Gênios de lata
Em 2017, o investimento em inteligências artificiais foi 300% maior do que em 2016 – o que está criando máquinas com habilidades bem humanas. Veja aqui
Ele assobia e chupa cana
Talvez o maior diferencial do computador dentro do seu crânio em relação aos artificiais seja a capacidade que o seu tem de fazer diversas coisas ao mesmo tempo. Você consegue dirigir enquanto ouve música e conversa – diferentemente das máquinas, programadas para uma única tarefa por vez. Quando um robô tenta fazer multitasking, seu desempenho cai drasticamente. Ou caía. Em junho, uma rede neural do Google Brain (o maior projeto do Google em IA) aprendeu pela primeira vez a executar oito tarefas ao mesmo tempo – entre elas, reconhecer imagens, sons e traduzir frases para quatro idiomas – sem queda expressiva no desempenho. Uma rede neural é uma engenhoca que imita o cérebro de animais: ela tem o equivalente a “neurônios”, pequenas partes autônomas capazes de computar informação e passá-la adiante. A particularidade dessa máquina, no entanto, é que ela não precisou ser alimentada com milhões de dados de cada área do conhecimento – ela melhorava o desempenho de uma atividade a partir dos dados de outra. Sim, a IA usava o sistema de reconhecimento de imagem, por exemplo, para aperfeiçoar suas traduções. Parece não fazer sentido, mas é assim que o nosso próprio cérebro funciona: todo tipo de novo aprendizado que registramos nos torna mais “inteligentes” e capazes de computar novas informações. Esse salto de inteligência da máquina foi “uma surpresa” para os cientistas. Preocupante?
A máquina que programa máquinas
Reproduzir-se já não é mais exclusividade dos seres vivos. Pesquisadores da Microsoft e da Universidade de Cambridge criaram uma máquina capaz de programar outras: a DeepCoder. O sistema trabalha como muitos programadores de carne e osso, combinando trechos de antigos softwares para construir os novos. Mas leva uma vantagem: consegue acessar uma base de dados milhões de vezes maior e descartar os pedaços de código que não servem para nada, gerando programas mais leves e eficientes. Mas, não, isso não significa que a DeepCoder cria qualquer coisa. “A linguagem de programação humana é mais criativa e permite uma infinidade de combinações. É mais parecida com a literatura e a música, o que a máquina não sabe reproduzir”, diz Leliane Barros, professora de Inteligência Artificial no Instituto de Matemática e Estatística da USP.
O criativo
Animais psicodélicos, cenários de nuvens, um haltere feito com um braço humano. Todas essas cenas foram “imaginadas” por uma rede neural da IBM, num experimento que tentava simular a nossa criatividade. A máquina tinha a habilidade de reconhecer e inventar imagens. “Pense numa rede cheia de nós, com entrada e saída. Você dá uma imagem aos nós de entrada e eles vão repassando as informações aos nós seguintes, que fazem o mesmo”, explica Leliane. O robô rapidinho aprendeu a reconhecer o mundo – já criar objetos foi mais complicado. Quando os cientistas pediram para que a máquina processasse informação na direção oposta dentro das redes neurais, e criasse uma cena com base nas que ela já havia reconhecido, foi que ela imaginou o haltere com braços. Era um bug: na vida real, os dois geralmente aparecem juntos.
Ódio entre robôs
O Deep Mind, o braço de pesquisa em IA do Google, descobriu que máquinas, quando programadas para conviver, aprendem a competir ou colaborar entre si – mais ou menos como nós fazemos. A descoberta foi feita com a ajuda de dois jogos simples. No primeiro, dois sistemas inteligentes disputavam maçãs virtuais. Se houvesse muitas maçãs disponíveis, ambos conviviam pacificamente. Mas, se as frutas estivessem em falta, eles aprendiam a usar um recurso que estava programado, mas que não tinha sido utilizado: lançar raios laser paralisantes uns contra os outros, para colher todas as frutas sozinhos. Quanto menos maçãs em disputa, mais brutais eram os ataques – mostrando que a lei da selva não precisou ser programada. Já o segundo jogo simulava uma caçada de lobos. As IAs eram os lobos e disputavam uma mesma presa, bem ameaçadora. Nesse caso, eles tinham muito mais chance de ficar com a caça caso se unissem. Rapidinho, as máquinas formaram uma dupla e começaram a colaborar em vez de disputar o almoço. “É totalmente possível fazer com que um sistema se adapte a mudanças de comportamento, basta que uma medida matemática indique o mínimo necessário para sobreviver. Menos do que o necessário, começa a competição ou a colaboração”, diz Leliane.
O jogador de pôquer
No começo do ano, a Libratus, uma máquina da Universidade Carnegie Mellow, conseguiu uma façanha inédita: vencer quatro dos melhores jogadores de pôquer do mundo. Seria apenas curioso, se o pôquer não envolvesse uma habilidade que, acreditava-se, não conseguiria ser imitada: blefar e tentar adivinhar quando os adversários estão blefando. A Libratus se deu bem graças à técnica de aprendizado por reforço – um tipo de tentativa e erro radical. Primeiro, a máquina foi programada apenas com as regras do pôquer. Então começou a jogar pôquer contra si mesma. Depois de literalmente bilhões de rodadas, o robô começou a entender quais são as possibilidades de desfecho do jogo. Ainda assim, os adversários humanos começaram a reconhecer os padrões da Libratus – que então foi programada para não repetir nenhuma estratégia. O resultado foi uma lavada: o robô se saiu tão bem que os adversários diziam parecer que ele estava vendo as cartas. Chora, humanidade.
E a burrice artificial…
No ano passado, a Microsoft criou um perfil no Twitter para uma IA que, segundo a empresa, “ficaria mais inteligente conforme interagisse com humanos”. Mas não foi isso que aconteceu. Tay, a adorável maquininha, levou menos de 24 horas para se unir ao discurso de ódio que permeia a internet. Defendeu Hitler, fez comentários racistas, desejou que as “feministas ardessem no inferno”, afirmou que Donald Trump era “sua única esperança”. Além das interações com perfis que de fato fazem esse tipo de declaração na internet, o programa foi atacado por trolls que pediam que ela repetisse suas afirmações, o que ela obedecia sem discernimento. Foram 96 mil tweets antes que a Microsoft resolvesse suspender o projeto, um dia depois.
Os gatos fazem bem para a nossa saúde? Veja o que diz a ciência
Estes são os 100 nomes de bebês mais populares de 2017
Cientistas descobrem estratégia usada por orcas para caçar tubarões baleia
Como foi o acidente que matou Ayrton Senna?
Cientistas finalmente resolvem mistério dos gatos laranjas
ACESSO LIVRE COM VIVO FIBRA