Matemática é o que os computadores fazem melhor, certo? Temos dificuldade em dividir a conta com os amigos em um restaurante, enquanto um computador moderno pode fazer milhões de cálculos em um único segundo.
Sim, mas os seres humanos têm um senso numérico intuitivo e inato que nos ajudou, entre outras coisas, a construir computadores capazes de fazer isso.
Ao contrário de um computador, um ser humano sabe quando olha quatro gatos, quatro maçãs e o símbolo 4 que todos têm uma coisa em comum, o conceito abstrato de “quatro”, sem sequer precisar contá-los.
Isso ilustra a diferença entre a mente humana e a máquina, e ajuda a explicar por que não estamos nem perto de desenvolver a I.A com a ampla inteligência que os humanos possuem.
Mas agora um novo estudo, publicado na Science Advances, relata que um AI desenvolveu espontaneamente um sentido numérico semelhante ao humano.
Para um computador contar, devemos definir claramente o que queremos dizer. Uma vez que alocamos alguma memória para manter o contador, podemos configurá-lo para zero e, em seguida, adicionar um elemento toda vez que encontrarmos algo que desejamos gravar.
Isso significa que os computadores podem contar o tempo (sinais de um relógio eletrônico), palavras (se armazenadas na memória do computador) e até mesmo objetos em uma imagem digital.
Essa última tarefa, no entanto, é um pouco desafiadora, já que precisamos dizer ao computador exatamente como os objetos ficam antes de podermos contá-los.
Mas os objetos nem sempre parecem iguais: a variação na iluminação, posição e postura têm um impacto, assim como qualquer diferença na construção entre os exemplos individuais.
Modernos sistemas de inteligência artificial começam automaticamente a detectar objetos quando recebem milhões de imagens de treinamento de qualquer tipo, assim como os humanos.
Aprendizagem Profunda
Essa emergência natural de abstrações de alto nível é um dos resultados mais empolgantes da técnica de aprendizado de máquina chamada “redes neurais profundas” (que você chamou de aprendizagem profunda ), que em certo sentido funciona de maneira semelhante ao cérebro humano.
A “profundidade” vem das muitas camadas da rede: à medida que a informação entra na rede, os elementos comuns encontrados tornam-se mais abstratos.
Dessa forma, as redes são criadas com elementos que são fortemente ativos quando a entrada é semelhante àquela que você experimentou anteriormente.
As coisas mais abstratas aparecem nos níveis mais profundos: gatos, rostos e maçãs, em vez de linhas verticais ou círculos.
Quando um sistema de inteligência artificial pode reconhecer maçãs, você pode usá-lo para contar quantas existem. Isso é ótimo, mas não é exatamente como humanos ou até animais fazem isso.
Muitos podem fazer isso também. Isso ocorre porque esse senso de “numerosidade” é um traço útil para sobrevivência e reprodução em muitas situações diferentes, por exemplo, julgando o tamanho de grupos de rivais ou prisioneiros.
Propriedades pop-up
No novo estudo, uma rede neural profunda que foi treinada para a detecção visual simples de objetos desenvolveu espontaneamente esse tipo de sentido numérico.
A IA percebeu que uma imagem de quatro maçãs é semelhante a uma imagem de quatro gatos, porque eles têm “quatro” em comum.
Esta pesquisa mostra que os nossos princípios de aprendizagem são bastante fundamentais e que as pessoas e os animais estão profundamente relacionados com a estrutura do mundo e com a nossa experiência visual comum.
Também sugere que poderíamos estar no caminho certo para alcançar uma inteligência artificial mais completa no nível humano.
A aplicação desse tipo de aprendizagem a outras tarefas, talvez aplicando-a aos sinais que ocorrem ao longo de um período de tempo, em vez dos pixels de uma imagem, poderia gerar máquinas com qualidades ainda mais semelhantes às dos seres humanos.
As coisas que antes considerávamos inerentes à humanidade, como o ritmo musical, por exemplo, ou até mesmo um senso de causalidade, agora estão sendo examinadas a partir dessa nova perspectiva.
À medida que continuamos descobrindo mais sobre a construção de técnicas artificiais de aprendizado e descobrindo novas maneiras de entender os cérebros dos organismos vivos, descobrimos mais dos mistérios do comportamento inteligente e adaptativo que possuímos.