p , Devemos ter medo da inteligência artificial? Para mim, esta é uma pergunta simples com uma ainda mais simples, resposta de duas letras:não. Mas nem todos concordam - muitas pessoas, incluindo o falecido físico Stephen Hawking, levantaram preocupações de que o surgimento de poderosos sistemas de IA poderia significar o fim da humanidade. p Claramente, sua opinião sobre se a IA vai dominar o mundo vai depender de você achar que ela pode desenvolver um comportamento inteligente que supere o dos humanos - algo conhecido como "superinteligência". Então, vamos dar uma olhada em como isso é provável, e por que há tanta preocupação com o futuro da IA.

p Os humanos tendem a ter medo do que não entendem. O medo é muitas vezes culpado pelo racismo, homofobia e outras fontes de discriminação. Portanto, não é de se admirar que também se aplique a novas tecnologias - muitas vezes elas são cercadas por um certo mistério. Algumas conquistas tecnológicas parecem quase irrealistas, claramente superando as expectativas e, em alguns casos, o desempenho humano.

p Nenhum fantasma na maquina

p Mas vamos desmistificar as técnicas de IA mais populares, conhecido coletivamente como "aprendizado de máquina". Isso permite que uma máquina aprenda uma tarefa sem ser programada com instruções explícitas. Isso pode parecer assustador, mas a verdade é que tudo se resume a algumas estatísticas bastante mundanas.

p A máquina, que é um programa, ou melhor, um algoritmo, foi projetado com a capacidade de descobrir relacionamentos nos dados fornecidos. Existem muitos métodos diferentes que nos permitem fazer isso. Por exemplo, podemos apresentar à máquina imagens de letras manuscritas (a-z), um por um, e peça para nos dizer qual letra mostramos a cada vez na sequência. Já fornecemos as respostas possíveis - só pode ser uma de (a-z). A máquina no início diz uma letra ao acaso e nós a corrigimos, fornecendo a resposta certa. Também programamos a máquina para se reconfigurar para que da próxima vez, se apresentado com a mesma letra, é mais provável que nos dê a resposta correta para a próxima. Como consequência, com o tempo, a máquina melhora seu desempenho e "aprende" a reconhecer o alfabeto.

p Em essência, programamos a máquina para explorar relações comuns nos dados a fim de realizar a tarefa específica. Por exemplo, todas as versões de "a" parecem estruturalmente semelhantes, mas diferente de "b", e o algoritmo pode explorar isso. Interessantemente, após a fase de treinamento, a máquina pode aplicar o conhecimento obtido em novas amostras de letras, por exemplo, escrito por uma pessoa cuja caligrafia a máquina nunca viu antes.

p Humanos, Contudo, são bons em leitura. Talvez um exemplo mais interessante seja o player Go artificial do Google Deepmind, que superou qualquer jogador humano em seu desempenho no jogo. Ele aprende claramente de uma maneira diferente dos humanos - jogando uma série de jogos consigo mesmo que nenhum ser humano poderia jogar em sua vida. Ele foi especificamente instruído para vencer e informado de que as ações realizadas determinam se ele vencerá ou não. Também foram informadas as regras do jogo. Ao jogar o jogo repetidamente, ele pode descobrir em cada situação qual é a melhor ação - inventar movimentos que nenhum ser humano fez antes.

p Crianças contra robôs

p Agora, isso torna o jogador AI Go mais inteligente do que um humano? Certamente não. A IA é muito especializada para determinados tipos de tarefas e não exibe a versatilidade que os humanos apresentam. Os humanos desenvolvem uma compreensão do mundo ao longo dos anos que nenhuma IA alcançou ou parece que conseguirá em breve.

p O fato de a IA ser apelidada de "inteligente" se deve, em última análise, ao fato de que ela pode aprender. Mas mesmo quando se trata de aprendizagem, não é páreo para os humanos. Na verdade, as crianças podem aprender apenas observando alguém resolvendo um problema uma vez. Um AI, por outro lado, precisa de toneladas de dados e muitas tentativas para ter sucesso. Mas enquanto os humanos desenvolvem uma inteligência impressionante rapidamente nos primeiros anos de vida, os principais conceitos por trás do aprendizado de máquina não são tão diferentes do que eram há uma ou duas décadas.

p O sucesso da IA ​​moderna é menos devido a um avanço em novas técnicas e mais devido à vasta quantidade de dados e poder computacional disponível. Mais importante, no entanto, mesmo uma quantidade infinita de dados não fornecerá inteligência humana à IA - precisamos fazer um progresso significativo no desenvolvimento de técnicas artificiais de "inteligência geral" primeiro. Algumas abordagens para fazer isso envolvem a construção de um modelo de computador do cérebro humano - que não estamos nem perto de conseguir.

p Em última análise, só porque uma IA pode aprender, isso não significa que de repente ele aprenderá todos os aspectos da inteligência humana e será mais esperto que nós. Não existe uma definição simples do que seja a inteligência humana e certamente temos pouca ideia de como exatamente ela é representada no cérebro. Mas mesmo se pudéssemos resolver e criar uma IA que pudesse aprender a se tornar mais inteligente, isso não significa necessariamente que teria mais sucesso.

p Pessoalmente, Estou mais preocupado com a forma como os humanos usam a IA. Os algoritmos de aprendizado de máquina costumam ser considerados como caixas pretas, e menos esforço é feito para localizar as especificações da solução que nossos algoritmos encontraram. Este é um aspecto importante e frequentemente negligenciado, pois frequentemente somos obcecados por desempenho e menos por compreensão. Compreender as soluções que esses sistemas descobriram é importante, porque também podemos avaliar se são soluções corretas ou desejáveis.

p Se, por exemplo, treinamos nosso sistema de maneira errada, também podemos acabar com uma máquina que aprendeu relacionamentos que não se sustentam em geral. Digamos, por exemplo, que desejamos projetar uma máquina para avaliar a capacidade de potenciais alunos de engenharia. Provavelmente uma péssima ideia, mas vamos segui-lo para a sacudida do argumento. Tradicionalmente, esta é uma disciplina dominada por homens, o que significa que as amostras de treinamento provavelmente serão de alunos anteriores do sexo masculino. Se não tivermos certeza, por exemplo, que os dados de treinamento estão balanceados, a máquina pode acabar concluindo que os alunos de engenharia são do sexo masculino, e aplicá-lo incorretamente a decisões futuras.

p Machine learning and artificial intelligence are tools. They can be used in a right or a wrong way, like everything else. It is the way that they are used that should concerns us, not the methods themselves. Human greed and human unintelligence scare me far more than artificial intelligence. p Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.