O que é Inteligência Artificial? Origem dos sistemas inteligentes

Quando ouvimos falar de Inteligência Artificial, tendemos a pensar automaticamente em assistentes pessoais virtuais, carros sem condutor ou algoritmos que decidem com que publicidade nos bombardear a partir dos nossos dispositivos electrónicos. Contudo, para além destes meios de comunicação e conceitos por vezes controversos, será que sabemos realmente o que é Inteligência Artificial?

A Encyclopaedia Britannica tenta sintetizar esta ampla realidade na seguinte definição: "Inteligência Artificial (IA) é a capacidade de um computador ou robô controlado por computador para executar tarefas normalmente associadas a seres inteligentes".

De um ponto de vista linguístico, faz o trabalho na perfeição. No entanto, pressupõe a existência clara de uma fronteira entre um "ser inteligente" e um que não é considerado como tal. Uma forma de tentar explorar esta fronteira é descobrir como computadores tradicionalmente considerados "pouco inteligentes" se têm comportado desde o seu início até ao recente aparecimento da IA, quando a fronteira em direção ao definitivamente "inteligente" parece ter sido ultrapassada.

Foi há dois séculos atrás que a matemática e escritora britânica Ada Lovelace postulou pela primeira vez o conceito de um "programa de computador", em 1843. Desde este momento revelador, a lógica subjacente à programação de computadores permaneceu praticamente inalterada até quase aos dias de hoje. Segundo a ideia de Ada Lovelace, programar um computador, reduzido à sua essência, nada mais é do que fornecer-lhe um conjunto de instruções para ser executado de forma matematicamente precisa. 

O programador humano concebe um programa com um objetivo claro e escreve-o numa linguagem que a máquina compreende, conhecida como linguagem de programação. Este programa instrui o computador a executar uma série de acções lógicas numa determinada ordem e sob determinadas condições. Isto, nem mais nem menos, é um algoritmo. Qualquer inteligência que este conjunto de instruções possa destilar é, salvo prova em contrário, originada na mente do seu criador, geralmente conhecido como desenvolvedor ou programador informático. O computador obedece apenas às suas ordens.

Um exemplo de um algoritmo é o conjunto de instruções utilizadas pelo computador de um vaivém espacial para executar os vários passos necessários para subir a um estado orbital acima da terra. Mas também pode ser o conjunto de instruções que a CPU na nossa máquina de lavar loiça executa para molhar primeiro, depois sabão, depois enxaguar e secar os pratos, e o tempo gasto em cada uma destas tarefas. 

O primeiro algoritmo executado num computador electrónico foi executado no ENIAC da IBM, que é considerado como o primeiro computador não mecânico, ou por outras palavras, eletrónico. A construção da enorme ENIAC começou em 1943, um século depois de Ada Lovelace ter dado a primeira sugestão sobre a primeira conceção de um programa de computador! E no entanto, executou, com efeito, um conjunto de instruções lógicas previamente pensadas por um ser humano.

Desde este behemoth de 27 toneladas até ao primeiro iPhone de Steve Jobs em 2007, que pesava 135 gramas, os avanços na tecnologia de componentes permitiram uma redução dramática no tamanho, enquanto a potência de computação tem aumentado exponencialmente e incessantemente ano após ano, sem sinais de abrandamento para o futuro.

Contudo, a grande maioria dos dispositivos que existiram no período de tempo entre a introdução do gigante ENIAC e o pequeno iPhone seguiram a mesma filosofia de funcionamento interno. Poderíamos dizer que estes dispositivos desempenham o papel de um ajudante de cozinha que executa receitas no fogão, enquanto os programadores são os cozinheiros que os chef e melhoram ao longo do tempo. O ser inteligente, aquele que cria, é o ser humano.

É por isso que estes dispositivos obedientes nunca foram considerados inteligentes, embora pudessem executar milhões de tarefas e operações em questão de segundos, ao contrário de um humano, devido à sua natureza electrónica e à sua grande capacidade computacional. Afinal, as suas decisões limitavam-se a seguir um protocolo, por mais complexo que fosse. 

Embora a IA tenha a aura de um conceito novo e vanguardista, já em 1950, Alan Turing, considerado o pai da computação moderna, colocou a questão "podem as máquinas pensar? De facto, para dar uma resposta objetiva, também concebeu o que é conhecido como Test de Turing, que tenta testar a capacidade de uma máquina de exibir comportamento humano.

A título de contextualização temporal, a primeira máquina a passar o Test de Turing foi um assistente de conversação que tentou imitar um adolescente ucraniano chamado Eugene Goostman. Isto aconteceu em 2014, 64 anos após o seu enunciado teórico. Apesar disso, o nível de inteligência de Eugene parecia ainda ranger sob o olhar humano perspicaz, como pode ser visto nesta entrevista com ele pela revista Times em 2014.

Há numerosos exemplos de sistemas de Inteligência Artificial nas últimas décadas que fizeram manchetes tecnológicas, tais como o conhecido exemplo do programa Deep Blue, desenvolvido pela multinacional americana IBM, que venceu o então campeão mundial de xadrez Gary Kasparov em 1997. No entanto, este programa, como tantos outros na altura, ainda usava a programação tradicional. Numerosas regras e condições lógicas, bem como a capacidade de decidir movimentos com base em árvores de decisão complexas, todas executadas com um grande poder computacional. A isto chama-se "usar força bruta" no jargão do computador. Tenta calcular o maior número possível de movimentos futuros que o hardware do computador permite, e é tomada uma decisão com base nos resultados esperados de cada opção.

Embora saibamos que este sistema usa força bruta, a fronteira entre "inteligente" e "obediente" não está claramente definida no campo da Inteligência Artificial. Será um computador suficientemente inteligente para vencer um ser humano num jogo complexo, ou é simplesmente um grande trabalho dos seus criadores? Por outras palavras, foi simplesmente uma boa execução de uma receita suculenta concebida por um grande chef?

Na situação atual, esta imprecisão começa a desaparecer, e os desenvolvimentos que surgem todos os dias caem com aparente clareza no território do inteligente. Hoje em dia, por muito distópico que pareça, os computadores têm a capacidade de aprender sozinhos. Já não precisam de uma receita milimetricamente calculada até ao último pormenor. Em vez disso, basta que vejam muitas receitas diferentes até terem uma compreensão abstrata do conceito de uma receita, para que possam criar as suas próprias receitas. Uma IA jogadora de xadrez não tem um manual de instruções como o Deep Blue. Simplesmente observou milhares e milhões de jogos até ter descoberto a melhor maneira de o fazer. É isto que tem marcado um antes e um depois em tecnologia e implementação no vasto campo da Inteligência Artificial.

A principal direção para a investigação e desenvolvimento da IA nos dias de hoje é sustentada pelas descobertas feitas por uma série de grandes mentes nos últimos dois séculos. 

Antes de mais, a expansão das fronteiras do conhecimento do cérebro fornecido ao mundo pelos galardoados com o Prémio Nobel Santiago Ramón y Cajal e Charles Scott Sherrington. Uma das principais descobertas destes dois eminentes médicos foi a descrição do funcionamento e estrutura do sistema nervoso e, mais especificamente, a observação do neurónio como sua unidade estrutural e funcional: os seus estudos demonstraram que os neurónios do nosso sistema nervoso recebem uma série de impulsos químicos e elétricos que são processados no seu interior e geram um impulso de saída que é comunicado ao resto dos neurónios circundantes.

Com base nisto, e em 1958, o psicólogo americano Frank Rosenblatt teorizou sobre a possibilidade de definir uma estrutura matemática que imitasse o comportamento de um neurónio humano para realizar cálculos complexos, tal como o cérebro faz. Este neurónio artificial foi baptizado de Perceptron. Rosenblatt também imaginou adicionar várias unidades destes perceptrons juntos, construindo uma rede complexa de perceptrons, ou como é conhecida hoje em dia, uma rede neural. Afinal, os nossos cérebros estão estruturados sob a forma de numerosas redes neurais interligadas que se baseiam na unidade estrutural do neurónio. Os algoritmos de Deep Learning, assim chamados devido à grande profundidade destas redes neurais, baseiam-se assim nas estruturas do cérebro humano, que têm sido aperfeiçoadas ao longo de milhões de anos pela natureza através da evolução.

A capacidade computacional para executar estes algoritmos não foi suficiente até à segunda década do século XXI, quando a teoria passou à prática a uma velocidade vertiginosa. Iremos aprofundar o funcionamento deste tipo de algoritmos em futuros posts. Por agora, é suficiente compreender que estes sistemas inteligentes aprendem a executar tarefas específicas por si próprios. Se lhes fornecermos uma quantidade suficiente de dados rotulados, por exemplo, imagens de peixes com as espécies correspondentes, uma rede neural será capaz de aprender a distinguir as espécies de peixes por si só. O programador não terá de explicar à rede neural o que é um peixe, ou as diferenças entre eles. Ele terá de conceber uma rede neural suficientemente poderosa para fazer este trabalho por si só. As redes neurais têm a capacidade de abstrair conhecimentos complexos a partir de grandes quantidades de dados. Desta forma, podem automatizar tarefas e até melhorar a precisão dos humanos na sua execução. Um exemplo é o sistema Alpha Go, desenvolvido pela empresa Deep Mind sob o guarda-chuva do Google. Esta IA foi capaz de vencer o campeão mundial em Go, considerado um dos jogos mais complexos da atualidade. Para o fazer, a sua complexa teia de redes neurais só precisava de testemunhar milhares de jogos passados para vencer o melhor jogador vivo na altura.

Atualmente, os peritos em IA referem-se a dois tipos de inteligência: geral e específica. Todas as IAs que temos até agora são do tipo específico. Isto significa que estão concentrados em aprender a cumprir um objetivo de forma autónoma e precisa, tanto ou mais do que os seres humanos. A característica chave deste objetivo é que é concreto e específico. Quer seja a condução autónoma, a deteção de aterosclerose numa imagem médica ou a conversa com um humano sobre os bilhetes de comboio que não está a ser capaz de comprar, as Inteligências Artificiais atuais baseadas em redes neurais estão centradas em tarefas muito bem definidas e em alcançar a excelência nestas tarefas.

Por outro lado, os seres humanos têm uma inteligência geral. Podemos realizar mais do que uma tarefa, mesmo em simultâneo. Num único dia, podemos cozinhar, conduzir, fazer o nosso trabalho, manter conversas e ler o jornal sem que nenhuma destas tarefas afete negativamente o desempenho dos outros.  Atualmente, uma IA que é tão versátil como um ser humano só existe nos sonhos dos criadores e empresários de todo o mundo. As vozes de certos peritos como o diretor da IA no CSIC, Ramón López de Mántaras, acreditam que "por muito inteligentes que sejam as inteligências artificiais do futuro, incluindo as de natureza geral, nunca serão iguais às inteligências humanas".

Em suma, temos atualmente sistemas que são claramente considerados inteligentes porque são capazes de executar tarefas específicas com grande precisão e conseguiram aprender sozinhos. Por conseguinte, correspondem à definição da Encyclopaedia Britannica de Inteligência Artificial. Já não estão limitados por um algoritmo que enumera os passos a serem executados como uma receita. Obtivemos sistemas adaptativos que, partilhando a mesma estrutura baseada em redes neurais, podem aprender a conduzir e a estudar raios X sem mais informações do que uma grande quantidade de dados executados, embora não os dois ao mesmo tempo, pelo menos por agora. Embora estas inteligências ainda tenham um longo caminho a percorrer para se aproximarem mesmo das capacidades de um ser humano, já provaram ser de grande ajuda numa multiplicidade de tarefas complexas e tudo sugere que haverá uma crescente colaboração entre os seres humanos e a Inteligência Artificial para facilitar, acelerar e, em última análise, melhorar inúmeros processos do dia-a-dia.

Embora neste post tenhamos reduzido os exemplos a adolescentes tagarelas ou sistemas que aprendem a jogar jogos de tabuleiro mais ou menos complexos, esta não é de modo algum a verdadeira utilidade de mercado da Inteligência Artificial e das redes neurais. Agora que parece haver mais luz sobre o que é e o que não é Inteligência Artificial, seremos capazes de abordar em posts futuros como está atualmente a ser aplicada em praticamente todos os setores económicos, as previsões futuras para o seu desenvolvimento a curto prazo, e, em suma, como pode ajudar a melhorar a vida de todos.