Vox

Leitura de 36 min

Inteligência Artificial: História, Desafios e Perspectivas

Resumo

O episódio inicia com uma definição de inteligência artificial como a capacidade de emular comportamento inteligente em máquinas. O professor Jorge Kieffel traça um histórico fascinante, começando com o deus falante Ré-Harakhty no Egito antigo (uma estátua com um sacerdote escondido), passando pelos autômatos da Renascença e pela famosa fraude do “Turco”, o autômato jogador de xadrez de Wolfgang von Kempelen. Ele destaca a conferência de Dartmouth em 1956 como marco fundador da IA moderna, com figuras como Marvin Minsky e John McCarthy.

A discussão avança para as diferentes escolas de pensamento dentro da IA. O professor Luiz Lambi explica a divisão entre a IA simbólica (baseada em lógica e sistemas formais) e a IA conexionista (baseada em modelos de redes neurais e abordagens estatísticas). Enquanto a primeira busca sequências dedutivas claras, a segunda pode produzir resultados sem uma trajetória lógica explícita, representando um modelo diferente de “pensamento”.

A professora Aline Villavicencio aborda os desafios práticos, comparando as expectativas futuristas (como o HAL 9000 de “2001: Uma Odisseia no Espaço”) com a realidade de 2010. Ela destaca que tarefas humanas aparentemente simples, como reconhecer uma cor sob diferentes iluminações ou entender a linguagem natural com seus erros e ambiguidades, são enormemente complexas para máquinas. Sistemas como o Google e a Amazon já utilizam IA de forma “invisível” em mineração de dados e aprendizado de máquina para personalização, mas a generalização do conhecimento para domínios amplos permanece um obstáculo.

O debate filosófico é introduzido com a discussão sobre o teste de Turing, proposto como um critério pragmático para avaliar a inteligência de uma máquina: se um juiz humano não consegue distinguir entre uma máquina e um humano em uma conversa por terminal, a máquina pode ser considerada inteligente. Os participantes ponderam se um eventual sucesso no teste seria fruto de “força bruta” computacional ou de uma genuína emulação da mente. O argumento da “Sala Chinesa” de John Searle é citado para questionar se a mera manipulação sintática de símbolos (como seguir um manual para responder em chinês) equivale à real compreensão semântica e intencionalidade, características centrais da consciência humana.

Indicações

Filmes

  • 2001: Uma Odisseia no Espaço — Citado como referência das expectativas futuristas sobre IA, com o computador HAL 9000 que possuía capacidades de linguagem, reconhecimento visual e leitura labial muito além da realidade de 2010.

Livros

  • Principia Mathematica (de Bertrand Russell e Alfred North Whitehead) — Mencionado como obra fundamental que sistematizou as regras do processamento matemático em lógica, influenciando diretamente os fundamentos da computação e os primeiros trabalhos em IA sobre prova automática de teoremas.

Pessoas

  • Alan Turing — Cientista citado como figura central no nascimento da computação e da IA. Seu teste para inteligência de máquina é discutido em detalhes, e seu centenário de nascimento em 2012 é mencionado.
  • Marvin Minsky — Pioneiro da IA presente na conferência de Dartmouth em 1956. É lembrado por sua frase “o fácil é difícil, o difícil é fácil”, que sintetiza o paradoxo dos desafios da IA.
  • John Searle — Filósofo mencionado por seu argumento da “Sala Chinesa”, um experimento mental que contesta a ideia de que o teste de Turing seria suficiente para atribuir compreensão real a uma máquina.

Sistemas_E_Empresas

  • Google — Apontado como o exemplo mais popular e ubíquo de aplicação de IA no cotidiano, utilizando extensivamente técnicas de mineração de dados e aprendizado de máquina para moldar os resultados de busca ao perfil do usuário.
  • Amazon — Citada como exemplo de sistema que usa algoritmos de recomendação baseados em aprendizado de máquina, analisando o perfil de consumo do usuário para sugerir produtos de forma personalizada.

Linha do Tempo

  • 00:01:00 — Definição e história antiga da inteligência artificial — Jorge Kieffel define IA como a capacidade de emular comportamento inteligente em máquinas. Ele remonta a inspiração a milhares de anos, citando o deus falante Ré-Harakhty no Egito antigo (uma fraude com um sacerdote escondido) e os autômatos da Renascença, como bonecos articulados e o famoso “Turco” jogador de xadrez de von Kempelen, que também era operado por um humano escondido. Esses exemplos mostram o fascínio e a crença antiga na possibilidade de máquinas pensantes.
  • 00:03:33 — O nascimento da IA moderna e a conferência de Dartmouth — Kieffel situa o marco fundador da IA em 1956, com o trabalho de Newell, Simon e Shaw no “Logic Theorist”, um programa para provar teoremas automaticamente. Ele menciona a influência dos fundamentos lógicos estabelecidos por Bertrand Russell e Alfred North Whitehead. A famosa conferência de Dartmouth em 1956 reuniu pioneiros como Marvin Minsky, John McCarthy e Claude Shannon, que fizeram previsões otimistas (e incorretas) sobre o rápido desenvolvimento de máquinas verdadeiramente inteligentes.
  • 00:06:15 — Escolas da IA: simbólica versus conexionista — Luiz Lambi explica as duas principais correntes da IA. A escola simbólica, herdeira dos primeiros trabalhos, acredita que o raciocínio pode ser representado por sistemas lógicos formais e discretos. A escola conexionista, por sua vez, inspira-se na estrutura do cérebro, utilizando modelos de redes neurais, que são contínuos, estatísticos e muitas vezes produzem resultados sem uma sequência lógica explícita e interpretável, diferentemente dos provadores de teoremas.
  • 00:10:47 — Expectativas versus realidade: o estado da IA em 2010 — Aline Villavicencio contrasta as expectativas futuristas (como o computador HAL 9000 do filme “2001”) com a realidade da IA em 2010. Ela destaca que subáreas como reconhecimento de voz e tradução automática têm avançado, mas com limitações. Sistemas funcionam bem em domínios restritos (como atendimento automático de companhias aéreas), mas a generalização para contextos amplos e a compreensão semântica profunda da linguagem natural permanecem desafios enormes, muito distantes da visão de um agente artificial completo.
  • 00:16:06 — A IA invisível e suas aplicações ubíquas — Os participantes discutem como a IA já está embutida e muitas vezes invisível no cotidiano. Ela não se manifesta como um humanoide, mas como um “tempero” em sistemas diversos: em diagnósticos médicos assistidos, sistemas de pouso de aviões, robótica e, principalmente, em serviços online. O Google e a Amazon são citados como exemplos que usam extensivamente mineração de dados e aprendizado de máquina para buscas e recomendações personalizadas, moldando-se ao perfil do usuário.
  • 00:20:19 — O difícil é fácil: o desafio do senso comum — Retomando um dito de Marvin Minsky (“o fácil é difícil, o difícil é fácil”), os especialistas debatem por que tarefas triviais para humanos são complexas para máquinas. Reconhecer uma cor sob diferentes luzes, adaptar-se a pequenas mudanças no ambiente ou entender nuances e erros na linguagem falada exigem senso comum e uma capacidade de adaptação que os sistemas atuais não possuem. Esta falta de “jogo de cintura” e compreensão contextual é a grande barreira.
  • 00:22:36 — O teste de Turing e o critério pragmático de inteligência — É apresentado o teste de Turing como um critério operacional para inteligência: um juiz humano, comunicando-se por terminal com dois interlocutores (um humano e uma máquina), deve ser incapaz de distinguir qual é qual. Se a máquina for identificada corretamente apenas na metade das vezes (acaso), ela pode ser considerada inteligente. O teste é elogiado por ser fenomenológico, focando no comportamento observável em vez da estrutura interna, da mesma forma como julgamos a inteligência de outras pessoas.
  • 00:27:26 — A Sala Chinesa: aparência versus essência da compreensão — É introduzido o argumento da “Sala Chinesa” do filósofo John Searle, um contra-argumento ao teste de Turing. Na alegoria, uma pessoa que não entende chinês segue um manual de regras para manipular símbolos chineses, produzindo respostas coerentes para alguém de fora. Para um observador externo, a sala “compreende” chinês, mas a pessoa dentro não tem qualquer compreensão semântica. O argumento questiona se a mera manipulação sintática de símbolos, mesmo que produza comportamento inteligente, equivale à real intencionalidade e compreensão consciente.

Dados do Episódio

  • Podcast: Fronteiras da Ciência
  • Autor: Fronteiras da Ciência/IF-UFRGS
  • Categoria: Science
  • Publicado: 2010-10-04T14:00:05Z

Referências

Dados do Podcast

Transcrição

[00:00:00] Este é o programa Fronteiras da Ciência, da rádio da Universidade, onde discutiremos

[00:00:11] os limites entre o que é ciência e o que é mito.

[00:00:14] Bom, o programa de hoje a gente vai discutir a inteligência artificial.

[00:00:22] Os convidados são a professora Aline Villavicencio, do Departamento de Informática Teórica da

[00:00:27] URGES, o professor Luiz Lambi, do Departamento de Informática Teórica da URGES, o professor

[00:00:32] Jorge Kieffel, do Departamento de Biofísica da URGES e o Marco de Arte da Física da

[00:00:37] URGES.

[00:00:38] Bom, a questão do programa de hoje é um pouco discutir a quão longe a gente está

[00:00:42] de uma situação onde a gente teria máquinas agindo e pensando e nos ajudando como se fossem

[00:00:47] seres humanos.

[00:00:48] Então, inteligência artificial é uma área de pesquisa humana e eu vou começar pedindo

[00:00:54] para que alguém, talvez o Jorge, nos defina o que é e dê um breve histórico dessa

[00:00:59] área.

[00:01:00] É, digamos, a forma mais simples de definir seria, digamos, a capacidade de emular e reproduzir

[00:01:05] comportamento inteligente, racional e, digamos, uma das características mais claras do comportamento

[00:01:11] humano, da inteligência, da solução de problemas, em uma máquina, em um artefato

[00:01:16] que não é biológico, uma máquina artificial de qualquer natureza.

[00:01:19] É, na verdade, uma inspiração muito antiga da humanidade.

[00:01:23] Máquinas pensantes já são pensadas há milhares de anos, se nós quisermos pensar assim, mas

[00:01:27] o mais antigo que pode ser pensado é o famoso deus Rehar Máquis, do Egito antigo, 2.500

[00:01:33] anos atrás, que era um deus que ficava lá em um templo, as pessoas iam procurar ele

[00:01:37] para pedir o conselho e ele falava com as pessoas.

[00:01:39] Todo mundo ficava contente porque saía com recomendações da estátua que falava, era

[00:01:44] uma máquina que falava.

[00:01:45] Na verdade, depois descobriu que no pescoço dela tinha uma cabinezinha onde cabia um sacerdote

[00:01:49] direitinho e provavelmente esse era o mecanismo, provavelmente não, certamente esse era o

[00:01:54] mecanismo.

[00:01:55] Vamos combinar.

[00:01:56] Podia ser um ET.

[00:01:57] E já no Egito antigo, os primeiros bonecos articulados, inclusive na túmulis do Tutankhamun

[00:02:02] tinha vários bonequinhos com braços e outros articulados e com engrenagens para fazer movimentos

[00:02:07] relativamente coordenados, o que levou a uma onda de fascínio desde a Renascença, uns

[00:02:12] três, quatro séculos atrás, nos autômatas, bonecos que imitam movimentos humanoides

[00:02:17] e vários deles são fascinantes e perfeitos, por exemplo, alguns deles estão nesses relógios

[00:02:22] tipo o cuco, que é um autômato, ou então outros que têm pessoas fazendo movimentos,

[00:02:26] ursinhos que tocam tambores, soldados marchando, enfim, mas isso é um autômato, o apoijão

[00:02:31] do autônomo aconteceu no século XVIII ou XVII, não lembro agora, não estava presente,

[00:02:37] mas quando foi o famoso jogador de xadrez do Wolfgang von Kempelin, o mestre enxadrista

[00:02:43] que era um robô que jogava xadrez e vencia todo mundo, e ele inclusive passeou pela Europa,

[00:02:48] derrotou grandes importantes, nobres e outros, ficavam fascinados porque perdiam uma partida

[00:02:52] de xadrez para uma máquina, mas era completamente mecânico, e na verdade depois se demonstrou,

[00:02:57] era uma, ele tinha um robô que se mexia com a cara de um turco, por isso ele se chamava

[00:03:00] vulgarmente de oturco, e tinha mecanios engrenagens, tinha uma portinha que abria, dá pra ver

[00:03:04] os engrenagens, a ideia é que aquilo era tudo automático e uma máquina inteligente,

[00:03:08] quando se descobriu bastante tempo depois, enfim, talvez pela engenharia da época, que

[00:03:12] na verdade tinha um enxadrista sem pernas, que ficava escondidinho em um lugar lá dentro

[00:03:16] que não era mostrado, parecido com o Deus e o Ipzê, é uma fraude também, mas mostra

[00:03:20] assim que isso tinha guarido a expectativa das pessoas, já existia, eles acreditavam

[00:03:24] que era possível, se não, não caíam tão facilmente nas tramas disso, a coisa evoluiu

[00:03:29] mais realmente com a chegada da eletrônica, a inteligência artificial começa a ser, digamos,

[00:03:33] definida com esse termo, pelo que eu considero, por 1956, com o trabalho do Newell, Simon

[00:03:38] Shaw, é isso que eles começam a fazer, o primeiro programa de inteligência artificial

[00:03:42] que eu não sei traduzir, seria o Teorista Lógico, ou o Teórico, é isso?

[00:03:46] Para fazer provas automáticas de teoremas, de teoremas, mas vai em frente, Jorge.

[00:03:50] E aí ele incorporando ideias que já estavam no principal matemática do Bertrand Russell,

[00:03:54] que é uma grande contribuição à filosofia e ao conhecimento ocidental, porque ele sistematizou

[00:03:58] as regras básicas do processamento matemático, que aliás foi o livro que permitiu a vários

[00:04:03] filósofos e lógicos, entre eles, turem e elaborar depois, digamos, o que seria os fundamentos

[00:04:08] da computação moderna, então de fato tudo passa por Russell e Whitehead.

[00:04:13] Daí para diante, o pessoal se entusiasmou com esse sucesso, inclusive, uma das demonstrações

[00:04:18] que eles fizeram, se não me engano, está aqui, Teorima 2.85, a demonstração que o

[00:04:22] computador deu foi melhor que a que era conhecida, aí os caras ficaram arrepiados, mas depois

[00:04:27] desse sucesso e várias tentativas houve um congresso de dois meses no colégio d’Ars

[00:04:33] Malt, em 1956, onde eles ficaram discutindo e todos os papas dava, o Marvin Minsky, o

[00:04:39] cara que criou o programa Lisp, o João Macarty, o Cláudio Shannon, o fundador da Teorima

[00:04:44] de Informação, estavam todos lá, e eles teram as linhas, assim, dizendo, não, não, o futuro

[00:04:49] vai acontecer, em 10 anos vão ter máquinas e xadriças, dessa vez, de verdade.

[00:04:53] Era uma previsão, pois é, até isso, uma canção que eu queria discutir, levou um

[00:04:56] pouco mais de tempo.

[00:04:57] A gente está atrasado nas previsões.

[00:04:59] Bom, ali levou, digamos, atrasou uns 20 anos, mas só para concluir, assim, houve uma sequência

[00:05:04] de conferências importantes também da Fundação Macy, em 1957, 1958 e 1962, que é onde foi

[00:05:11] estabelecido os politérios, que então era conhecido como cibernética, então também,

[00:05:15] além do Shannon Weaver, também tinha o Norbert Finner, tu tinha o, agora me escapam os nomes

[00:05:21] do Willem Ross Ashby, enfim, os caras que realmente, digamos, estabeleceram essa área

[00:05:25] que é até um pouco mais ampla do que a própria Interigência Artificial, ele pega a base da

[00:05:29] Teoria de Jogos, da Teoria de Sistemas e vários outros modelos bem interessantes.

[00:05:33] E aí vem as questões mais atuais, ou seja, com a computação melhorando e com possibilidades

[00:05:37] de programar coisas mais complexas, vem os desafios seguintes, né, que aí os meus colegas

[00:05:41] estão muito mais gabaritas a falar que é o desafio da emulação da inteligência, os

[00:05:47] aspectos que são emulados ou não, a questão do paralelismo, e aí eu passo a palavra

[00:05:51] pro nosso computador.

[00:05:52] Sim, o nome que tem no nome.

[00:05:53] Não foi primeiro as damas, dessa vez, né?

[00:05:56] Que feio.

[00:05:57] As damas corrijam os nossos erros.

[00:05:59] Bom, melhor.

[00:06:00] Então, boa tarde ou bom dia a todos, obrigado pelo convite, Marco e Jorge, é um prazer

[00:06:07] estar aqui.

[00:06:08] Bom, pegando o gancho do que o Jorge colocou, ele colocou muito bem o início da IA lá

[00:06:15] a partir dos trabalhos do Turing depois da famosa Conferência de Dartmouth, onde se

[00:06:21] tentava construir inicialmente provas automáticas de teoremas, o que se mostra até hoje um

[00:06:27] grande desafio.

[00:06:29] Existe um número muito pequeno de provadores automáticos de teoremas que se descobriu

[00:06:34] que são tipos de programas de software extremamente difíceis de construir.

[00:06:38] Até hoje estão meio trancados.

[00:06:40] Exato.

[00:06:41] Não existe um universal.

[00:06:42] Não existe um universal, até porque existem resultados em lógica, né, que até hoje

[00:06:46] são muito estudados, né, os famosos teoremas do Gödel e muitos outros sobre decidibilidade,

[00:06:53] ou seja, se sistemas lógicos podem ou não ser computados.

[00:06:57] Eles não são consistentes.

[00:06:58] É, ou não são consistentes ou não são decidíveis, grande parte de sistemas lógicos,

[00:07:02] ou seja, a gente não consegue construir algoritmos e, por consequência, programas que venham

[00:07:07] a provar, inclusive aqueles resultados, né, a partir do Russell, no famoso Prinkipia Matemática,

[00:07:14] que é um volume que tu citaste de três mil páginas que tentou formalizar o raciocínio

[00:07:19] matemático através de lógica, né, através de sistemas lógicos.

[00:07:24] Tudo isso iniciou na década de 50, como se colocasse, e foi, teve uma grande evolução

[00:07:29] ao longo do tempo.

[00:07:30] Existiu uma escola em inteligência artificial derivada dessa, que era escola simbólica,

[00:07:36] que acreditava que o raciocínio pode ser representado através de sistemas formais,

[00:07:41] de lógicas.

[00:07:42] Existem outras, ou uma outra escola prominente também em A, que é a escola conexionista,

[00:07:50] né, que se percebe que o cérebro tem construções neurais e se tenta construir abstrações

[00:07:56] de redes neurais, de neurones em computadores.

[00:07:59] E essa escola é uma escola que usa até de técnicas diferentes das técnicas da IA simbólica.

[00:08:06] A IA simbólica é mais baseada em construções lógicas, vamos digamos assim, na matemática,

[00:08:12] mas os modelos são modelos discretos, enquanto que a escola conexionista usa modelos contínuos

[00:08:17] ou modelos estatísticos que os físicos aqui conhecem muito bem, o Marco pode até

[00:08:22] enganchar.

[00:08:23] Muitas vezes a rede neural, ela produz o resultado e tu nem sabe como é que foi produzido o

[00:08:28] resultado, né, diferente do caso lógico, que tem toda uma sequência de passos e restações

[00:08:33] que são tomadas.

[00:08:34] E aí os limites da própria IA sim, muitas vezes a própria programação dessas máquinas

[00:08:38] extremamente complexas, máquinas com grau elevado paralelismo, é um problema não

[00:08:42] resolvido, porque infelizmente o nosso cérebro, a nossa consciência opera serialmente.

[00:08:47] Então o Lamy estava falando que se tentou fazer provadores de teoremas.

[00:08:53] Isso.

[00:08:54] E esses provadores eles são limitados.

[00:08:56] Eles são, do ponto de vista lógico, eles são, pelos lógicos, os lógicos os vêm como

[00:09:03] grandes ferramentas, existem provadores para diversos tipos de lógica, não vem o caso

[00:09:08] de a gente entrar nos tipos de lógica aqui, porque se tornaria muito técnico.

[00:09:11] E o nosso ouvinte simplesmente não pegaria.

[00:09:13] Mas lógicas para o ouvinte, os lógicos estudam formas na qual o raciocínio humano funciona

[00:09:21] e também como se raciocina em outros domínios da ciência, que tipo de lógica é necessário

[00:09:25] para se estudar física, por exemplo, para se explicar os fenômenos físicos, que tipo

[00:09:29] de lógica é necessário para explicar os fenômenos da economia, os jogos econômicos,

[00:09:34] que tipos de lógica, ou que lógica são usadas por matemáticos para provar os teoremas

[00:09:39] em matemática.

[00:09:40] Bom, aqui eu botei fazer um alerta antirelativista para não sugerir que essas lógicas têm aplicações

[00:09:45] diferentes e, digamos, status diferentes, porque de certo modo assim, não existe uma

[00:09:50] única lógica daqueles princípios básicos da não contradição, o princípio que é

[00:09:55] excluído e da identidade, mas assim, essas outras lógicas elas não servem para dizer

[00:09:59] que essa não é a única ou a melhor lógica possível.

[00:10:02] A metodologia científica, o assunto que vamos abordar futuramente no outro programa,

[00:10:06] ela opera em cima, digamos, da lógica mais clássica, não é o caso de entrar nos casos

[00:10:13] particulares.

[00:10:14] Não sei se tem…

[00:10:15] Porque nós estamos num mundo relativista…

[00:10:17] Deixa eu pôr da mesa aqui.

[00:10:18] Fiquei com medo, assim.

[00:10:19] O Lamy estava falando da parte que estava relacionado com uma atuação bem específica

[00:10:25] da inteligência, que seria a prova de teoremas, e aí eu queria pedir para a Lina que nos

[00:10:28] falasse dessa inteligência mais mundana, que seria a inteligência essa mais de perceber

[00:10:35] linguagem.

[00:10:36] Como é que está o…

[00:10:37] Como é que você pode dizer que está a inteligência artificial nesse momento agora?

[00:10:41] Bom, eu gosto de comparar sempre com a parte do que se imaginava que se fosse chegar até

[00:10:47] agora, por exemplo, em 1965, com o filme 2001, Mordicedo no espaço, onde tinha um computador,

[00:10:55] que era super poderoso, ele entendia a linguagem, descomunicava a linguagem, ele fazia…

[00:11:00] Reconhecimento visual.

[00:11:01] Reconhecimento visual, fazia extração de informações, fazia muitas das coisas que

[00:11:04] a gente ainda não consegue fazer hoje em dia.

[00:11:07] Ele fazia, inclusive, leitura labial e falava com sotaque da BBC.

[00:11:11] E para acabar ele era sacana também, né?

[00:11:13] Pois é.

[00:11:14] Ele tinha problema.

[00:11:15] Era uma coisa mais emocionalmente instável.

[00:11:17] Ele achou que, sei lá, não gostava dele e ficou meio magoado.

[00:11:20] Mas o que se imaginava que se fosse chegar em 2001, a gente está agora em 2010 e não

[00:11:25] se chega nem perto, mas muitas das capacidades que o computador teria que ter para fazer

[00:11:30] aquilo que o Hall 9000 fazia, são sub-áreas da inteligência artificial, do processamento

[00:11:35] de linguagem natural, que tentam reproduzir comportamentos que a gente tem, mas a gente

[00:11:41] nem percebe, como, por exemplo, o conhecimento de ondas sonoras e transformação dessas

[00:11:45] ondas sonoras em palavras, o significado de cada uma das palavras e a junção delas

[00:11:50] numa mensagem que a gente tem de passar, a sintetização de uma mensagem que a gente

[00:11:55] tem, que a gente tem que transformar em ondas sonoras novamente.

[00:11:57] Então são todos processos que, de alguma maneira, são artes sub-áreas, independentes,

[00:12:02] que estão mais ou menos…

[00:12:03] Como é que a gente está, assim, por exemplo, tem algum sistema automático no mundo, assim,

[00:12:09] que responde a perguntas simples e coisas assim, isso a gente acha por aí ou nem isso

[00:12:14] se acha ainda?

[00:12:15] Tem degradez desses tipos de sistemas, o mais simples que a gente conhece, ou vamos

[00:12:19] dizer assim, o mais conhecido é o Google, por exemplo.

[00:12:21] Tu pode perguntar alguma coisa pro Google usando keywords, e ele vai usar técnicas

[00:12:25] de estatística, palavras-chars, isso, vai usar estatísticas pra te devolver coisas

[00:12:31] relacionadas.

[00:12:32] Então o Google é como uma inteligência.

[00:12:33] É como se fosse.

[00:12:34] É como se fosse.

[00:12:35] Mas tem modos mais precisos de se usar a linguagem.

[00:12:38] Mas eu ouvi falar que empresas de aviação tu consegue ligar e usar e conversar com um

[00:12:44] desses…

[00:12:45] Vamos dizer, o âmbito é bem específico, né, qual é o voo que tu tá, qual é a cidade

[00:12:48] que tu é, mas ele seria completamente automático.

[00:12:51] Exatamente.

[00:12:52] O grande problema da inteligência artificial e das várias subiárias é portado um domínio

[00:12:56] pequenininho pra um domínio genérico.

[00:12:59] Então vários desses sistemas eles funcionam bem, por exemplo, pra reconhecimento de voz,

[00:13:02] com um vocabulário bem definido, às vezes pra um falante, talvez pra mais falantes.

[00:13:07] Pro inglês se tem, assim, uma precisão de reconhecimento de fala bem alto.

[00:13:12] O que que seria precisado, senhora?

[00:13:13] Tem a tono de 70, 80%.

[00:13:15] 70% do que é falado…

[00:13:17] Na primeira vez.

[00:13:18] Ele pode até perguntar de novo e aí cobre de novo.

[00:13:21] Tanto que alguns desses softwares são embarcados em celulares, já.

[00:13:24] Por exemplo, contatos de telefone, acesso a partir de voz, então pra isso se consegue

[00:13:30] bem.

[00:13:31] Agora, tem outras tarefas que são muito mais complicadas, como, por exemplo, a tradução

[00:13:34] automática, que já exige um pouquinho que as línguas não são completamente paralelas.

[00:13:39] Tem que ter uma interpretação, né?

[00:13:40] Essa eu acho que ainda não tá resolvida.

[00:13:43] Não tá.

[00:13:44] Vamos ver, eu queria fazer um censo aqui.

[00:13:46] Tente o Google Translate, alguma expressão composta, como, por exemplo, João sem Braço

[00:13:51] e veja o que vai acontecer ali, quais as traduções que ele vai dar.

[00:13:53] Esse é o programa Fronteiras da Ciência, a gente está discutindo a inteligência artificial.

[00:13:58] O leitor que estiver mais interessado em aprofundar um pouquinho mais o tema pode entrar no nosso

[00:14:02] site, o fronte dasciência.urgs.br, que vai ter um material de leitura sobre esse programa.

[00:14:09] Bom, aproveitar e perguntar pra ele se vocês acham que realmente nós já estamos na parte

[00:14:15] da tradução.

[00:14:16] Como é que vocês acham o status?

[00:14:17] Porque reconhecimento de imagem e de voz realmente avançamos demais.

[00:14:21] É verdade.

[00:14:22] A questão é, tu irias entrar na tradução, mas eu entro num outro ponto, antes desse

[00:14:27] tu me permite que é o seguinte, o reconhecimento do som, ou seja, do sinal da voz, é bem mais

[00:14:34] simples do que a interpretação dele.

[00:14:36] Em relação à interpretação da voz e a interpretação da imagem, nós estamos

[00:14:40] muito aquém do que o reconhecimento tanto do som quanto da imagem.

[00:14:45] Então, esse ainda é um enorme desafio, é um imenso desafio, a Aline obviamente tem

[00:14:50] muito mais conhecimento do que nós nessa área, mas a questão semântica, ou seja,

[00:14:54] do significado daquilo que os sistemas inteligentes, inteligentes entre aspas, computam, ainda

[00:15:01] são os grandes desafios.

[00:15:02] É a questão semântica, o significado das coisas.

[00:15:05] Mecanicamente, a gente consegue realmente fazer muita coisa com computadores, mas tarefas

[00:15:10] muito simples, nós não conseguimos.

[00:15:12] Qualquer um de nós consegue olhar aqui para a tua camiseta, por exemplo, que é vermelha,

[00:15:17] eu sei que dependendo da iluminação, ela pode ter uma leve alteração, mas ainda reconheço

[00:15:21] ela como vermelha.

[00:15:23] Isso, Zicoara, não foi o doutorico.

[00:15:25] Para um sistema de computação, um sistema inteligente, isso seria uma tarefa bem mais

[00:15:29] complicada.

[00:15:30] Bem mais complicada.

[00:15:32] Isso introduz o lado filosófico, não sei se você vai chegar a abordar, do teste de

[00:15:36] tuning e do experimento à sala chinesa, que eu quero falar, que é melhor do que o

[00:15:43] Turing.

[00:15:44] Eu queria um pouco voltar para a inteligência artificial no sentido de que, quando a gente

[00:15:49] fala em inteligência artificial, usualmente a gente tenta grudar tudo junto em uma coisa

[00:15:57] quase como um proto-organismo, um humano anóide que carregaria todas essas funcionalidades

[00:16:02] juntos.

[00:16:03] Mas a inteligência artificial, a gente sabe hoje em dia que ela está distribuída no

[00:16:06] mundo.

[00:16:07] A gente pode dizer que hoje em dia a inteligência artificial está em toda parte, não é isso?

[00:16:11] Exato.

[00:16:12] Com certeza.

[00:16:13] Dizem, inclusive, que a inteligência artificial hoje em dia é invisível, porque ela está

[00:16:16] em tantos processos, desde salas de consultório médicos, sistemas especialistas para ajuda

[00:16:22] diagnóstico, sistemas de pouso, robôs que ajudam as pessoas a executar erros.

[00:16:28] Mas aí tu pode dizer, Aline, que então a inteligência artificial é como um temperinho

[00:16:32] em cima das coisas normais da vida.

[00:16:34] Ela não é o dominante ainda.

[00:16:36] Ela não é um comercial.

[00:16:37] O que a gente podia pensar, se ela fosse o dominante, uma coisa importante seria ter

[00:16:41] o data, o commander data falando com a gente, ou hall.

[00:16:45] Aí seria a inteligência artificial, ele teria uma importância simbólica, grande e importante.

[00:16:51] O que hoje em dia acontece é que ela está em todo lugar, mas nunca vista de forma muito

[00:16:56] evidente.

[00:16:57] Essa invisibilidade é fruto de uma dedicação que a Informática fez na busca da amigabilidade,

[00:17:03] não sei se se traduz, friendly, né?

[00:17:05] Ou seja, tu faz um sistema friendly que é fácil de usar, tu usa os dedos em vez de…

[00:17:10] Como é que se fala?

[00:17:11] E aí se você puder falar é melhor do que tocar com os dedos, porque digitar é um pouco

[00:17:15] trabalhoso.

[00:17:16] E se você puder só pensar em vez de fazer qualquer coisa, é melhor ainda, como aliás

[00:17:19] já começa a ser possível com as interfaces do cérebro computador, como as do Nicolélis,

[00:17:24] que estão trabalhando.

[00:17:25] Quer dizer, isso é o que torna invisível, porque é como um moto da inovação, quanto

[00:17:31] menos você perceber a tecnologia, melhor vai ser, porque ela é bem sucedida, porque

[00:17:35] ela é perfeitamente amigável.

[00:17:37] Vocês, o pessoal da computação, podiam elencar rapidamente onde está a inteligência artificial

[00:17:43] de forma importante?

[00:17:44] Sim, vamos cair no chavão, no Google, por exemplo.

[00:17:47] O Google utiliza métodos…

[00:17:49] Eu não vivo sem o Google.

[00:17:51] Exatamente.

[00:17:52] Ninguém vive mais sem o Google.

[00:17:53] Talvez o principal, dá pra dizer que é o principal dispositivo de IA no momento?

[00:17:56] Eu diria que é o mais popular.

[00:17:58] Mais conhecido, mais usado.

[00:17:59] E eu não vou entrar em termos técnicos, mas o Google usa extensivamente duas áreas

[00:18:03] de computação, no mínimo duas, que é data mining, que é a procura de dados, exasquimideração

[00:18:10] de dados, e uma que está desde a raiz da inteligência artificial, desde o primeiro

[00:18:16] paper do Turing sobre inteligência de máquina, que é o aprendizado de máquina.

[00:18:20] Então o Google, ele extensivamente investe nisso, porque uma consulta, a Google, ela

[00:18:25] tem que estar moldada ao interesse dos usuários.

[00:18:28] Mas isso acontece até o usuário individual ou o usuário médio?

[00:18:32] Isso acontece pro usuário médio, e se você pensar em outra aplicação, por exemplo,

[00:18:37] a Amazon, você define um perfil quando você se torna um consumidor da Amazon.

[00:18:42] Ele sabe o que você gosta, é verdade.

[00:18:44] E ele sabe aquilo que você gosta de acordo com o seu perfil, e recomenda…

[00:18:47] Foi um amigo meu, Patrick Tufts, que fez esse algoritmo.

[00:18:51] E ele recomenda o sistema lá do Patrick, usando técnicas de recomendação, técnicas

[00:18:56] de aprendizado de máquina, dependendo do usuário, e dependendo do seu perfil de busca,

[00:19:03] ele te dá sugestões.

[00:19:05] Ele te dá sugestões.

[00:19:06] Tem a questão do cartão de crédito também, não é uma coisa assim?

[00:19:08] Não, o usuário é 9 anos da Amazon, e é impressionante como ele sabe de mim.

[00:19:13] A gente precisa botar umas dicas, e ela diz, pô, olha, se eu não sabia do livro, ele

[00:19:16] já vem ali direto.

[00:19:17] Ele deve estar dizendo assim pra ti, tu tá chegando a meia idade, começa a ler esse

[00:19:21] tipo de bombarde.

[00:19:22] Não, não, é tudo livro técnico que é pior, o pior é que ele sabe que eu sou um consumidor

[00:19:26] de livro, essa é a pior parte.

[00:19:27] E o negócio do cartão de crédito, como é que funciona?

[00:19:30] Cartão de crédito é uma coisa que também ele pega, por exemplo, se tu sai muito do

[00:19:34] perfil de uso, ele tem um alarme.

[00:19:37] De acordo com o profil dos usuários, ele estatisticamente, usando algoritmos também

[00:19:44] de inferência estatística ou de aprendizado de máquina, ele se adapta ao perfil do usuário.

[00:19:48] E se o usuário faz compras fora do seu perfil usual, ele levanta um flag, opa, de acordo

[00:19:55] com o meu raciocínio aqui, com a minha inferência, tu tá fora do padrão e tu recebe um telefonema

[00:20:00] pra confirmar se aquilo tá batendo, e você não tem o uso do cartão, não é?

[00:20:05] E vocês podem me dizer onde a inteligência artificial mais tem falhado, assim, ou o produto

[00:20:11] dela nos deixa louco.

[00:20:12] Foi mencionado, né, nas coisas mais próximas do mundo, da gente quebra.

[00:20:15] Não, não, mas assim, o Marvin Minsky dizia que o fácil é difícil, o difícil é fácil, né?

[00:20:19] Exato.

[00:20:20] O difícil é a questão onde é necessário, digamos assim, bom senso, senso comum, né,

[00:20:25] que os ingleses falam de common sense reason, raciocínio de senso comum, são as tarefas

[00:20:29] que me parecem as mais difíceis.

[00:20:32] De novo, voltando ao exemplo da camisa vermelha, todo mundo sabe se, dependendo da iluminação,

[00:20:37] a camisa do Jorge, ela vai ser vermelha com qualquer tipo de iluminação.

[00:20:41] O ouvinte não tá vendo, mas é mais um rosa escuro.

[00:20:43] É mais um rosa escura, eu sabia que era um rosa escura.

[00:20:46] É um vermelho bem escuro.

[00:20:48] E também nós temos uma enorme capacidade de nos adaptar a novas situações, de adaptar

[00:20:54] a nova das situações.

[00:20:56] E pequenas alterações no ambiente já tornam a tarefa, por exemplo, de um robô extremamente

[00:21:01] difícil.

[00:21:02] O Marco trabalhou com robótica, ele sabe disso.

[00:21:04] Não tem jogo de cintura.

[00:21:05] Exato, não tem jogo de cintura, não tem senso comum.

[00:21:09] Então essas tarefas que têm uma característica muito mais humanas da nossa cognição, que

[00:21:15] os cientistas cognitivos estudam a análise da nossa mente, como nós lidamos com linguagem,

[00:21:20] como nós nos adaptamos ao meio ambiente, são as tarefas mais difíceis de lidar.

[00:21:24] O próprio entendimento da linguagem.

[00:21:26] A Aline pode falar frases aqui com metade das palavras que provavelmente nós vamos

[00:21:31] entender.

[00:21:32] Metade das frases que eu falei aqui devem conter erros, mas vocês estão entendendo

[00:21:36] o significado daquilo que eu estou dizendo, enquanto que para um computador isso é extremamente

[00:21:40] difícil.

[00:21:41] No entanto, tarefas mecânicas que têm a ver com manipulação de símbolos, os computadores

[00:21:46] fazem com uma precisão muito melhor da nossa, exceto nos nossos colegas que têm capacidades

[00:21:53] diferenciadas ainda, não vamos citar um Ramanujan que era capaz de provar um teorema,

[00:21:59] teoria de números em 5 segundos, exceto alguns seres humanos.

[00:22:02] Sim, quase autistas eles passaram por isso.

[00:22:05] Mas eu queria chamar a atenção para a dificuldade que a gente tem em fazer tarefas muito fáceis,

[00:22:13] por exemplo, aprendizado da linguagem, que uma criança faz isso em 4 ou 6 anos, mas

[00:22:17] não se consegue em 20, 40, 50 anos de pesquisa, ainda não se consegue um computador que

[00:22:22] aprenda a linguagem que a criança faz.

[00:22:24] Esse é um bem colocado que eu acho que é, e é que mora o diferença, o hardware, o

[00:22:28] macabro.

[00:22:29] Pois é, isso aí talvez, eu vou lembrar para todo mundo a ideia do teste de Turing, só

[00:22:36] para…

[00:22:37] Turing.

[00:22:38] De Turing ou coisa assim.

[00:22:39] Turing.

[00:22:40] Para endereçar o final do nosso programa, que assim, pois é, o Turing propôs um teste

[00:22:47] que seria um teste pragmático para a inteligência, que seria uma das versões que para mim é

[00:22:52] a versão que eu gosto mais, é essa versão onde a pessoa que está fazendo o teste tem

[00:22:55] dois interlocutores e tem que decidir qual dos dois é a máquina.

[00:23:00] Para mim é muito mais difícil do que ter um único interlocutor e decidir se é uma

[00:23:04] máquina ou não.

[00:23:05] Claro.

[00:23:06] Suponsamente que ela não sabe quem é que é o desenho.

[00:23:08] Exatamente.

[00:23:09] Então ele tem dois interlocutores, ele está blindado da physicalidade dos interlocutores,

[00:23:13] por exemplo, ele pode se comunicar via um keyboard, via um terminal, e ele tem que decidir

[00:23:21] qual dos dois é a máquina.

[00:23:23] Até está discutindo se a gente tem um único interlocutor, o ser humano vai empatizar

[00:23:30] e vai quase acreditar, se for bem feito, quase acreditar que é um outro ser humano.

[00:23:35] Mas quando ele tem que escolher entre dois, aí o teste fica mais difícil para a máquina

[00:23:39] e mais fácil para o julgador.

[00:23:41] Bom, a ideia do Turing era que se a máquina passasse o teste, se o julgador acertasse

[00:23:48] 50% das vezes, essa máquina a gente tinha que considerar que ela era inteligente, quase

[00:23:52] como se ela tivesse uma mente.

[00:23:53] Já atingiu um nível de humanidade.

[00:23:55] Um nível de complexidade.

[00:23:56] Um comparável humano.

[00:23:57] É, que seria comparável humano, logo a gente, pragmaticamente a gente tinha que assumir

[00:24:02] que tem mente como a nossa.

[00:24:03] E aliás, um excelente critério, porque é um critério fenomenológico, eu já não

[00:24:06] fiz a fazer suposições sobre a estrutura, a máquina, o circuito que tem por trás e

[00:24:11] simplesmente você observa o que as entradas recebem e o que devolvem os sonhinhos.

[00:24:14] É a forma mais justa de pensar, porque é assim que eu julgo que a Aline, que o Jorge,

[00:24:19] que o Lambi, eles são inteligentes e têm mentes que nem eu.

[00:24:22] Tu não sabe, não.

[00:24:23] Mas é o teste que eu faço.

[00:24:25] Bom, então, a conclusão era, mas quando foi proposta, e eu acho a impressão que

[00:24:31] eu tive no começo da era da inteligência artificial, é que a gente tinha que achar

[00:24:34] o truque.

[00:24:36] Para construir essa máquina a gente tinha que achar o truque.

[00:24:38] A minha impressão agora é que o computador está tão rápido que a gente pode fazer

[00:24:43] um trabalho…

[00:24:44] Engana bem.

[00:24:45] Muito ruim e já enganar.

[00:24:48] Muito ruim do que dizer o seguinte, o algoritmo que está por trás daquela coisa que está

[00:24:51] produzindo o comportamento pode ser muito básico, mas como a gente tem uma capacidade

[00:24:56] muito grande de computação, a gente pode passar por cima e conseguir.

[00:25:00] Tu compensa com a velocidade, porque não tem isso de velocidade.

[00:25:03] Porque seria o caso do jogo de xadrez.

[00:25:04] Isso.

[00:25:05] Que derrotou o Kasparov.

[00:25:06] Isso.

[00:25:07] O jogo de xadrez é um de regras limitadas, é muito mais fácil que a linguagem natural.

[00:25:09] Sim, sim, mas hoje em dia tu pode fazer por bruta força.

[00:25:12] Eu vou só parar um pouquinho para dizer que esse é o programa Fronteiras da Ciência,

[00:25:15] a gente está discutindo a inteligência artificial e o nosso site é o fronte dasciência.urgs.br.

[00:25:21] Então, depois que eu lancei a bola eu quero que vocês continuem.

[00:25:24] Então, a minha questão é, vamos chegar e passar o teste de Turing?

[00:25:30] Se a gente passar o teste de Turing, isso vai ser de uma forma trivial, ou seja, bruta

[00:25:34] força ou a gente vai produzir um tipo de mente?

[00:25:37] Bom, eu não iria exatamente na sugestão que tu colocasse.

[00:25:46] Primeiramente, só para fazer uma lembrança, em 2012 o Turing faz 100 anos de nascimento

[00:25:51] e já está ocorrendo um grande número de celebrações e organizações de conferências

[00:26:00] e eventos, principalmente na Inglaterra, onde ele nasceu, estudou e trabalhou.

[00:26:06] Então, até surgiram aqui que a Rádio da Universidade, durante o ano de 2012, faça

[00:26:11] alguns programas sobre o Turing, que foi uma pessoa que não há dúvida nenhuma olhando

[00:26:18] para o seu celular aqui, para o teu iPhone e para todos os dispositivos de computação

[00:26:22] que a gente tem nessa mesa, que foi uma pessoa extremamente influente nas nossas vidas.

[00:26:26] Eu acredito que não será por força bruta, embora a força bruta ajude, ou seja, o desempenho

[00:26:32] das máquinas ajude por uma questão combinatorial, você consegue oferecer mais opções mais

[00:26:38] rápido para o usuário, maior número de alternativas, então fica mais fácil confundir o usuário

[00:26:44] ou a pessoa que está interagindo com a máquina.

[00:26:48] A questão é a aparência pela essência.

[00:26:52] Agora, existe uma questão seguinte, que a aparência de inteligência já não requer

[00:26:59] uma programação também altamente inteligente, então isso é uma provocação que eu te devolvo.

[00:27:05] A aparência de inteligência também não requer uma grande inteligência.

[00:27:08] Eu posso pegar o gancho para você e lembrar o John Surly, a filósofa e funcionalista

[00:27:13] que há uns 20, 25 anos atrás propôs uma reinterpretação, uma relocação da posição

[00:27:18] do teste de Turing com o argumento da sala chinesa.

[00:27:23] Palavra final das damas nesse caso.

[00:27:26] O argumento da sala chinesa é aquela ideia que você pode simular numa sala, tem uma

[00:27:31] pessoa que tem um manual que ensina a traduzir os grafos chineses nas palavras, mas ninguém

[00:27:37] está vendo o que tem lá dentro, supostamente você pode com um manual completamente detalhado

[00:27:41] traduzir os ícones nas traduções, e quem está fora olhando pode dizer que essa sala

[00:27:47] tem alguma coisa que entende chinês.

[00:27:49] E, no entanto, eu estou só usando regras de gramática e tudo mais, mas não entendo

[00:27:54] nada de chinês.

[00:27:55] Então, na verdade, o que o Serena demonstrou é que é possível mecanizar isso, está compreendido

[00:28:00] e proposto desde o início do século, desde, na verdade, Russell passando por Turing e

[00:28:03] outros, você pode mecanizar boa parte do processo racional, mas a interpretação não

[00:28:08] é tão trivial, ou seja, a compreensão ou chamada intencionalidade, os filósofos usam

[00:28:13] essa palavra, essa não está emulada ainda.

[00:28:15] E aparentemente a intencionalidade passa por lidar com uma massa muito grande de memórias,

[00:28:21] o que os computadores até de certo modo fazem e fazem muito bem, mas lidá-la de forma associativa

[00:28:25] e muito paralelizada, que aí é um tópico que nós não entramos na questão do hardware,

[00:28:30] da máquina, né?

[00:28:31] A gente vai falar isso na próxima, até a minha interpretação, a minha interpretação

[00:28:35] do Test Early é que não existe esse livro que ele consiga olhar e responder, decodificar

[00:28:41] o tempo todo.

[00:28:42] Aline, como é que…

[00:28:43] Experimental, né?

[00:28:44] Eu vejo que à medida que as ciências vão avançando, principalmente as ciências cognitivas

[00:28:48] como um todo, e vem avanços novos da biologia, do entendimento de como a própria comunição

[00:28:53] humana funciona, a gente vai se emprestar disso para a inteligência artificial.

[00:28:57] E a inteligência artificial ao mesmo tempo está ajudando a aprovar muitos dos caminhos

[00:29:01] das ciências cognitivas, como factíveis ou não.

[00:29:05] Então à medida que vão acontecendo esses avanços, eu acho que vai ter uma mudança

[00:29:10] nas abordagens, tanto das ciências cognitivas quanto da computação, e de alguma maneira

[00:29:15] eu acho que uma ajuda a outra.

[00:29:16] A gente vai convergir de alguma maneira.

[00:29:18] Vai convergir, é.

[00:29:19] Bom, esse foi o programa Fronteiras da Ciência, a gente discutiu a inteligência artificial,

[00:29:22] estiveram com a gente aqui o professor Luiz Lâmbio, do Departamento de Informática Teórica

[00:29:26] da URGS, professor Jorge Kieffler, do Departamento de Biofísica da URGS, professor Aline Villavicencio,

[00:29:31] do Departamento de Informática Teórica da URGS, e eu, Marco de Arte da Física da URGS.

[00:29:41] O Programa Fronteiras da Ciência é um projeto do Instituto de Física da URGS.

[00:29:48] A rádio da Universidade não é responsável por eventuais opiniões pessoais aqui expressas.

[00:29:54] Técnica de Gilson de César e Kleber Mendes.

[00:29:58] Direção Técnica de Francisco Guazelli.

Visão de gráfico