Algoritmos superinteligentes não assumirão todas as tarefas, mas estão aprendendo mais rápido do que nunca, fazendo de tudo, desde diagnósticos médicos até veiculação de anúncios.
Algoritmos superinteligentes não estão prestes a assumir todos os empregos ou destruir a humanidade Mas o software ficou significativamente mais inteligente ultimamente. É por isso que você pode falar com seus amigos como um cocô animado no iPhone X usando o Animoji da Apple ou pedir ao seu alto-falante inteligente pedir mais toalhas de papel.
Os pesados investimentos das empresas de tecnologia em IA já estão mudando nossas vidas e dispositivos, e preparando as bases para um futuro mais centrado em IA.
O boom atual em todas as coisas de IA foi catalisado por avanços em uma área conhecida como aprendizado de máquina. Envolve “treinar” computadores para realizar tarefas com base em exemplos, em vez de depender da programação de um ser humano. Uma técnica chamada aprendizado profundo tornou essa abordagem muito mais poderosa. Basta perguntar a Lee Sedol, detentor de 18 títulos internacionais no complexo jogo Go. Ele foi criado por um software chamado AlphaGo em 2016.
Para a maioria de nós, os resultados mais óbvios dos poderes aprimorados da IA são novos gadgets e experiências incríveis, como alto-falantes inteligentes, ou a capacidade de desbloquear o iPhone com o rosto . Mas a IA também está preparada para reinventar outras áreas da vida. Um é o cuidado com a saúde. Hospitais na Índia estão testando um software que verifica as imagens da retina de uma pessoa em busca de sinais de retinopatia diabética, uma condição freqüentemente diagnosticada tarde demais para prevenir a perda de visão. O aprendizado de máquina é vital para projetos de direção autônoma , onde permite que um veículo dê sentido ao seu entorno.
Há evidências de que a IA pode nos tornar mais felizes e saudáveis . Mas também há motivos para cautela. Incidentes em que algoritmos detectaram ou amplificaram preconceitos sociais em torno de raça ou gênero mostram que um futuro aprimorado pela IA não será automaticamente melhor.
Os primórdios da inteligência artificial
A inteligência artificial como a conhecemos começou como um projeto de férias. O professor de Dartmouth, John McCarthy, cunhou o termo no verão de 1956, quando convidou um pequeno grupo para passar algumas semanas refletindo sobre como fazer as máquinas fazerem coisas como usar a linguagem. Ele tinha grandes esperanças de um avanço em direção às máquinas de nível humano. “Achamos que um avanço significativo pode ser feito” , escreveu ele com seus co-organizadores , “se um grupo cuidadosamente selecionado de cientistas trabalharem juntos durante um verão”.
Essas esperanças não foram atendidas, e McCarthy mais tarde admitiu que tinha sido otimista demais. Mas o workshop ajudou os pesquisadores que sonham com máquinas inteligentes a se unirem em um campo acadêmico adequado.
Os primeiros trabalhos muitas vezes se concentravam na solução de problemas bastante abstratos em matemática e lógica. Mas não demorou muito para que a IA começasse a mostrar resultados promissores em tarefas mais humanas. No final dos anos 1950, Arthur Samuel criou programas que aprendiam a jogar damas. Em 1962, um deles conquistou uma vitória sobre um mestre no jogo. Em 1967, um programa chamado Dendral mostrou que podia replicar a maneira como os químicos interpretavam os dados da espectrometria de massa na composição de amostras químicas.
À medida que o campo da IA se desenvolvia, também se desenvolviam diferentes estratégias para fazer máquinas mais inteligentes. Alguns pesquisadores tentaram destilar o conhecimento humano em código ou criar regras para tarefas como a compreensão da linguagem. Outros foram inspirados pela importância do aprendizado para a inteligência humana e animal. Eles construíram sistemas que poderiam melhorar em uma tarefa ao longo do tempo, talvez simulando a evolução ou aprendendo com dados de exemplo. O campo atingiu marco após marco, à medida que os computadores dominavam mais tarefas que antes só podiam ser realizadas por pessoas.
O aprendizado profundo, o combustível de foguete do atual boom da IA, é um renascimento de uma das ideias mais antigas da IA. A técnica envolve a passagem de dados por redes matemáticas vagamente inspiradas em como as células cerebrais funcionam, conhecidas como redes neurais artificiais.
À medida que uma rede processa dados de treinamento, as conexões entre as partes da rede se ajustam, criando uma capacidade de interpretar dados futuros.
As redes neurais artificiais se tornaram uma ideia estabelecida na IA não muito depois do workshop de Dartmouth. O Perceptron Mark 1 de 1958, que preenche uma sala, por exemplo, aprendeu a distinguir diferentes formas geométricas e foi escrito no The New York Times como o “Embrião do Computador Projetado para Ler e Tornar-se Mais Sábio”. Mas as redes neurais caíram em desgraça depois que um livro influente de 1969, do coautor de Marvin Minsky do MIT, onde sugeriu que elas não poderiam ser muito poderosas.
Nem todos ficaram convencidos, e alguns pesquisadores mantiveram a técnica viva ao longo das décadas. Eles foram justificados em 2012, quando uma série de experimentos mostrou que as redes neurais abastecidas com grandes pilhas de dados e poderosos chips de computador poderiam dar às máquinas novos poderes de percepção.
Em um resultado notável, pesquisadores da Universidade de Toronto derrotaram seus rivais em uma competição anual em que o software tem a tarefa de categorizar as imagens. Em outro, pesquisadores da IBM, Microsoft e Google se uniram para publicar resultados mostrando que o aprendizado profundo também pode proporcionar um salto significativo na precisão do reconhecimento de voz. As empresas de tecnologia começaram a contratar freneticamente todos os especialistas em aprendizagem profunda que puderam encontrar.
O Futuro da Inteligência Artificial
Mesmo que o progresso em tornar a inteligência artificial mais inteligente pare amanhã, não espere parar de ouvir sobre como isso está mudando o mundo.
Grandes empresas de tecnologia como Google, Microsoft e Amazon acumularam fortes listas de talentos de IA e impressionantes matrizes de computadores para reforçar seus negócios principais de direcionamento de anúncios ou antecipação de sua próxima compra.
Eles também começaram a tentar ganhar dinheiro convidando outras pessoas para executar projetos de IA em suas redes, o que ajudará a impulsionar avanços em áreas como saúde ou segurança nacional. Melhorias para hardware AI, o crescimento em cursos de formação em aprendizagem de máquina , e de código aberto projetos de aprendizagem de máquina também vai acelerar a propagação da gripe aviária em outras indústrias.
Seu anel decodificador AI
O desenvolvimento de computadores capazes de realizar tarefas que normalmente requerem inteligência humana.
Aprendizado de máquina
Usando dados de exemplo ou experiência para refinar como os computadores fazem previsões ou executam uma tarefa.
Aprendizagem profunda
Uma técnica de aprendizado de máquina em que os dados são filtrados por redes matemáticas autoajustáveis, vagamente inspiradas por neurônios no cérebro.
Aprendizagem supervisionada
Mostrar dados de exemplo de software rotulados, como fotografias, para ensinar a um computador o que fazer.
Aprendizagem não supervisionada
Aprender sem exemplos anotados, apenas com a experiência de dados ou do mundo - trivial para humanos, mas geralmente não prático para máquinas. Ainda.
Aprendizagem por reforço
Software que faz experiências com diferentes ações para descobrir como maximizar uma recompensa virtual, como marcar pontos em um jogo.
Inteligência Artificial Geral
Software ainda inexistente que exibe a capacidade humana de se adaptar a diferentes ambientes e tarefas e transferir conhecimento entre eles.
Enquanto isso, os consumidores podem esperar encontrar mais aparelhos e serviços com recursos de IA. O Google e a Amazon em particular estão apostando que as melhorias no aprendizado de máquina tornarão seus assistentes virtuais e alto - falantes inteligentes mais poderosos. A Amazon, por exemplo, possui dispositivos com câmeras para observar seus proprietários e o mundo ao seu redor.
As possibilidades comerciais tornam este um ótimo momento para ser um pesquisador de IA. Os laboratórios que investigam como fazer máquinas mais inteligentes estão mais numerosos e mais bem financiados do que nunca. E há muito para trabalhar: apesar da enxurrada de progresso recente em IA e prognósticos selvagens sobre seu futuro próximo, ainda existem muitas coisas que as máquinas não podem fazer, como compreender as nuances da linguagem, raciocínio de bom senso, por exemplo. O software de IA precisará dominar tarefas como essas se quiser se aproximar da inteligência multifacetada, adaptável e criativa dos humanos. Um pioneiro do aprendizado profundo, Geoff Hinton do Google, argumenta que para progredir nesse grande desafio será necessário repensar alguns dos fundamentos da área .
À medida que os sistemas de IA se tornam mais poderosos, eles convidam, com razão, a um maior escrutínio. O uso de software pelo governo em áreas como justiça criminal é freqüentemente falho ou secreto , e corporações como o Facebook começaram a enfrentar as desvantagens de seus próprios algoritmos de moldagem de vida . IA mais poderosa tem o potencial de criar problemas piores, por exemplo, perpetuando preconceitos históricos e estereótipos contra mulheres ou negros. Grupos da sociedade civil e até mesmo a própria indústria de tecnologia estão explorando regras e diretrizes sobre a segurança e a ética da IA. Para que possamos realmente colher os benefícios de as máquinas ficarem mais inteligentes, precisaremos ser mais inteligentes sobre as máquinas.
Momentos que deram forma à IA
1956
O Projeto de Pesquisa de Verão de Dartmouth sobre Inteligência Artificial cunhou o nome de um novo campo preocupado em tornar o software inteligente como os humanos.
1965
Joseph Weizenbaum, do MIT, cria Eliza, o primeiro chatbot, que se apresenta como psicoterapeuta.
1975
Meta-Dendral, um programa desenvolvido em Stanford para interpretar análises químicas, faz as primeiras descobertas por um computador a serem publicadas em um periódico referenciado.
1987
Uma van Mercedes equipada com duas câmeras e vários computadores dirige-se sozinha por 20 quilômetros por uma rodovia alemã a mais de 55 mph, em um projeto acadêmico liderado pelo engenheiro Ernst Dickmanns.
1997
O computador da IBM, o Deep Blue, derrotou o campeão mundial de xadrez Garry Kasparov.
2004
O Pentágono é palco do Darpa Grand Challenge, uma corrida de carros robôs no Deserto de Mojave que catalisa a indústria de carros autônomos.
2012
Pesquisadores em um nicho de campo chamado aprendizado profundo estimulam um novo interesse corporativo em IA, mostrando que suas ideias podem tornar o reconhecimento de voz e imagem muito mais preciso.
2016
AlphaGo, criado pela unidade DeepMind do Google, derrota um jogador campeão mundial do jogo de tabuleiro Go.
Comentários