É possível tornar máquinas mais inteligentes do que nós?
Mesmo que sejam enormes as expectativas e apostas em aplicações de Inteligência Artificial (IA) que venham a, cada vez mais, superar os seres humanos na execução de determinadas tarefas, o fato é que, hoje, mesmo os sistemas de Inteligência Artificial mais sofisticados ainda estão distantes do desempenho humano em relação a habilidades básicas. Por isso, muitas vezes os especialistas têm se inspirado nas descobertas das ciências cognitivas – que pesquisam como a inteligência humana funciona – para desenvolver máquinas capazes de, por exemplo, lidar mais rapidamente com situações novas e/ou imprevistas.
A alguns metros do campus do MIT, em Boston, a startup iSee, por exemplo, está desenvolvendo e testando um sistema de direção para veículos autônomos que mimetize a capacidade humana de contar com o senso comum para compreender e lidar com situações inesperadas. O algoritmo busca resolver problemas como o do carro autônomo que bateu em um caminhão de limpeza urbana na China, por ter sido treinado em locais em que esses caminhões não são utilizados! Para tanto, a empresa está utilizando abordagens de computação probabilística, que podem possibilitar às máquinas o aprendizado de como inferir coisas sobre o mundo físico, assim como as intenções das pessoas, apesar de componentes de incerteza.
Leia mais
Pesquisadores de Stanford combinam Deep Learning e Google Street View para obter dados demográficos
Facebook publica novo algoritmo de rede neurais profundas para tradução
A DeepMind – divisão de Inteligência Artificial do Google – também está atenta às últimas descobertas das ciências cognitivas e, mais do que isso, realizando as suas próprias pesquisas na área. Recentemente, pesquisadores da empresa publicaram artigo no periódico Nature Neuroscience em que traçam um paralelo entre o funcionamento do hipocampo – estrutura do cérebro humano – e as técnicas de reinforcement learning (aprendizagem por reforço, metodologia de aprendizagem de máquina por tentativa e erro e recompensa para os acertos), justamente para tentar compreender como nós, humanos, nos saímos melhor em planejar o futuro e, assim, lidar com situações inesperadas e os diferentes cenários possíveis!
Leia mais
Inteligência Artificial Mudando o Jogo
Apple sai na frente com “motor neural” para deep learning no iPhone X
Um último exemplo dessa busca por soluções na observação atenta do comportamento humano está no robô apelidado de Brett – Berkeley Robot for the Elimination of Tedious Tasks –, projeto da UC Berkeley cujo processo de aprendizagem também tem sido por tentativa e erro. Lá também o maior desafio é como lidar com cenários e ambientes desconhecidos e, mais uma vez, a inspiração vem das crianças e da sua capacidade mais importante de aprendizado: a de aprender a aprender!
Fonte: MIT Technology review, wired
