundo; vivem no computador e podem mandar mails e criar vídeos, mas não interagir com o mundo físico. Os robôs interagem com o mundo físico. Se pusermos uma Inteligência Artificial no cérebro de um robô, aí temos uma Inteligência Artificial que interage com o mundo físico. Agora, de facto, podemos ter Inteligências Artificiais que não têm nada que ver com inteligência humana – e de alguma maneira o Google já é uma coisa dessas – ou então podemos imaginar que um dia podemos ter inteligências naturais, como as humanas, mas que correm num suporte computacional. Esta ideia é mais estranha, mas é uma coisa diferente, não é uma Inteligência Artificial, é uma inteligência natural. E é tão natural que pensaria como um ser humano, ao contrário das inteligências artificiais, que poderiam pensar de uma maneira completamente diferente.

L: Mas como é que isso se reproduzia? Como é que se consegue reproduzir, como é que uma máquina pode reproduzir inteligência natural?

AO: Eu explico isso. Nós sabemos como funcionam os neurónios. Os neurónios são circuitos elétricos. Portanto, os neurónios são basicamente circuitos elétricos que têm modelos que podem ser simulados. E já se simularam bons bocados do cérebro. Nós podemos simular partes cada vez maiores. Se eu juntar muitas simulações de neurónios, estarei a simular muitos neurónios interligados. E se eu conseguir simular todos os neurónios do cérebro humano, consigo simular um cérebro humano.

L: Podemos simular então cérebros e inteligência natural.

AO: No outro dia usei uma imagem, talvez seja mais fácil de perceber. Nós temos muitos neurónios, por volta de cem mil milhões de neurónios, cada um de nós. Cada um dos neurónios é de facto, basicamente, um circuito elétrico. É uma célula biológica, mas o comportamento é um comportamento elétrico, porque as células dos neurónios têm características elétricas e aquelas coisas que nós vemos nos eletroencefalogramas, eletrocardiogramas, etc., são os neurónios a disparar. O que vemos são sinais elétricos. Imagine que, por qualquer razão, havia um neurónio seu que deixava de funcionar. Mas havia uma operação, extremamente sofisticada, com nanotecnologia, que substituía esse neurónio por outro. Como tem muitos não se notava nada, certo? Portanto, tem um neurónio artificial, feito com transístores, que substituiu um que deixou de funcionar. Aliás todos os dias nós perdemos milhões de neurónios, portanto não é uma questão grave. Mas supomos que substituía um. Depois supomos que substituía outro. Ia substituindo. No terceiro dia substituía cem. No quarto dia substituía mil. Ia substituindo. No fim, nenhuma dessas substituições causava alteração nenhuma no seu pensamento, porque o neurónio era uma espécie de prótese, só que em vez de ser uma mão é um neurónio. Imagine que eu fazia isso até que, no fim, todos os seus neurónios eram feitos como pequenos transístores. Continuava a ser a Catarina? Continuava a ser o Miguel?

Artigos Relacionados: