Robô vê imagens de satélite e adivinha se lugar é rico ou pobre

Ou pelo menos tenta. Penny, o robô urbanista, ainda comete erros – mas entender como ele pensa vai melhorar a relação entre o ser humano e as máquinas

Por Bruno Vaiano SEGUIR SEGUINDO
28 jun 2017, 15h49

Não é fácil saber como um robô interpreta o mundo dos humanos. Afinal, nosso cérebro, além de muito mais avançado que a inteligência artificial disponível hoje, também está cheio de pré-concepções sobre o mundo. Considere o seguinte: se você vê um ônibus vermelho de dois andares em uma foto, você sabe logo de cara que ela foi tirada em Londres – e automaticamente associa o clique a um país rico e desenvolvido (mesmo que atrás do veículo apareça um muro encardido, com um morador de rua e uma lata de lixo virada no chão).

Um robô, por outro lado, talvez encare o ônibus pelo que ele é: um simples ônibus. A degradação lá atrás, por outro lado, poderia ser identificada como algo típico de uma cidade mais pobre, como Buenos Aires. Com a pista falsa em mãos, a inteligência artificial acabaria concluindo que está em um lugar que sofre com mais problemas socioeconômicos do que a Inglaterra.

É para evitar enganos e tropeços como esses que especialistas em computação quebram a cabeça para entender como é o olhar das máquinas que eles criam. Volta e meia surge um experimento interessante para colocá-las à prova, e é esse o caso do Penny.

Penny é um robô que observa imagens de satélite das cidades norte-americanas de Nova York e St. Louis, e, a partir delas, conclui quais são as condições socioeconômicas de um quarteirão qualquer. Ele é completamente interativo, então você pode clicar no link aí em cima e levar Penny para um passeio pelos arredores do Central Park – onde, se tudo der certo, ele dirá que a renda média e os indicadores de saúde e educação estão muito bem, obrigado.

Acontece que nem sempre tudo dá certo. De fato, a SUPER posicionou Penny a dois quarteirões do parque mais famoso do mundo (onde o valor do m²pode alcançar 300 mil dólares), e o robô cravou com 95% de certeza que aquela era uma área de classe média baixa. Para se certificar do erro, o site compara a previsão eletrônica com as informações disponíveis no censo demográfico dos EUA (que, ainda bem, é feito por seres humanos).

É provável que Penny esteja cometendo o tipo de erro exemplificado no primeiro parágrafo. Mas também há a possibilidade de que ele esteja levando em consideração coisas que meros mortais não são capazes de ver. Segundo os responsáveis pelo robô urbanista, ainda não dá para saber a resposta – é por isso que é tão importante submetê-lo a testes como esse.

Continua após a publicidade

O primeiro passo para entendê-lo é conhecer sua criação. De maneira bem resumida: pesquisadores da Universidade de Carnegie Mellon e da empresa de análise de dados Stamen alimentaram o software com dados do censo demográfico mais recente e imagens de satélite das duas cidades que são parte do experimento. Ele ganhou um tempo para cruzar as duas informações, e aprendeu a associar construções e elementos mais ou menos frequentes aos indicadores de renda de cada local.

“Áreas de baixa renda tendem a ter campos de baseball, terrenos de estacionamento e edifícios grandes, de formato parecido (como projetos de habitação popular)”, afirma o site oficial de Penny. “Em áreas de classe média há mais casas de família e edifícios de apartamentos. Áreas mais ricas, por sua vez, tendem a ter mais espaços verdes, edifícios envidraçados e altos e casas com jardins ostensivos.”

Ou seja: Penny, como nós, criou seus próprios estereótipos. A diferença é que ele não é tão bom em abrir exceções. Quando aparece uma área urbana antiga, com prédios que são quadradões vistos do alto, associa essas construções à pobreza – mesmo que na prática eles abriguem apartamentos luxuosos.

Ainda não chegamos, porém, na parte mais legal do experimento colaborativo: o usuário pode manipular a percepção robótica à vontade, jogando a Estátua da Liberdade no meio do Bronx, região de menor renda, para ver o que Penny acha disso. Na barra inferior, há uma série de itens, que vão de simples árvores a campos de baseball – use quantos quiser.

Continua após a publicidade

Conforme você modifica a paisagem, o algoritmo vai tirando novas conclusões, e te avisa do quanto mudou de opinião graças às alterações. E é aí que suas limitações aparecem de vez. A SUPER posicionou o cursor a quatro quarteirões do Central Park, e logo veio a mensagem: “Penny tem 98% de confiança de que essa é uma área de renda baixa”. Ao adicionar o Empire State Building naquele quarteirão, ele se corrigiu prontamente: “seus ajustes aumentaram em 1% a confiança de Penny de que essa é uma área de renda média baixa.”

Bem, ninguém é obrigado a gostar de arquitetura Art Deco. Mas se Penny acertasse o tempo todo, ele não precisaria ser testado online. A ideia do estudo, afinal, não é criar um robô planejador urbano perfeito – e sim entender o quanto a inteligência artificial ainda precisa avançar para chegar lá.

“Nós queremos iniciar uma conversa sobre inteligência artifical, machine learning, cidades, infraestrutura, satélites e big data”, afirmam os pesquisadores.”A maneira como as máquinas entendem essas coisas têm aplicações cada vez mais importantes para a forma como entendemos padrões de urbanização, riqueza e a condição humana.” Em outras palavras, quem brinca com Penny fornece aos pesquisadores dados que aproximam a computação das ciências sociais – e ajuda a tornar as máquinas cada vez mais úteis na vida de pessoais normais.