A tecnologia que ensina os robôs a “pensar” como humanos

no final da década de 1950, o computador Arthur Samuel criou um programa para jogar as senhoras, usando um algoritmo simples para descobrir o melhores movimentos para ganhar. Samuel treinou o computador com uma cópia de si mesmo (a auto-jogo) e com um banco de dados em que centenas de partidas foram registradas. Foi o começo da aprendizagem da máquina, um ramo da inteligência artificial (IA) que permite que as máquinas aprendam sem serem explicitamente programadas. Quase sete décadas depois desse jogo, essa tecnologia tem aplicações tão diversas quanto o diagnóstico de um câncer ou a construção de carros autônomos. Alguns dias atrás, sua última invenção foi anunciada: Sophia, um Android desenvolvido pela Hanson Robotics Company, que monopolizou todas as atenções na Feira Tecnológica de Genebra.

“é uma tecnologia aplicável a praticamente todos os campos Há dados disponíveis “, explica Thomas Dietder, um dos pais da aprendizagem da máquina como um campo de pesquisa. O especialista menciona exemplos que vão desde os algoritmos utilizados no mundo dos negócios para identificar potenciais compradores de um produto para os sistemas usados pelos governos para resolver problemas em infraestruturas, como rodovias e hidrelétricas. Outros exemplos mais próximos são os sistemas automáticos de tradução no Skype, o reconhecimento facial de câmeras móveis e assistentes virtuais, apostas de negócios, como o Google e a Microsoft para aproximar a tecnologia para o usuário final.

Cortana, o Assistente Virtual Microsoft, Tem 145 milhões de usuários e a empresa visa “desenvolvê-lo ao ponto em que é comunicado diretamente com outros IAS para oferecer ao usuário qualquer tipo de informação ou serviço, desde a compra de um sapato para entrega de uma pizza em casa”, De acordo com Esther de Nicolás, líder da equipe de evangelismo técnico da empresa. “Nosso objetivo é democratizar o acesso ao aprendizado de máquina”, diz ele. A principal aposta nesse sentido é a plataforma automática de aprendizagem no Azure, um serviço de análise na nuvem que permite criar e implementar modelos de máquinas de acordo com as necessidades de cada usuário.

Google concentra sua estratégia no Tensorflow , uma loja de experiências e resultados de experimentos que usam para que seus aplicativos tenham decisões melhores, e que possui dados abertos desde 2015. A plataforma tem sido usada por diferentes desenvolvedores e empresas em todo o mundo como aumentando a produção de leite em vacas ou criar um modelo para prever a compatibilidade entre doador e receptor em transplantes de órgãos. Mas o Google quer mais: “Estamos trabalhando em robôs que possam assumir as situações perigosas e chegar a locais para os quais os seres humanos não podem alcançar, como na usina nuclear de Fukushima”, diz Andrés Leonardo Martínez, engenheiro de computação da empresa.

riscos e erros

Além de fazer projeções para o futuro, os especialistas também se perguntam quais são os riscos de um mundo em que os robôs são adaptados e aprendem com a experiência (como seres humanos). Descartar, que sim, um cenário de ficção científica onde máquinas Annihuman Humanity. “Criamos e programamos computadores porque eles nos permitem fazer as coisas melhor. Eu imagino um futuro em que uma pessoa e um sistema IA funcionem juntos como uma equipe. Em praticamente todos os campos, a combinação de robôs e pessoas é mais poderosa. Um exemplo famoso é conhecido como xadrez de Centaur, no qual eles competem com equipes mistas de pessoas e computadores. As melhores equipes de Centauros podem derrotar qualquer computador humano e qualquer computador que toca sozinho “, diz DietTertich.

O pesquisador vê pelo menos dois papéis importantes para os seres humanos no futuro: executar tarefas que exigem empatia e” compreensão profunda de Outro ser humano “e garantir que os robôs não cometem erros”. Os problemas de decisão de alto risco envolvem fatores únicos. A aprendizagem automática só funciona bem em problemas estáveis, quando o mundo é altamente previsível e é fácil coletar muitos dados de treinamento. Nos problemas em que cada situação é única, é improvável que esta tecnologia seja bem sucedida “, explica.

Ester de Nicolás mantém que” preocupante agora pela revolução dos robôs é como se preocupar com a superpopulação em Marte ” , Mas aponta que existem problemas menos visíveis e dos quais pouco é falado, como o fato de que os sistemas dependem de bancos de dados, muitas vezes privados e tendenciosos. “Não há sempre dados corretos.Estamos depositando muita confiança na AI, mas você tem que ser mais cuidadoso com essas coisas. “

DietTerich dá um exemplo dessa pasta: algumas empresas usam aprendizagem automática para decidir qual salário oferecer um funcionário . Se os dados históricos mostrarem que as mulheres caíram menos do que os homens, então o algoritmo recomendará oferecer-lhes um salário inferior. O perito defende a criação de um regulamento que determina os testes de segurança e uma certificação específica para mitigar esses riscos. Sebastian Farquhar, investigador do Instituto para o futuro da humanidade, no entanto, é logo para isso. “A legislação é subdesenvolvida, e isso é uma coisa boa, porque a tecnologia está mudando constantemente, acho que sim, que devemos estar mais conscientes dos riscos, porque há muito em jogo”, diz ele. Enquanto isso, eles trabalham para Os robôs eles trazem poderes super físicos e intelectuais. “Espero que o dia eu coloque um exoesqueleto para levantar 300 kg ou corra longas distâncias quando tenho 80 anos”, diz DietTertich.

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *