À medida que a inteligência artificial se torna mais sofisticada, grande parte da atenção do público se concentrou em como essas tecnologias podem competir contra humanos no xadrez e em outros jogos de estratégia com sucesso. Um filósofo da Universidade de Houston adotou uma abordagem diferente, desconstruir as redes neurais complexas usadas no aprendizado de máquina para esclarecer como os humanos processam o aprendizado abstrato.

"À medida que dependemos cada vez mais desses sistemas, é importante saber como funcionam e por quê, "disse Cameron Buckner, professora assistente de filosofia e autora de artigo explorando o tema publicado na revista Synthese . Compreender melhor como os sistemas funcionam, por sua vez, o levou a percepções sobre a natureza do aprendizado humano.

Os filósofos têm debatido as origens do conhecimento humano desde os dias de Platão - é inato, baseado na lógica, ou o conhecimento vem da experiência sensorial no mundo?

Redes Neurais Convolucionais Profundas, ou DCNNs, sugerem que o conhecimento humano vem da experiência, uma escola de pensamento conhecida como empirismo, Buckner concluiu. Essas redes neurais - redes neurais artificiais de várias camadas, com nós que replicam como os neurônios processam e transmitem informações no cérebro - demonstra como o conhecimento abstrato é adquirido, ele disse, tornando as redes uma ferramenta útil para áreas como neurociência e psicologia.

No papel, Buckner observa que o sucesso dessas redes em tarefas complexas que envolvem percepção e discriminação às vezes ultrapassou a capacidade dos cientistas de entender como funcionam.

Embora alguns cientistas que constroem sistemas de redes neurais tenham feito referência ao pensamento do filósofo britânico John Locke e de outros teóricos influentes, seu foco tem sido nos resultados, em vez de compreender como as redes se cruzam com as explicações filosóficas tradicionais da cognição humana. Buckner se propôs a preencher esse vazio, considerando o uso de IA para raciocínio abstrato, variando de jogos de estratégia a reconhecimento visual de cadeiras, obras de arte e animais, tarefas que são surpreendentemente complexas, considerando as muitas variações potenciais do ponto de vista, cor, estilo e outros detalhes.

"Pesquisadores de visão computacional e aprendizado de máquina notaram recentemente esse triângulo, cadeira, gato, e outras categorias cotidianas são tão difíceis de reconhecer porque podem ser encontradas em uma variedade de diferentes poses ou orientações que não são mutuamente semelhantes em termos de suas propriedades perceptivas de baixo nível, "Buckner escreveu." ... uma cadeira vista de frente não se parece muito com a mesma cadeira vista de trás ou de cima; devemos, de alguma forma, unificar todas essas perspectivas diversas para construir um detector de cadeira confiável. "

Para superar os desafios, os sistemas têm que controlar a chamada variação incômoda, ou a gama de diferenças que comumente afetam a capacidade de um sistema de identificar objetos, sons e outras tarefas - tamanho e posição, por exemplo, ou tom e tom. A capacidade de explicar e digerir essa diversidade de possibilidades é uma marca registrada do raciocínio abstrato.

As DCNNs também responderam a outra pergunta persistente sobre o raciocínio abstrato, Buckner disse. Empiristas de Aristóteles a Locke apelaram a uma faculdade de abstração para completar suas explicações de como a mente funciona, mas até agora, não houve uma boa explicação de como isso funciona. "Pela primeira vez, DCNNs nos ajudam a entender como esse corpo docente realmente funciona, "Buckner disse.

Ele começou sua carreira acadêmica em ciência da computação, estudar abordagens baseadas em lógica para inteligência artificial. As diferenças marcantes entre os primórdios da IA ​​e as maneiras pelas quais os animais e os humanos realmente resolvem os problemas motivaram sua mudança para a filosofia.

Menos de uma década atrás, ele disse, os cientistas acreditavam que os avanços no aprendizado de máquina seriam insuficientes para a capacidade de produzir conhecimento abstrato. Agora que as máquinas estão vencendo os humanos em jogos estratégicos, carros sem motorista estão sendo testados em todo o mundo e sistemas de reconhecimento facial são implantados em todos os lugares, desde telefones celulares a aeroportos, encontrar respostas tornou-se mais urgente.

"Esses sistemas têm sucesso onde outros falharam, " ele disse, "porque eles podem adquirir o tipo de sutil, resumo, conhecimento intuitivo do mundo que chega automaticamente aos humanos, mas até agora provou ser impossível de programar em computadores. "