As pessoas mais as máquinas superarão as capacidades de cada elemento sozinho. metamorworks / Shutterstock.com
O futuro não será feito por seres humanos ou máquinas sozinho - mas por ambos, trabalhando juntos. As tecnologias modeladas em como os cérebros humanos funcionam já estão aumentando as habilidades das pessoas, e só se tornarão mais influentes à medida que a sociedade se acostumar com essas máquinas cada vez mais capazes.
Otimistas de tecnologia imaginaram um mundo com crescente produtividade humana e qualidade de vida como sistemas de inteligência artificial assumem o trabalho penoso e administrivia da vida, beneficiando a todos. Os pessimistas, por outro lado, alertaram que esses avanços poderiam vir grande custo em empregos perdidos e vidas interrompidas. E os temerosos temem que a IA possa eventualmente tornar os seres humanos obsoletos.
No entanto, as pessoas não são muito boas em imaginar o futuro. Nem a utopia nem o dia do juízo final são prováveis. No meu novo livro,A profunda revolução da aprendizagemMeu objetivo era explicar o passado, presente e futuro dessa área de ciência e tecnologia em rápido crescimento. Minha conclusão é que a inteligência artificial vai torná-lo mais inteligente, mas de maneiras que irão surpreendê-lo.
Reconhecendo padrões
A aprendizagem profunda é a parte da IA que mais avançou em resolvendo problemas complexos identificando objetos em imagens, reconhecendo a fala de vários falantes e processando o texto da maneira como as pessoas falam ou escrevem. A aprendizagem profunda também se mostrou útil para identificar padrões nos conjuntos de dados cada vez maiores que estão sendo gerados a partir de sensores, dispositivos médicos e instrumentos científicos.
O objetivo dessa abordagem é encontrar maneiras pelas quais um computador possa representar a complexidade do mundo e generalizar a partir de experiências anteriores - mesmo que o que está acontecendo a seguir não seja exatamente o mesmo que aconteceu antes. Assim como uma pessoa pode identificar que um animal específico que ela nunca viu antes é na verdade um gato, algoritmos de aprendizagem profunda podem identificar aspectos do que poderia ser chamado de "gato-ness" e extrair esses atributos de novas imagens de gatos.
Os sistemas de aprendizagem profunda podem dizer qual deles é um gato. Gelpi / Shutterstock.com
Os métodos de aprendizagem profunda baseiam-se mesmos princípios que alimentam o cérebro humano. Por exemplo, o cérebro lida com muitos dados de vários tipos em muitas unidades de processamento ao mesmo tempo. Os neurônios têm muitas conexões entre si, e esses links fortalecem ou enfraquecem dependendo de quanto eles são usados, estabelecendo associações entre entradas sensoriais e saídas conceituais.
A rede de aprendizagem profunda de maior sucesso é baseado na pesquisa 1960s sobre a arquitetura do córtex visual, uma parte do cérebro que usamos para ver e algoritmos de aprendizagem que foram inventados nos 1980s. Naquela época, os computadores ainda não eram rápidos o suficiente para resolver problemas do mundo real. Agora, eles são.
Além disso, redes de aprendizagem foram colocadas umas sobre as outras, criando redes de conexões mais próximas assemelhando-se a hierarquia de camadas encontradas no córtex visual. Isso faz parte de um convergência ocorrendo entre inteligência artificial e biológica.
Uma rede neural de quatro camadas aceita entrada da esquerda, passa a saída da primeira camada para a próxima camada, para a próxima e a próxima - antes de entregar a saída. Sin314 / Shutterstock.com
Aprendizagem profunda na vida real
A aprendizagem profunda já está aumentando as capacidades humanas. Se você usa os serviços do Google para pesquisar na Web ou usa seus aplicativos para traduzir de um idioma para outro ou transformar fala em texto, a tecnologia tornou você mais inteligente ou mais eficiente. Recentemente, em uma viagem à China, um amigo falou inglês em seu telefone Android, que traduziu para chinês falado por um taxista - assim como o tradutor universal em "Star Trek. "
Um teste de um dispositivo de tradução real em tempo real.
{youtube}Nu-nlQqFCKg{/youtube}
Estes e muitos outros sistemas já estão trabalhando, ajudando você em sua vida diária, mesmo que você não esteja ciente deles. Por exemplo, a aprendizagem profunda está começando a leitura de imagens radiográficas e fotografias de lesões cutâneas para detecção de câncer. Seu médico local em breve será capaz de detectar problemas que são evidentes hoje apenas para os melhores especialistas.
Mesmo quando você sabe que há uma máquina envolvida, você pode não entender a complexidade do que eles estão realmente fazendo: por trás do Alexa da Amazon, há um bando de redes de aprendizagem profunda que reconhecem o seu pedido, analise os dados para responder às suas perguntas e tomar ações em seu nome.
Aprofundando a aprendizagem
A aprendizagem profunda tem sido altamente eficaz na resolução de problemas de reconhecimento de padrões, mas ir além disso requer outros sistemas cerebrais. Quando um animal é recompensado por uma ação, é mais propensos a tomar ações semelhantes no futuro. Neurônios de dopamina nos gânglios da base do cérebro relatam a diferença entre recompensas esperadas e recebidas, chamado erro de previsão de recompensa, que é usado para mudar as forças das conexões no cérebro que prevêem recompensas futuras.
Acoplar essa abordagem, chamada aprendizado por reforço, com aprendizado profundo, pode dar aos computadores o poder de identificar possibilidades inesperadas. Reconhecendo um padrão e, em seguida, respondendo a ele de uma maneira que produz recompensas, as máquinas podem abordar comportamentos ao longo das linhas do que poderia ser chamado de criatividade humana. Esta abordagem acoplada é como a DeepMind desenvolveu um programa chamado AlphaGo, Que por sua 2016 derrotou o grande mestre Lee Sedol e no ano seguinte vença o mundo Vá campeão, Ke Jie.
Os jogos não são tão confusos quanto o mundo real, que é cheio de incertezas inconstantes. Massimo Vergassola na Universidade da Califórnia, San Diego, e recentemente usei aprendizado por reforço para ensinar um planador em campo. como voar como um pássaro em térmicas turbulentas. Sensores podem ser conectados a aves reais para testar se eles usam as mesmas sugestões e respondem da mesma maneira.
Apesar desses sucessos, os pesquisadores ainda não entendem completamente como o aprendizado profundo resolve esses problemas. É claro que não sabemos como o cérebro também resolve.
Embora o funcionamento interno do cérebro possa permanecer elusivo, é apenas uma questão de tempo até que os pesquisadores desenvolvam uma teoria da aprendizagem profunda. A diferença é que, ao estudar computadores, os pesquisadores têm acesso a todas as conexões e padrões de atividade na rede. O ritmo do progresso é rápido, com trabalhos de pesquisa aparecendo diariamente arXiv. Avanços surpreendentes são aguardados ansiosamente em dezembro no Conferência de Sistemas de Processamento de Informação Neural em Montreal, que ingressos 8,000 esgotados em 11 minutos, deixando 9,000 inscritos esperançosos na lista de espera.
Há um longo caminho a percorrer antes que os computadores alcancem a inteligência humana geral. A maior rede de aprendizagem profunda hoje tem apenas o poder de um pedaço do córtex neural humano o tamanho de um grão de arroz. E ainda não sabemos como o cérebro organiza dinamicamente interações entre áreas maiores do cérebro.
A natureza já tem esse nível de integração, criando sistemas cerebrais de larga escala capazes de operar todos os aspectos do corpo humano enquanto pondera sobre questões profundas e conclui tarefas complexas. Em última análise, os sistemas autônomos podem se tornar tão complexos, unindo-se à miríade de criaturas vivas em nosso planeta.
Sobre o autor
Terrence Sejnowski, Francis Crick Professor e Diretor do Laboratório de Neurobiologia Computacional do Instituto Salk de Estudos Biológicos, e Distinguished Professor of Neurobiology, University of California San Diego
Este artigo foi republicado a partir de A Conversação sob uma licença Creative Commons. Leia o artigo original.
Livros relacionados
at InnerSelf Market e Amazon
