A nossa espécie existe há pouco mais de 200 mil anos, uma pequena fração da idade da Terra, e desenvolveu conhecimento científico firme apenas nos últimos séculos. Adivinhar o que será o futuro distante da Humanidade é uma tarefa sem esperança de sucesso, face ao nosso profundo desconhecimento do que poderá acontecer a uma civilização […]
A nossa espécie existe há pouco mais de 200 mil anos, uma pequena fração da idade da Terra, e desenvolveu conhecimento científico firme apenas nos últimos séculos. Adivinhar o que será o futuro distante da Humanidade é uma tarefa sem esperança de sucesso, face ao nosso profundo desconhecimento do que poderá acontecer a uma civilização tecnológica que dure milhares de anos. Apesar disso, é interessante analisar as consequências das tecnologias que temos desenvolvido e quais os cenários mais prováveis para o previsível futuro.
Os artigos deste capítulo debruçam-se sobre esta questão e, nomeadamente, sobre os impactos das tecnologias de inteligência artificial que pretendem reproduzir em máquinas os comportamentos inteligentes da nossa espécie e de outros animais.
Se é verdade que o nosso conhecimento da forma como funciona o cérebro tem avançado rapidamente nas últimas décadas, não é menos verdade que esse conhecimento é ainda muito incipiente, o que torna imprevisível o futuro destas tecnologias.
Este capítulo aborda questões que estão na essência do comportamento inteligente, tais como a forma como funcionam os cérebros ou o que cria o fenómeno da consciência, tentando antecipar quais serão as consequências, a prazo, de uma eventual capacidade para reproduzirmos comportamento verdadeiramente inteligente em máquinas.
(…)
A última invenção
A ideia de que poderemos vir a observar desenvolvimentos explosivos na área da Inteligência Artificial tem merecido muita atenção ultimamente. Na sessão de abertura do Web Summit de 2017, Stephen Hawking alertou para os riscos da Inteligência Artificial, e referiu a importância de garantirmos que os sistemas do futuro estarão alinhados com os interesses da Humanidade. Porém, esta ideia não é nova e tem já uma longa história.
Irving John Good foi um matemático inglês que iniciou a sua carreira trabalhando com Alan Turing em Bletchley Park. Posteriormente, veio a ser professor nos Estados Unidos, tendo publicado numerosos trabalhos sobre estatística e sobre o futuro da computação e da Inteligência Artificial. Foi ainda consultor para o mítico filme de Kubrick, 2001 Odisseia no Espaço, em que a personagem central era o computador ultra-inteligente HAL, que tinha os seus próprios objetivos e motivações, nem sempre alinhados com os da tripulação.
Deve-se a Irving John Good a afirmação de que, se alguma vez formos capazes de construir uma máquina mais inteligente que um ser humano, essa poderá ser a derradeira invenção da Humanidade. Nas suas palavras, escritas em 1965: «Admitamos que uma máquina ultra-inteligente é uma máquina muito mais inteligente do que qualquer humano. Uma vez que o projeto de máquinas inteligentes é uma das atividades em que essa máquina será melhor do que qualquer humano, uma máquina ultra-inteligente poderia projetar novas máquinas, ainda mais inteligentes. Teria lugar, necessariamente, uma explosão de inteligência, e a inteligência do Homem ficaria rapidamente para trás. Portanto, a primeira máquina ultra-inteligente será a última invenção que terá de ser feita pelo Homem, desde que essa máquina seja suficientemente dócil para nos dizer como a podemos manter sob controlo.»
Os recentes desenvolvimentos na área da Inteligência Artificial trouxeram consigo numerosas e acaloradas discussões sobre o perigo de máquinas inteligentes, trazendo à mente cenários do tipo Terminator, de guerras dos homens contra as máquinas. É importante referir que nenhuma das tecnologias atuais tem a possibilidade, ou sequer a ambição, de, no curto prazo, desenvolver máquinas que venham a estar nas condições definidas por Irving John Good há meio século.
Todos os sistemas projetados até à data resolvem problemas específicos, e não existem sequer propostas concretas para o desenvolvimento de inteligências artificiais genéricas, como as que seriam necessárias para criar a explosão de inteligência imaginada por Irving John Good. Porém, não deixa de ser interessante que, em algumas áreas, muito específicas e restritas, já se observou o mecanismo de autoaceleração que é necessário para que exista uma explosão de inteligência. Uma destas áreas é o jogo do Go, um jogo de tabuleiro de origem asiática, que consiste em colocar pedras brancas e pretas num tabuleiro de 19 por 19 intersecções, e cujo objetivo é retirar aos grupos de pedras do adversário todos os graus de liberdade.
O jogo é uma metáfora para uma batalha entre dois exércitos, pela conquista de territórios, e tem uma enorme tradição, especialmente nos países asiáticos. Dado o elevado número de jogadas possíveis em cada momento, e a impossibilidade de analisar sistematicamente as consequências a longo prazo de cada jogada, este jogo manteve -se inacessível aos computadores durante muitas décadas, apesar de todos os esforços da comunidade científica. Pensava-se, até há poucos anos, que passariam várias décadas até que fosse possível desenvolver programas que dominassem este jogo.
Porém, em 2016, a empresa DeepMind (que veio a ser adquirida pela Google, numa transação de mais de 500 milhões de dólares) anunciou que um programa, baseado em técnicas de aprendizagem computacional, tinha vencido os melhores jogadores de Go do mundo. Esse programa usou técnicas de Inteligência Artificial para aprender, a partir da análise de milhares de partidas jogadas entre humanos, qual o melhor lance a efetuar em cada posição. O programa, AlphaGo, usou redes neuronais profundas para aprender as técnicas desenvolvidas pelos campeões humanos, e absorveu o suficiente dessas técnicas para jogar melhor do que qualquer um deles.
As redes neuronais profundas são uma técnica que permite aos computadores aprender a desempenhar tarefas específicas a partir de exemplos. Como mencionado anteriormente, são usadas milhares de unidades simples, cada uma delas inspirada num neurónio humano, configuradas por forma a processar imagens, sons ou, neste caso, posições de Go, de um modo semelhante ao do cérebro humano.
Embora as redes neuronais já tenham sido propostas há muitas décadas, só recentemente foi possível resolver problemas do mundo real com esta tecnologia. A resolução de problemas complexos, como o reconhecimento de faces ou a tradução de língua falada, tornou-se possível com o desenvolvimento de novas técnicas de treino destas redes, a existência de grandes volumes de dados e a disponibilidade de computadores cada vez mais poderosos.
No caso do AlphaGo, as redes neuronais profundas foram combinadas com um mecanismo designado por aprendizagem por reforço, que permite a um sistema deduzir, a partir de um resultado obtido no fim de um processo, quais foram os erros ou os méritos das ações tomadas durante a execução desse processo. Esta técnica é usada para ensinar, por exemplo, robôs a andar, ou carros a movimentarem-se de forma autónoma, sem condutor. Mecanismos similares são presumivelmente também usados pelo cérebro humano para aprender a executar tarefas complexas e que se prolongam no tempo.
O AlphaGo representou, por si só, um resultado muito importante, uma vez que demonstrou que um programa de computador pode aprender a dominar uma determinada área (neste caso um complexo jogo de tabuleiro), simplesmente observando o comportamento dos melhores humanos nesse campo e extraindo daí o conhecimento necessário para se tornar um mestre no domínio.
Porém, pouco tempo depois, a DeepMind anunciou um resultado ainda mais impressionante obtido com um novo programa, o AlphaGo Zero. O sistema, descrito num artigo publicado em outubro de 2017 na prestigiada revista Nature, aprendeu a jogar o jogo do Go, partindo do zero, sem ter qualquer acesso a partidas de campeões humanos. Tal como uma criança que aprende por si mesma, o sistema aprendeu Go simplesmente jogando cerca de 30 milhões de partidas durante 40 dias contra (uma outra cópia de) si mesmo, aprendendo progressivamente a melhorar o seu jogo de acordo com o resultado obtido.
Ao princípio, as jogadas eram praticamente aleatórias, conduzindo a um jogo de péssima qualidade. À medida que o tempo passava, e o programa jogava milhões de jogos, o programa evoluiu para o nível de principiante, redescobrindo estruturas e táticas tipicamente usadas por iniciados no jogo. A evolução continuou e, ao fim dos 40 dias, o programa tinha redescoberto todo o conhecimento que foi acumulado pela Humanidade ao longo de milhares de anos da história do jogo e criado táticas e estratégias, que representam conhecimento novo, até agora inexistente. A versão final do AlphaGo Zero derrotou o original AlphaGo (o programa que já tinha derrotado os campeões mundiais) por 100 a 0, num torneio entre os dois sistemas, um resultado que coloca o novo programa num patamar super-humano de proficiência neste jogo.
Embora num domínio muito limitado e restrito, é impossível não ver neste resultado uma antevisão do que poderá ser uma realidade comum num futuro não muito distante. À medida que forem desenvolvidos sistemas que desenvolvam a capacidade para desempenhar funções que exijam inteligência num determinado domínio, começará a existir a possibilidade de estes sistemas se melhorarem a si próprios, através de um processo de autoaperfeiçoamento iterativo que poderá ter lugar sem qualquer intervenção humana.
Irving John Good faleceu em 2009 e já não teve oportunidade de assistir a esta conquista da Inteligência Artificial, a mais uma prodigiosa invenção da Humanidade. Que, naturalmente, não será ainda a última…
Legenda: Este excerto do livro Ciência, Tecnologia e Sociedade, de Arlindo Oliveira, é publicado com o consentimento da Editora Guerra & Paz
Este artigo foi publicado na edição de outono da revista Líder. Subscreva a Líder aqui.
