Os números aparecem bem no topo da lista do que um computador pode fazer bem. Embora os humanos muitas vezes lutem para dividir a conta de um restaurante, um computador moderno pode fazer milhões de cálculos em um mero segundo. Humanos, Contudo, temos um senso numérico inato e intuitivo que nos ajudou, entre outras coisas, para construir computadores em primeiro lugar.

Ao contrário de um computador, um humano sabe quando olha para quatro gatos, quatro maçãs e o símbolo 4 de que todas têm uma coisa em comum - o conceito abstrato de "quatro" - sem nem mesmo precisar contá-las. Isso ilustra a diferença entre a mente humana e a máquina, e ajuda a explicar por que não estamos nem perto de desenvolver IAs com a ampla inteligência que os humanos possuem. Mas agora um novo estudo, publicado na Science Advances, relata que uma IA desenvolveu espontaneamente um senso de número semelhante ao humano.

Para um computador contar, devemos definir claramente o que queremos contar. Assim que alocarmos um pouco de memória para manter o contador, podemos defini-lo como zero e adicionar um item cada vez que encontrarmos algo que desejamos registrar. Isso significa que os computadores podem contar o tempo (sinais de um relógio eletrônico), palavras (se armazenadas na memória do computador) e até objetos em uma imagem digital.

Esta última tarefa, Contudo, é um pouco desafiador, pois temos que dizer ao computador exatamente como os objetos se parecem antes que ele possa contá-los. Mas os objetos nem sempre têm a mesma aparência - variação na iluminação, posição e pose têm um impacto, bem como quaisquer diferenças na construção entre exemplos individuais.

Todas as abordagens computacionais bem-sucedidas para detectar objetos em imagens funcionam construindo uma espécie de imagem estatística de um objeto a partir de muitos exemplos individuais - um tipo de aprendizagem. Isso permite que o computador reconheça novas versões de objetos com algum grau de confiança. O treinamento envolve oferecer exemplos que fazem, ou não, conter o objeto. O computador então adivinha se e ajusta seu modelo estatístico de acordo com a precisão da suposição - avaliada por um ser humano que supervisiona o aprendizado.

Os modernos sistemas de IA começam automaticamente a ser capazes de detectar objetos quando recebem milhões de imagens de treinamento de qualquer tipo - assim como os humanos. Esses sistemas de aprendizagem não supervisionados gradualmente percebem partes dos elementos nas imagens que muitas vezes estão presentes ao mesmo tempo, e construir camada sobre camada de semelhanças mais complicadas.

Tome como exemplo o reconhecimento de maçãs. À medida que imagens contendo todos os tipos de formas são apresentadas ao sistema, ele primeiro começa a notar grupos de pixels que formam linhas horizontais e verticais, e curvas esquerda e direita. Eles estão presentes em maçãs, rostos, gatos e carros, então as semelhanças, ou abstrações, são encontrados logo no início. Ele eventualmente percebe que certas curvas e linhas estão frequentemente presentes juntas em maçãs - e desenvolve um novo, abstração de nível mais profundo que representa uma classe de objetos:maçãs, nesse caso.

Aprendizagem profunda

Esse surgimento natural de abstrações de alto nível é um dos resultados mais interessantes da técnica de aprendizado de máquina chamada de redes neurais profundas, que, em certo sentido, funcionam de maneira semelhante ao cérebro humano. A "profundidade" vem das muitas camadas da rede - à medida que as informações vão mais fundo na rede, as semelhanças encontradas tornam-se mais abstratas. Desta maneira, redes são criadas com elementos que são fortemente ativos quando a entrada é semelhante ao que experimentou antes. As coisas mais abstratas aparecem nos níveis mais profundos - esses são os gatos, rostos e maçãs em vez de linhas ou círculos verticais.

Quando um sistema de IA pode reconhecer maçãs, você pode então usá-lo para contar quantos são. Isso é ótimo, no entanto, não é bem como você ou eu contaríamos maçãs. Temos um conceito extremamente profundo de "número" - quantos de alguma coisa existe. Em vez de apenas estar ativo quando um objeto está presente, partes do nosso cérebro são ativadas dependendo da quantidade de objetos presentes. Isso significa que podemos olhar para um monte de maçãs e saber que são quatro sem realmente contar cada uma.

Na verdade, muitos animais também podem fazer isso. Isso porque esse senso de numerosidade é uma característica útil para a sobrevivência e reprodução em muitas situações diferentes - por exemplo, julgar o tamanho de grupos de rivais ou presas.

Propriedades emergentes

No novo estudo, uma rede neural profunda que foi treinada para a detecção de objetos visuais simples desenvolveu espontaneamente esse tipo de sentido numérico. Os pesquisadores descobriram que unidades específicas dentro da rede de repente "sintonizam" com um número abstrato - assim como os neurônios reais no cérebro podem responder. Ele percebeu que uma imagem de quatro maçãs é semelhante a uma imagem de quatro gatos - porque eles têm "quatro" em comum.

Uma coisa realmente empolgante sobre essa pesquisa é que ela mostra que nossos princípios atuais de aprendizagem são bastante fundamentais. Alguns dos aspectos de pensamento de mais alto nível que as pessoas e os animais demonstram estão profundamente relacionados com a estrutura do mundo, e nossa experiência visual disso.

Também sugere que podemos estar no caminho certo para alcançar uma abordagem mais abrangente, inteligência artificial de nível humano. Aplicar esse tipo de aprendizado a outras tarefas - talvez aplicá-lo a sinais que ocorrem durante um período de tempo, em vez de sobre pixels em uma imagem - pode produzir máquinas com qualidades ainda mais humanas. Coisas que antes considerávamos fundamentais para o ser humano - ritmo musical, por exemplo, ou mesmo um senso de causalidade - agora estão sendo examinados a partir dessa nova perspectiva.

À medida que continuamos a descobrir mais sobre a construção de técnicas de aprendizagem artificial, e encontrar novas maneiras de entender os cérebros dos organismos vivos, nós desvendamos mais dos mistérios da inteligência, comportamento adaptativo.

Há um longo caminho a percorrer, e muitas outras dimensões que precisamos explorar, mas está claro que a capacidade de olhar para o mundo e elaborar sua estrutura a partir da experiência é uma parte fundamental do que torna os humanos tão adaptáveis. Não há dúvida de que será um componente necessário de qualquer sistema de IA que tenha o potencial de realizar a variedade e complexidade de tarefas que os humanos podem.

Este artigo foi republicado de The Conversation sob uma licença Creative Commons. Leia o artigo original.