Em ciência, como em várias outras atividades humanas, algumas polêmicas
surgem em torno de tópicos específicos, muitas vezes pela importância e
densidade de conceitos que encerram, ou ainda por sua polissemia. No
começo de agosto passado foi veiculado no Jornal da Ciência (JC-email
4313, de 02 de agosto de 2011) um artigo intitulado "Não existe sistema
inteligente", publicado originalmente no jornal Estado de Minas no final
de Julho. Esse texto apresenta uma série de argumentos que defendem a
visão de que não há (nem haverá) sistemas de computação que poderiam ser
rotulados de inteligentes.
Não obstante a correta crítica ao exagero de uso do termo
"inteligente" nos dias de hoje, a visão e os argumentos apresentados
parecem ter se fixado em apenas uma parte da extensão do tópico
"inteligência", não ter considerado apropriadamente uma multitude de
pesquisadores e pesquisas existentes e, eventualmente, não ter
aprofundado suficientemente o debate em seus aspectos filosófico e
técnico. Não fosse a possibilidade, certamente não intencional, de
alguma desqualificação de pesquisas em Ciência Cognitiva e da Computação
que tratam de inteligência artificial com seriedade, o presente artigo
seria desnecessário. Esperamos, portanto, trazer algumas visões e
informações que ampliem este tão interessante debate.
Inteligência - A palavra "inteligência" representa um desses
conceitos sobrecarregados usados para referenciar um grande conjunto de
capacidades que permeiam a cognição humana. Para complicar, conceitos
com similar potencial de gerar confusões semânticas, como pensamento,
razão, entendimento, evolução, consciência, vida, dentre outros, são
facilmente incorporados em tentativas informais, e até mesmo formais, de
definir a inteligência. Contudo, um dos poucos pontos em comum entre a
maioria das tentativas é a certeza de que a inteligência se expressa, em
seres humanos e mesmo em outros animais, por meio de habilidades
cognitivas fundamentadas no aprendizado. A questão aqui posta é se
podemos construir sistemas que possuam inteligência.
Se aceitarmos axiomaticamente que a inteligência também se
instrumentaliza via aprendizado, podemos então, à la Turing, substituir
a questão "é possível construir sistemas inteligentes?" por "é possível
construir sistemas que aprendem?".
Mas o que é aprender? Objetivamente, é a capacidade que seres
possuem de se auto-organizar dinamicamente a fim de maximizar seu
sucesso em um ambiente. Por exemplo, quando estamos começando a aprender
xadrez não fazemos movimentos muito espertos, mas por meio da
experiência de acertar e errar repetidamente, nosso cérebro aprende a
produzir movimentos que maximizem os acertos. Esse exemplo foi oferecido
justamente também para que a própria noção de sucesso seja posta em
perspectiva. Ou seja, aproveitamos para arguir que sucesso não precisa
necessariamente estar ligado diretamente à sobrevivência. Neste caso, o
cérebro é a estrutura na qual ocorre o aprendizado. Continuando o
raciocínio, citamos agora outras estruturas naturais que possuem
factualmente a capacidade de aprender: sistemas imunológicos, colônias
de formigas e porque não, a própria evolução como propôs Darwin. Claro
que nos dois últimos exemplos, a noção de aprendizado é mais ampla pois
não mais está individualizada.
Nesta rápida análise acerca da inteligência, é muito importante
destacar três constatações: (i) uma visão antropocêntrica é
completamente desnecessária, ou se usada é limitante; (ii) a
inteligência, enquanto expressa por meio de habilidades cognitivas
fundamentadas no aprendizado, não deve ser confundida com outros
fenômenos cognitivos propriamente; (iii) a individualização da
inteligência também é limitante do conceito, já que coletivamente pode
haver aprendizado.
De fato, a inteligência não é exclusividade de seres humanos, nem o
modo humano de se comportar inteligentemente é o único. Não se deve,
portanto, julgar a inteligência de um sistema apenas pela sua capacidade
de imitar ações humanas ou muito menos de usar a linguagem humana como
referencial. Quanto ao segundo ponto, note-se que outros fenômenos, como
a consciência, também podem emergir a partir de estruturas de
aprendizado como o cérebro, podendo até influenciar reflexivamente em
muitas habilidades cognitivas, mas mesmo assim, isso não as torna
pré-requisitos para a inteligência. Portanto, um sistema pode,
facilmente, ser inteligente sem ser consciente. O terceiro ponto reforça
tacitamente o primeiro, já que ignorar aprendizado coletivo seria negar
a inteligência envolvida no processo de evolução natural (e também negar
a poderosa sinergia que emerge da interação de seres simples, como
abelhas).
Então um entendimento mais universal (não antropocêntrico) da
inteligência, que a coloque como (mais) um dos fenômenos emergentes
possíveis de estruturas capazes de aprender, é de suma importância para
avançarmos com mais largura no próximo questionamento desta análise: é
possível construir estruturas de aprendizado?
Inteligência Artificial - O termo Inteligência Artificial
(IA) foi cunhado por John McCarthy em 1956, que definiu IA como "a
ciência e engenharia de fazer máquinas inteligentes". Mas o interessante
é que pelo menos uma década antes do surgimento desse termo já havia
importantes trabalhos na área, a maioria em modelos conexionistas
conhecidos hoje por redes neurais artificiais. Conexionismo, como
proposto, é uma forma de pensar sistemas nos quais a inteligência emerge
de estruturas de aprendizado representadas por redes compostas de
unidades de processamento simples. A inspiração dos conexionistas foi/é
o cérebro, que nada mais é que uma rede imensa, dinâmica
auto-organizável de células nervosas altamente especializadas (mas
simples) - os neurônios, que por sua vez se conectam a milhares de
outros resultando num processamento amplamente paralelo e não linear.
Um segundo movimento se desenvolveu quase que em paralelo ao
conexionismo, iniciado por Herbert Simon e Allen Newell, com seus
provadores automáticos de teoremas. Os trabalhos de Simon e Newell
trouxeram para a IA sistemas baseados em aprendizado simbólico usando
linguagens lógicas fortemente inspiradas nos mecanismos de inferência
humana. Neste caso, as estruturas de aprendizado representam conceitos
que possuem conexão direta com o mundo real (diferentemente da
representação altamente distribuída dos modelos conexionistas). Além
disso, há importantes diferenças de processamento; nos sistemas
simbólicos, novos conhecimentos são incorporados (ou aprendidos) em
grande parte por novas percepções (fatos) e inferências lógicas
dedutivas (e não pelas induções dos sistemas conexionistas).
É razoável afirmar que por um longo tempo houve confrontos
ideológicos entre modelos conexionistas e simbólicos, mas atualmente a
visão dominante é integrativa, como em sistemas híbridos; por exemplo,
nós humanos podemos manipular símbolos mas nossa representação de
conhecimento é completamente distribuída. E nesse processo de
amadurecimento, a área de IA evoluiu bastante e incorporou muitos novos
modelos e abordagens com diferentes estruturas de aprendizado. Isso
possibilitou a representação e resolução de vários tipos de problemas
que exigem habilidades cognitivas não triviais, tais como classificação,
busca, processamento de linguagem natural, etc. Mas, importante, em
qualquer um desses casos, não há o que se discutir: a inteligência dos
sistemas não é um produto de programação explícita de regras. Ela emerge
de estruturas de aprendizado artificiais. Pensar que a inteligência é
fruto direto da programação é retroceder ao pensamento talvez de Ada (Lovelace)
nos primórdios da Computação, como bem refuta Turing em seu artigo para
a revista Mind na década de 50 (ver a seguir).
A busca por um modelo geral de inteligência que incorpore todos os
outros e eventualmente permita que sistemas se igualem ou excedam as
habilidades cognitivas humanas ficou conhecida como IA forte. O que se
convencionou chamar de IA fraca, por outro lado, consiste no uso de
sistemas inteligentes em problemas (muitas vezes extremamente complexos)
que envolvam a necessidade de aprendizado mas que não necessariamente
incorporem aspectos de consciência, ética, crenças, desejos e
intencionalidade.
O argumento mais inocente contra a IA é afirmar que sistemas
inteligentes só são assim possíveis porque seus programadores (que são
inteligentes) codificaram regras que criam a aparência de comportamento
inteligente. Quando Arthur Samuel desenvolveu no final da década de 50
um programa jogador de xadrez que aprendia com vitórias e derrotas, e
que havia se tornado melhor que próprio Samuel nesta atividade, ele não
codificou no sistema todos os truques que fazem um bom jogador de
xadrez, o que seria impossível. Ao invés de tentar programar todas as
regras e jogadas do xadrez, Arthur Samuel deu um passo à frente criando
uma estrutura de aprendizado artificial que permitiu ao programa se
tornar cada vez melhor através de milhares de tentativas com erros e
acertos. Samuel define o aprendizado de máquinas como "o campo de estudo
que dá a computadores a habilidade de aprender sem serem explicitamente
programados". Sistemas verdadeiramente inteligentes não são
explicitamente programados.
Outro tipo comum de crítica à IA, tão inocente quanto creditar a
inteligência do sistema ao programador, é questionar se um sistema
inteligente pode revelar Inteligência quando se compõe apenas de
programas (imutáveis) de computador, um sistema operacional e hardware
que não são inteligentes individualmente. Ora, esse argumento nega as
evidências de existência da evolução e da inteligência (humana) como
fenômeno emergente. Encontramos uma grande quantidade de fenômenos
emergentes inteligentes na natureza, a começar pelo próprio homem.
Estruturas de aprendizado naturais estão apoiadas sobre uma
infraestrutura química/biológica que não são necessariamente, de longe,
inteligentes.
O teste de inteligência de Turing - Os ecléticos trabalhos
de Alan Turing, considerado por muitos como o pai da Ciência da
Computação e da Inteligência Artificial, no fundo foram motivados pela
possibilidade de construção de máquinas inteligentes. Um de seus artigos
mais famosos, Computer Machinery and Intelligence, publicado na revista
Mind, trata especificamente disto. No artigo ele propõe um teste de
inteligência, conhecido como teste de Turing, que trata da questão
"máquinas podem pensar?" ("Can machines think?"). O interessante é que
Turing escreveu esse trabalho há 60 anos para instruir seus concidadãos
dessa possibilidade.
De forma genial, Turing propõe um jogo de imitação e afirma que se
um computador puder estabelecer um diálogo aberto e justo com um humano
de forma natural, sem o ser humano ter a convicção de que se trata de
outro humano ou de um computador, o sistema terá passado no teste (de
"ser inteligente"). O teste de Turing reduz a avaliação de inteligência
de sistemas artificiais à sua capacidade de imitar um dos mais
interessantes produtos cognitivos humanos: a linguagem escrita.
Não obstante sua importância, o teste de Turing representa apenas
um primeiro ensaio em torno das questões da IA e se máquinas podem
pensar. Embora a habilidade humana de dialogar seja uma obra prima da
nossa inteligência, ela não é a única evidência de inteligência em um
sistema. O ponto aqui é que nem todo tipo de inteligência computacional
envolve produção de resultados que são representados em linguagem
humana. Afirmar que somente o que é veiculado em linguagem humana é
inteligente é o mesmo que afirmar que gênios da matemática não são
inteligentes porque usam abstrações em formalismo matemático, muitos
deles absolutamente não representáveis de outro modo. De forma mais
simplista, seria equivalente também a afirmar que cães, gatos,
chimpanzés e golfinhos jamais poderiam ser rotulados de inteligentes.
Sistemas inteligentes artificiais - A maioria de nós usa
sistemas inteligentes artificiais todos os dias, eventualmente, sem
nunca ter se dado conta. Por exemplo, quando fazemos uma busca no Google
ou usamos seu recurso de autocompletar, estamos fazendo uso de um
sistema inteligente. Quando o Facebook detecta faces em fotografias
publicadas por usuários ou sua máquina fotográfica digital detecta
sorrisos, um sistema inteligente está trabalhando muito para nós. Quando
mandamos uma carta para um amigo e esta carta é automaticamente separada
com base no endereço de destino, um sistema inteligente é que faz o
reconhecimento de caracteres manuscritos. Quando a Amazon ou outra loja
na internet faz boas recomendações de produtos com base no seu perfil,
também de forma discreta existe um sistema inteligente responsável por
aprender as preferências e as refinar com o tempo.
Enfim, atualmente a quantidade de programas que foram preparados
para aprender, e portanto melhorarem com o tempo, inseridos em
aplicações usuais é enorme. Em nenhum desses sistemas um programador
ensinou as tarefas ao computador, pelo contrário, o programador usa o
seu tempo e inteligência para criar condições nas quais as informações
disponíveis sejam utilizadas e combinadas com outras eventualmente
preexistentes para que o desempenho do sistema aumente de forma
automática; a isso podemos sem traumas referenciar como capacidade de
aprender e, portanto, ser inteligente. Nós humanos funcionamos de forma
análoga; por isso todos - inclusive os sistemas artificiais preparados
para assim funcionar, podem tranquilamente ser referidos como
inteligentes. Claro que os frequentemente anunciados "prédios
inteligentes" ou "brinquedos inteligentes" são abusos do conceito, já
que muitas vezes o prédio é referido como inteligente apenas por conter
cabeamento estruturado para dados e os brinquedos por se moverem ao
cumprirem scripts (à la Ada).
Hoje muitos sistemas manipulam conceitos, estabelecem conexões
entre eles, inferem novos, reveem alguns, podem estar cientes de
contextos, e muito mais. E dado o crescente interesse em aplicações de
computação social e para a Web semântica (aquela que além da atual vai
ter alguma "consciência" do contexto/temática), sistemas inteligentes se
tornarão cada vez mais comuns e poderosos. Ainda bem, pois livrará a
inteligência do homem (essa tão peculiar) para outros aspectos mais
agradáveis de nossa experiência humana (que nenhum computador vai poder
experimentar)!
Reflexões complementares - Concluímos este artigo destacando
que qualquer conotação às aplicações atuais em inteligência artificial
como algo simples deve urgentemente ser repensada - pois não há nada
simples em muitas das construções teóricas e aplicações correntes dessa
área. E se críticas necessitarem ser tecidas, sugerimos que argumentos
contrários tenham uma profundidade filosófica aceitável, como por
exemplo as de John Searle (conhecido por sua "Sala Chinesa").
Aliás, há uma década tivemos (Fernando) o privilégio de, num mesmo
mês, assistir o embate de ideias de Searle e Daniel Dennett, exatamente
sobre o tema desse artigo. Lá, debateu-se assuntos certamente mais
importantes que saber se os estádios brasileiros vão ficar prontos para
a Copa de 2014: "the ghost in the machine", epifenomenologia, solipsismo,
livre-arbítrio, cibernética e muitos outros.
De qualquer forma, estamos convencidos de que, além de toda a
aplicabilidade da IA na indústria, críticas mais profundas à área devem
vir e certamente a fortalecerão epistemologicamente. Por isso mesmo é
que não há nenhuma grande Universidade no mundo hoje que não possua
laboratórios bem produtivos, dedicados para pesquisas em IA desde os
seus aspectos teóricos-filosóficos até suas aplicações práticas. No que
diz respeito à indústria, o conhecimento em "aprendizado de máquinas"
ficou no topo da lista publicada pela Computerworld em seu artigo "12 IT
skills that employers can't say no".
Ficamos felizes ao podermos brevemente ampliar um pouco mais
este fascinante debate que não é novo e certamente vai perdurar por
algum tempo. Por fim, gostaríamos de sugerir outros debates análogos a
este no sentido de fortalecer a ciência brasileira; precisamos romper
com a prática da "filosofia de fim de semana". Certamente, esta parte de
um problema maior: a formação conteudista que teima em não nos deixar.
Essa que faz com que muitos egressos (e mesmo presentes) das
universidades brasileiras não se importam em aprofundar seus
conhecimentos, suas áreas de pesquisa ou mesmo suas práticas
profissionais, apenas porque a transferência de conteúdo já aconteceu ou
parece estar acontecendo bem. O que obviamente não é de longe verdade,
infelizmente.
[Voltar para o topo desta página]
