Inteligência artificial aprende conceitos básicos da física clássica
O algoritmo foi alimentado com vídeos sem pé nem cabeça. E aprendeu a distinguir os que obedecem às leis da física.
Criado pela empresa de Inteligência Artificial britânica DeepMind, o programa foi batizado de PLATO, sigla em inglês para “aprendizado de física por autocodificação e rastreamento de objeto”, e foi criado para entender que objetos no mundo material seguem à risca as leis da física.
A DeepMind foi adquirida pela Google em 2014, e já contribuiu para o ramo de IAs com Flamingo, um programa que descreve com precisão uma foto usando apenas algumas imagens de treino, e com AlphaZero, um programa que derrotou os melhores adversários robóticos e humanos em partidas de xadrez.
Os cientistas procuraram tocar numa questão importante com a PLATO. Segundo eles, “algo está faltando” nas principais Inteligências Artificiais; elas “ainda têm dificuldade em capturar o conhecimento de ‘senso comum’ que guia previsões, inferências e ações em cenários humanos cotidianos”.
Pensando nisso, eles focaram em ensinar um conhecimento “intuitivo”: física clássica. Não é preciso assistir a uma aula de física para saber empiricamente que “tudo que sobe desce” e “dois objetos não ocupam o mesmo lugar”. PLATO foi treinada com vídeos de simulações de objetos se comportando da forma que deviam. Foram usados prismas retangulares e esferas de tamanhos e massas variados para simular colisões, tipos de movimentos variados, queda livre, entre outros.
Os pesquisadores criaram 300 mil cenários divididos em cinco conceitos que buscavam ensinar, como persistência de objeto (eles não desaparecem do nada), continuidade (objetos traçam um caminho contínuo) e solidez. Exames parecidos são feitos com crianças para testar o caráter inato do entendimento de física, o que inspirou os cientistas a aplicarem esse tipo de teste.
Um dos cenários, por exemplo, mostrava dois pilares dispostos com um vão entre eles. Uma bola se aproxima rolando e passa por trás dos pilares, aparecendo no fundo entre eles e reaparecendo do outro lado em seguida. Parece óbvio por já entendermos esse conceito.
Aí entra o próximo passo do estudo. PLATO também recebeu cenas ilógicas, em que os objetos não obedeciam às leis da física. Por exemplo, na cena recém-descrita, a bola simplesmente não era visível entre os pilares, mas saía de trás do segundo como se estivesse em seu trajeto normal.
Depois das aulas expositivas, os cientistas pediram que PLATO previsse o que aconteceria em novos vídeos. Eles atestaram que as suposições da IA eram predominantemente corretas quando o vídeo condizia com a física; mas ela errava com frequência nos cenários absurdos.
Com esses resultados, os cientistas afirmam que visões de mundo centradas em objetos poderiam fornecer habilidades mais generalizadas e adaptáveis para uma IA. “Se você considerar os diferentes cenários que uma maçã pode estar, você não precisa aprender sobre uma maçã em uma árvore, uma maçã na sua cozinha e uma maçã na lixeira. Quando você isola o objeto, você está em melhor posição para generalizar como ele se comporta em novos sistemas,” conta Luis Piloto, um dos autores do estudo.
A representação centrada no objeto permitiu à PLATO aprender princípios da física com maior eficiência de dados; e fazer bom uso dessa informação ajuda a diminuir os requisitos para treinar e aplicar modelos de IA. Com Inteligências Artificiais crescendo, facilitar sua aplicação pode acelerar ainda mais o desenvolvimento dessa tecnologia.