"Quem é Bram Stoker?" Essas três palavras demonstraram o incrível potencial da inteligência artificial. Foi a resposta a uma pergunta final em um episódio particularmente memorável de Jeopardy! De 2011. Os três concorrentes eram os ex-campeões Brad Rutter e Ken Jennings, e Watson, um supercomputador desenvolvido pela IBM. Ao responder a pergunta final corretamente, O Watson se tornou o primeiro computador a vencer um humano no famoso programa de perguntas e respostas.

"De certa forma, Watson vencendo Jeopardy! parecia injusto com as pessoas, "diz Jeehwan Kim, o Class '47 Career Development Professor e um membro do corpo docente dos departamentos de Engenharia Mecânica e Ciência e Engenharia de Materiais do MIT. "No momento, O Watson foi conectado a um supercomputador do tamanho de uma sala, enquanto o cérebro humano pesa apenas alguns quilos. Mas a habilidade de replicar a habilidade do cérebro humano de aprender é incrivelmente difícil. "

Kim é especialista em aprendizado de máquina, que se baseia em algoritmos para ensinar os computadores a aprender como o cérebro humano. "O aprendizado de máquina é computação cognitiva, "ele explica." Seu computador reconhece coisas sem você dizer ao computador o que ele está olhando. "

O aprendizado de máquina é um exemplo de inteligência artificial na prática. Embora a frase "aprendizado de máquina" muitas vezes evoque ficção científica tipificada em programas como "Westworld" ou "Battlestar Galactica, "sistemas e dispositivos inteligentes já estão presentes em nossas vidas diárias. Computadores e telefones usam reconhecimento facial para desbloquear. Os sistemas detectam e ajustam a temperatura em nossas casas. Os dispositivos respondem a perguntas ou tocam nossa música favorita sob demanda. Quase todos os carros importantes A empresa entrou na corrida para desenvolver um carro autônomo seguro.

Para que qualquer um desses produtos funcione, o software e o hardware devem funcionar em perfeita sincronia. Máquinas fotográficas, sensores táteis, radar, e a detecção de luz precisa funcionar adequadamente para enviar informações aos computadores. Algoritmos precisam ser projetados para que essas máquinas possam processar esses dados sensoriais e tomar decisões com base na maior probabilidade de sucesso.

Kim e grande parte do corpo docente do Departamento de Engenharia Mecânica do MIT estão criando um novo software que se conecta ao hardware para criar dispositivos inteligentes. Em vez de construir os robôs conscientes romantizados na cultura popular, esses pesquisadores estão trabalhando em projetos que melhoram a vida cotidiana e tornam os seres humanos mais seguros, mais eficiente, e melhor informado.

Tornando os dispositivos portáteis mais inteligentes

Jeehwan Kim mostra uma folha de papel. Se ele e sua equipe forem bem-sucedidos, um dia, o poder de um supercomputador como o Watson da IBM será reduzido ao tamanho de uma folha de papel. "Estamos tentando construir uma rede neural física real em um tamanho de papel carta, "explica Kim.

A data, a maioria das redes neurais foi baseada em software e feita usando o método convencional conhecido como método de computação de Von Neumann. Kim, no entanto, tem usado métodos de computação neuromórficos.

"Computador neuromórfico significa IA portátil, "diz Kim." Então, você constrói neurônios artificiais e sinapses em uma bolacha de pequena escala. "O resultado é o chamado 'cérebro em um chip'.

Em vez de computar informações de sinalização binária, A rede neural de Kim processa informações como um dispositivo analógico. Os sinais agem como neurônios artificiais e se movem através de milhares de matrizes para pontos de cruzamento específicos, que funcionam como sinapses. Com milhares de matrizes conectadas, grandes quantidades de informações podiam ser processadas de uma só vez. Pela primeira vez, um equipamento portátil pode imitar o poder de processamento do cérebro.

"O segredo desse método é que você realmente precisa controlar bem as sinapses artificiais. Quando você está falando sobre milhares de pontos cruzados, isso apresenta desafios, "diz Kim.

De acordo com Kim, o design e os materiais que foram usados ​​para fazer essas sinapses artificiais até agora têm sido menos do que ideais. Os materiais amorfos usados ​​em chips neuromórficos tornam incrivelmente difícil controlar os íons uma vez que a voltagem é aplicada.

Em um Materiais da Natureza estudo publicado no início deste ano, Kim descobriu que, quando sua equipe fez um chip de silício-germânio, eles foram capazes de controlar a corrente que flui para fora da sinapse e reduzir a variabilidade para 1 por cento. Com controle sobre como as sinapses reagem aos estímulos, era hora de colocar seu chip à prova.

"Imaginamos que, se construirmos a rede neural real com material, poderemos realmente fazer o reconhecimento de caligrafia, "diz Kim. Em uma simulação de computador de seu novo projeto de rede neural artificial, eles forneceram milhares de amostras de caligrafia. Sua rede neural foi capaz de reconhecer com precisão 95 por cento das amostras.

"Se você tiver uma câmera e um algoritmo para o conjunto de dados de escrita à mão conectado à nossa rede neural, você pode obter reconhecimento de escrita à mão, "explica Kim.

Embora a construção da rede neural física para reconhecimento de escrita seja a próxima etapa da equipe de Kim, o potencial desta nova tecnologia vai além do reconhecimento de escrita. "Reduzir o poder de um supercomputador a um tamanho portátil pode revolucionar os produtos que usamos, "diz Kim." O potencial é ilimitado - podemos integrar essa tecnologia em nossos telefones, computadores, e robôs para torná-los substancialmente mais inteligentes. "

Tornando as casas mais inteligentes

Enquanto Kim está trabalhando para tornar nossos produtos portáteis mais inteligentes, O professor Sanjay Sarma e o cientista pesquisador Josh Siegel esperam integrar dispositivos inteligentes no maior produto que possuímos:nossas casas.

Uma noite, Sarma estava em sua casa quando um de seus disjuntores disparava. Este disjuntor - conhecido como interruptor de circuito de falha de arco (AFCI) - foi projetado para desligar a energia quando um arco elétrico é detectado para evitar incêndios. Embora os AFCIs sejam ótimos na prevenção de incêndios, no caso de Sarma, não parecia haver um problema. "Não havia nenhuma razão perceptível para continuar disparando, "relembra Sarma." Era incrivelmente perturbador. "

AFCIs são notórios por tais viagens incômodas, 'que desconectam objetos seguros desnecessariamente. Sarma, que também atua como vice-presidente do MIT para aprendizado aberto, transformou sua frustração em oportunidade. Se ele pudesse incorporar o AFCI com tecnologias inteligentes e conectá-lo à 'internet das coisas, 'ele poderia ensinar o disjuntor a aprender quando um produto é seguro ou quando um produto realmente apresenta risco de incêndio.

"Pense nisso como um antivírus, "explica Siegel." Os verificadores de vírus são conectados a um sistema que os atualiza com novas definições de vírus ao longo do tempo. "Se Sarma e Siegel pudessem incorporar tecnologia semelhante em AFCIs, os disjuntores podem detectar exatamente qual produto está sendo conectado e aprender novas definições de objeto ao longo do tempo.

Se, por exemplo, um novo aspirador de pó é conectado ao disjuntor e a energia é desligada sem motivo, o AFCI inteligente pode aprender que é seguro e adicioná-lo a uma lista de objetos seguros conhecidos. O AFCI aprende essas definições com o auxílio de uma rede neural. Mas, ao contrário da rede neural física de Jeewhan Kim, esta rede é baseada em software.

A rede neural é construída reunindo milhares de pontos de dados durante simulações de arco. Algoritmos são então escritos para ajudar a rede a avaliar seu ambiente, reconhecer padrões, e tomar decisões com base na probabilidade de alcançar o resultado desejado. Com a ajuda de um microcomputador de $ 35 e uma placa de som, a equipe pode integrar essa tecnologia de maneira econômica aos disjuntores.

À medida que o AFCI inteligente aprende sobre os dispositivos que encontra, ele pode distribuir simultaneamente seus conhecimentos e definições para todas as outras casas usando a internet das coisas.

"A Internet das coisas também poderia ser chamada de 'inteligência das coisas, "diz Sarma." Esperto, as tecnologias locais com a ajuda da nuvem podem tornar nossos ambientes adaptáveis ​​e a experiência do usuário ininterrupta. "

Os disjuntores são apenas uma das muitas maneiras pelas quais as redes neurais podem ser usadas para tornar as casas mais inteligentes. Este tipo de tecnologia pode controlar a temperatura da sua casa, detectar quando há uma anomalia, como uma intrusão ou tubo rompido, e execute diagnósticos para ver quando as coisas precisam de conserto.

"Estamos desenvolvendo software para monitorar sistemas mecânicos que são autoaprendidos, "explica Siegel." Você não ensina a esses dispositivos todas as regras, você os ensina a aprender as regras. "

Tornando a fabricação e o design mais inteligentes

A inteligência artificial não pode apenas ajudar a melhorar a forma como os usuários interagem com os produtos, dispositivos, e ambientes. Também pode melhorar a eficiência com que os objetos são feitos, otimizando o processo de fabricação e design.

"Crescimento em automação junto com tecnologias complementares, incluindo impressão 3-D, AI, e o aprendizado de máquina nos obriga a, a longo prazo, repensar como projetamos fábricas e cadeias de abastecimento, "diz o professor associado A. John Hart.

Hart, que fez uma extensa pesquisa em impressão 3-D, vê a IA como uma forma de melhorar a garantia de qualidade na fabricação. Impressoras 3-D que incorporam sensores de alto desempenho, que são capazes de analisar dados em tempo real, ajudará a acelerar a adoção da impressão 3-D para produção em massa.

"Ter impressoras 3-D que aprendem a criar peças com menos defeitos e inspecionar as peças à medida que as fabricam será realmente um grande negócio, especialmente quando os produtos que você está fabricando têm propriedades críticas, como dispositivos médicos ou peças para motores de aeronaves, "Hart explica.

O próprio processo de projetar a estrutura dessas peças também pode se beneficiar de um software inteligente. A professora associada Maria Yang tem estudado como os designers podem usar as ferramentas de automação para projetar com mais eficiência. "Chamamos isso de inteligência híbrida para design, "diz Yang." O objetivo é permitir a colaboração eficaz entre ferramentas inteligentes e designers humanos. "

Em um estudo recente, Yang e o estudante de graduação Edward Burnell testaram uma ferramenta de design com vários níveis de automação. Os participantes usaram o software para selecionar nós para uma treliça 2-D de um sinal de parada ou de uma ponte. A ferramenta então apresentaria automaticamente soluções otimizadas com base em algoritmos inteligentes para onde conectar os nós e a largura de cada parte.

"Estamos tentando projetar algoritmos inteligentes que se encaixem na maneira como os designers já pensam, "diz Burnell.

Tornando os robôs mais inteligentes

Se há algo no campus do MIT que mais se assemelha aos robôs futuristas da ficção científica, seria a chita robótica do professor Sangbae Kim. A criatura de quatro patas sente seu ambiente circundante usando tecnologias LIDAR e se move em resposta a essas informações. Muito parecido com seu homônimo, ele pode correr e pular obstáculos.

O foco principal de Kim é a navegação. "Estamos construindo um sistema único, especialmente projetado para o movimento dinâmico do robô, "explica Kim." Eu acredito que vai remodelar os robôs interativos do mundo. Você pode pensar em todos os tipos de aplicações - médicas, cuidados de saúde, fábricas."

Kim vê a oportunidade de conectar sua pesquisa à rede neural física em que seu colega Jeewhan Kim está trabalhando. "Se você quiser que a chita reconheça as pessoas, voz, ou gestos, você precisa de muito aprendizado e processamento, ", diz ele." O hardware de rede neural de Jeewhan pode permitir isso algum dia. "

Combinar o poder de uma rede neural portátil com um robô capaz de navegar habilmente pelos arredores pode abrir um novo mundo de possibilidades para interação humana e IA. Este é apenas um exemplo de como os pesquisadores em engenharia mecânica podem um dia colaborar para levar a pesquisa de IA para o próximo nível.

Embora possamos estar a décadas de interagir com robôs inteligentes, a inteligência artificial e o aprendizado de máquina já estão presentes em nossas rotinas. Seja usando reconhecimento facial e de escrita para proteger nossas informações, acessando a internet das coisas para manter nossas casas seguras, ou ajudando engenheiros a construir e projetar com mais eficiência, os benefícios das tecnologias de IA são generalizados.

A fantasia da ficção científica de um mundo dominado por robôs está longe da verdade. "Existe essa noção romântica de que tudo vai ser automático, "acrescenta Maria Yang." Mas acho que a realidade é que você terá ferramentas que funcionarão com as pessoas e ajudarão a tornar seu dia-a-dia um pouco mais fácil. "

Esta história foi republicada por cortesia do MIT News (web.mit.edu/newsoffice/), um site popular que cobre notícias sobre pesquisas do MIT, inovação e ensino.