A democratização da IA
Para o SAS, a inteligência artificial é constituída por cinco grandes blocos: natural language processing (NLP), computer vision, forecasting, optimization e machine/deep Learning. «Podemos usar a NLP para trabalhar, sobretudo, dados não estruturados, como ler emails, contratos e CV. O forecasting serve para fazer melhores previsões de vendas ou de outros indicadores que sejam relevantes nas organizações. Podemos usar optimization para melhorar as rotas de distribuição em cadeias de fornecimento e vomputer vision para fazer controlo de qualidade em linhas de produção. Em todos estes contextos é possível utilizar machine e deep learning para que os modelos encontrem novos padrões e se consiga processar quantidades de dados que até aqui eram impossíveis de trabalhar».
Mas como chegámos até aqui? Segundo o director-executivo, chegámos porque houve uma convergência, um vórtice de conectividade e computação, barata e omnipresente, melhores algoritmos e, sobretudo, dados. Muitos dados, que «permitiram que passássemos de um paradigma em que a automação e a inteligência artificial se baseavam em regras explicitamente transformadas em código para procurar sistemas, para um cenário em que os sistemas são capazes de aprender por si próprios. A programação, por isso, é feita agora de forma implícita».
O chauvinismo de carbono
Segundo Ricardo Pires Silva, estamos para lá do que se chama «chauvinismo de carbono», onde para ser inteligente era preciso ser feito de carne e osso. «Costumávamos usar a palavra ‘inteligência’ da mesma maneira que o Facebook começou a usar a palavra ‘amigos’. Ser capaz de desenvolver lógica e encontrar padrões que estão além da nossa capacidade de aprendizagem e processamento são, sim, sinais de inteligência. Só questiono é se a palavra certa deveria ser artificial. Esta forma de IA que resolve problemas muito específicos em sistemas construídos para uma determinada tarefa chama-se AI neural e hoje já permite construir soluções poderosas, como por exemplo pegar em dados e transacções de um cartão de crédito e transformá-las numa afirmação sobre a sua legitimidade. Ou transformar dados de câmaras, de sensores, informações GPS em instruções de condução num carro autónomo. Nenhum sistema de IA consegue entender um discurso melhor do que um humano, mas consegue desde logo traduzi-lo para japonês».
A questão que o director-executivo defende é que estes sistemas não pensam; limitam-se a aplicar algoritmos e, daí, defender a utilização do termo inteligência automatizada e não artificial. «E até nos podíamos dar ao luxo de usar a mesma sigla!».
Da IA à AGI
Há, contudo, uma outra aproximação à IA referida por Ricardo Pires Silva: a visão de criar máquinas de pensamento geral. Uma máquina que teria todas as capacidades e aptidões da inteligência humana: a artificial general intelligence (AGI). «A sua ambição é realizar, em hardware e software, inteligência de nível humano. Não é construída para fazer uma coisa específica. Pode resolver qualquer problema, qualquer tarefa, inclusivamente… pensar».
Mas isto, pelo menos segundo o responsável, ainda não existe excepto nos filmes e na nossa imaginação. «Em abono da verdade, ainda não temos uma ideia clara de como o podemos construir. E isto é o que inteligência artificial ainda não é. É importante perceber que com a tecnologia que temos hoje não chegaremos directamente ao AGI. Com pequenos ajustes e melhorias não chegaremos lá. Precisaríamos de uma abordagem radicalmente distinta, que estaria algures entre a ciência dos materiais, da biologia, da mecânica quântica, da ciência da computação e, provavelmente, em mais uma dúzia de outras disciplinas». O que nos pode fazer lá chegar, nas palavras de Ricardo Pires Silva, é o facto de estarmos a tentar. Talvez por isso mesmo a empresa norte-americana tenha anunciado o investimento de mil milhões de dólares em I&D para que a inteligência artificial “real” seja mesmo para todos e em todo o lado.
