Jason Henry para The New York Times
Jason Henry para The New York Times

Vencendo os limites da pesquisa no campo da inteligência artificial

O aprendizado profundo talvez não seja a panaceia que esperávamos

Steve Lohr, The New York Times

14 Julho 2018 | 11h00

Nos últimos cinco anos, a coisa mais entusiasmante no campo da inteligência artificial foi a área conhecida como aprendizado profundo. Esta técnica permite que os computadores aprendam a processar enormes quantidades de dados. Graças ao aprendizado profundo, eles conseguem identificar com facilidade rostos humanos e reconhecer palavras faladas, fazendo com que outras formas de inteligência semelhantes à humana, de repente, pareçam estar ao nosso alcance.

Google, Facebook e Microsoft investiram pesadamente no aprendizado profundo. Start-ups que pesquisam coisas como diferentes curas do câncer e automação em tarefas da área administrativa gabam sua perícia no campo do aprendizado profundo. E o aumento da capacidade na percepção da tecnologia e na combinação de padrões está sendo aplicado ao aprimoramento do progresso em campos como descobertas de drogas e automóveis que dispensam o motorista.

Mas alguns cientistas alertam que a atual obsessão pelo aprendizado profundo pode gerar investimentos excessivos, e, mais tarde, a desilusão.

“Não existe nenhuma inteligência real neste caso”, disse Michael I. Jordan, professor da 

Universidade da Califórnia, Berkeley, e autor de um trabalho publicado em abril, que procura temperar as enormes expectativas que cercam a I.A. “Além disso, eu acho que confiar demais na força bruta destes algoritmos é equivocado”.

O perigo, avisam alguns especialistas, é que a I.A. acabe esbarrando em um muro tecnológico. No caso do aprendizado profundo, em particular, afirmaram os pesquisadores, os temores são uma decorrência dos limites da tecnologia.

Os algoritmos do aprendizado profundo trabalham com uma série de dados relacionados, como imagens de rostos humanos, que melhoram persistentemente a precisão do software na questão da correspondência. 

Embora a técnica tenha tido um sucesso, os resultados estão em grande parte confinados a campos em que existe a disponibilidade de grandes conjuntos de dados e as tarefas são bem definidas, como a rotulagem de imagens ou a tradução do discurso em texto.

A tecnologia luta em terrenos mais amplos da inteligência - significado, raciocínio e conhecimento baseado no senso comum. Embora o software do aprendizado profundo consiga identificar milhões de palavras, não tem qualquer compreensão de um conceito como “justiça” ou “democracia”.

Os pesquisadores mostraram que o aprendizado profundo pode ser facilmente enganado. Basta misturar um punhado de pixels, e a tecnologia poderá confundir alhos com bugalhos.

Dado o alcance limitado do aprendizado profundo, talvez agora seja dedicada a ele uma quantidade enorme de dinheiro e de mentes privilegiadas, afirmou Oren Etzioni, diretor executivo do Allen Institute for Artificial Intelligence. “Corremos o risco de perder outros conceitos e caminhos importantes para o aprimoramento da I.A.”, ele disse.

No debate, alguns pesquisadores mostram um interesse maior em abordagens da inteligência artificial que tratam de alguns pontos fracos do aprendizado profundo. Embora os esforços sejam bastante variados, seu objetivo comum é uma inteligência mais ampla e mais flexível do que o aprendizado profundo.

Na Kyndi, a start-up do Vale do Silício, cientistas da computação estão redigindo um código em Prolog, uma linguagem de programação que data dos anos 70. Ele se destinava à representação do raciocínio e do conhecimento em termos de I.A. O aprendizado profundo deriva do lado estatístico da I.A. conhecido como aprendizado da máquina.

Benjamin Grosof, o chefe da equipe de cientistas da Kyndi, disse que ficou impressionado com o trabalho da companhia sobre “novas possibilidades no que se refere a unir os dois ramos da I.A.”.

Uma vez treinado, o software da Kyndi pode identificar conceitos e não apenas palavras.

Trabalhando para três grandes agências do governo, a Kyndi pede ao seu sistema que responda à pergunta típica: Uma tecnologia já foi “demonstrada em um ambiente de laboratório”? O programa da Kyndi, disse Ryan Welsh, o diretor executivo da start-up, pode inferir com precisão a resposta.

Um analista humano, segundo Welsh, pode levar duas horas para ler um documento científico alentado, e talvez consiga ler mil em um ano. A tecnologia da Kyndi lê mil documentos em sete horas, afirmou.

A tecnologia da I.A. na Vicarious, uma start-up que tem entre os seus investidores Elon Musk, Jeff Bezos e Mark Zuckerberg, aprendeu com um número relativamente pequeno de exemplos a imitar a inteligência visual humana, usando dados de uma maneira 300 vezes mais eficiente do que os modelos do aprendizado profundo.

“O aprendizado profundo nos proporcionou um vislumbre da terra prometida”, disse Dileep George, um fundador da Vicarious, “entretanto, precisamos investir em outras abordagens”.

Encontrou algum erro? Entre em contato

O Estadão deixou de dar suporte ao Internet Explorer 9 ou anterior. Clique aqui e saiba mais.