A hora e a vez da ‘inteligência artificial’

Os mais recentes algoritmos de IA investigam a evolução das galáxias,                                  calculam “funções de ondas” quânticas…descobrem novos ‘compostos                                  químicos’ e muito mais. Existirá algum limite para tal automatização? quebra-cabecas-cosmico-1-1 Nenhum ser humano…ou grupo humano, poderia acompanhar a…”avalanche“…de informações produzida por muitos dos experimentos atuais de…”astrofísica”…Com          alguns deles registrando ‘terabytes’ de dados ao dia, a correnteza só tende a crescer.              OSquare Kilometer Array‘, radiotelescópio previsto para…’entrar em ação’…agora,          em plena década de 2020 … irá gerar uma generosa Internet de tráfego de dados. O dilúvio está fazendo com que muitos cientistas recorram à inteligência artificial em busca de ajuda. Com um mínimo de entrada humana…sistemas de IA como as redes neurais artificiais (redes de neurônios simuladas por computador que imitam a função cerebral) podem explorar montanhas de dados – destacando anomalias e detetando padrões, que nós humanos nunca conseguiríamos perceber…É certo que o emprego de computadores no auxílio em pesquisa científica já tem cerca de 75 anos, e o método de análise manual de dados em busca de ‘padrões significativos’ teve sua origem milênios atrás, mas alguns cientistas argumentam que técnicas mais recentes de…“aprendizado        de máquina” e “IA”…constituem um modo fundamentalmente novo de se fazer ciência. Uma tal abordagem, conhecida por “modelagem generalizada” pode ajudar a identificar      a teoria mais plausível, entre todas explicações concorrentes para dados observacionais, apenas com base nesses dados e sem qualquer saber prévio de quais processos físicos poderiam estar em andamento no sistema em estudo. Os defensores desta nova técnica,      a consideram uma…“terceira via”…em potencial de ‘aprendizado’ sobre o Universo. Tradicionalmente, temos conhecimento da natureza por meio da… “observação”… Pense    em Johannes Kepler, debruçado sobre as tabelas de posições planetárias de Tycho Brahe, tentando discernir um…”padrão subjacente” (ele finalmente deduziu…que os planetas se movem em órbitas elípticas). Mas a ciência também avançou por meio da “simulação”: Um astrônomo, por exemplo, pode modelar o movimento da Via Láctea e de sua galáxia vizinha Andrômeda…e prever que elas irão colidir em alguns bilhões de anos. — Tanto a observação quanto a simulação ajudam a gerar hipóteses … que podem ser testadas com outras observações. – Contudo, o “modelo generalizado” difere de ambas as abordagens. Como disse o astrofísico Kevin Schawinski…até recentemente pesquisador no “Instituto Federal de Tecnologia” em Zurique, e um dos maiores divulgadores da nova técnica…“É um modo diferente de abordar o problema…uma 3ª via…entre observação e simulação”. Alguns cientistas veem a modelagem generalizada e outras novas técnicas, apenas como poderosas ferramentas para ajudar a ‘ciência tradicional’…mas a maioria, concorda que a ‘IA’ já está tendo um impacto enorme, e seu papel na ciência só aumentará. – Brian Nord, astrofísico do Fermi National Accelerator Laboratory, que usa ‘redes neurais artificiais’ em “estudos cósmicos” – está entre aqueles que temem não haver nada para um cientista fazer que não possa ser automatizado. É um pensamento meio assustador confessou ele. Modelagem linear generalizada                                                                                              Usando “modelagem generalizada” astrofísicos poderiam investigar a mudança das galáxias quando vão de regiões de baixa densidade do cosmos, para regiões de mais elevada densidade – e quais processos físicos são responsáveis por essas mudanças. galaxy_560 A partir de 2007, os usuários comuns de computador ajudaram os astrônomos registrando seus melhores palpites sobre qual galáxia pertencia a qual categoria…com a voz da maioria levando a classificações corretas. O projeto foi um sucesso, mas, como observa Schawinski, a IA o tornou obsoleto…“Hoje, um cientista talentoso com experiência em ‘aprendizado de máquina’, e acesso à computação em nuvem, poderia fazer tudo numa tarde”…Schawinski se voltou para a nova e poderosa ferramenta da “modelagem generalizada”, em 2016. Esta abordagem provou ser incrivelmente poderosa e versátil … pois fornece a possibilidade de, alimentando o sistema com determinado conjunto datado de modelos… — à medida que o programa analisa esses…dados genéricos…começa a estabelecer conexões entre imagens,  ao incluir a possibilidade de “alterações temporais” – em sua estrutura física individual. ‘Redes adversas geradoras’ (GANs) são os sistemas de ‘modelagem generalizada’ mais conhecidos. Após uma exposição adequada aos ‘dados iniciais’, esta rede pode reparar imagens com pixels danificados ou ausentes…ou mesmo tornar nítidas fotos borradas, aprendendo a inferir a informação faltante por meio de uma ‘competição’ (daí o termo ‘adverso’). Parte da rede (generalizadora) produz dados falsos…enquanto outra parte (discriminadora) tenta distinguir dados falsos de dados reais…Conforme o programa          é executado, essas 2 metades tendem a se aperfeiçoarem cada vez mais. – Em suma, a ‘modelagem regenerativa’ aloca conjuntos de dados (normalmente imagens, mas nem sempre) e divide cada um deles… em um conjunto básico de blocos de construção abstratos…Os cientistas chamam isso de “espaço latente” dos dados. — O algoritmo então, manipula os elementos desse espaço latente, para ver como isso afeta os dados originais, e isso ajudará a descobrir “processos físicos” em funcionamento no sistema. Num artigo publicado recentemente na “Astronomy & Astrophysics”, Schawinski e seus colegas de Zurich…Dennis Turp e Ce Zhang empregaram a…modelagem generalizada para investigar mudanças físicas pelas quais as galáxias passam, à medida que evoluem.      (O software usado trata o “espaço latente” de modo um pouco diferente da forma como uma rede adversa geradora o trata…não sendo tecnicamente um GAN, embora similar).    O modelo criou um conjunto de ‘dados artificiais como forma de testar hipóteses sobre processos físicos. Eles perguntaram…como a “extinção” estelar (“redução acentuada na taxa de formação”) se relaciona — no ‘ambiente galático’…ao aumento dessa densidade. Para Schawinski, a questão principal é saber quantas informações sobre os processos estelares e galáticos poderiam ser extraídas apenas dos dados. E sobre isso…ele abriu          uma questão: “Vamos apagar tudo o que sabemos sobre astrofísica… – Até que ponto poderíamos redescobrir esse conhecimento…utilizando apenas seus próprios dados?” Primeiro, as imagens galáticas seriam reduzidas ao seu ‘espaço latente’; então…Schawinski poderia ajustar um elemento desse espaço, de forma que correspondesse a uma mudança particular no seu ‘ambiente galático’ – a densidade ao redor…por exemplo. – Assim ele poderia reconstruir a galáxia…e ver quais diferenças surgiriam.    E disse…“Agora com uma ‘máquina de fazer hipóteses’ posso pegar um monte de galáxias originalmente num ambiente de baixa densidadee dessa maneira tentar adaptá-las a um ambiente de mais elevada densidade.” Dessa forma, Schawinski, Turp e Zhang observaram que conforme as                                galáxias vão de ambientes de baixa para alta densidade, elas se tornam                                mais avermelhadas — e suas estrelas tendem a se concentrar mais na                                região central da galáxia. – Segundo Schawinski… isso coincide com as                                  observações galáticas existentes. — A questão, é saber por que acontece. Buscando “respostas gerais”                                                                                                  A próxima etapa – diz Schawinski…ainda não foi automatizada… “Eu teria que me                acessar como humano, e dizer…OK, que tipo de física poderia explicar esse efeito?” Para o processo em questão, há duas plausíveis explicações talvez as galáxias se tornem avermelhadas em ambientes de alta densidade – porque contêm mais poeira, ou talvez se tornem mais vermelhas devido a um declínio na formação estelar – ou seja…suas estrelas tendem a envelhecer. – Através da modelagem generalizada, ambas as ideias podem ser colocadas à prova ao alterarmos os elementos no ‘espaço latente’ relacionados à poeira,    e às taxas de formação estelar, para então verificarmos como isso afeta a cor das galáxias. Nesse caso Schawinski diz que a resposta é evidente…“Galáxias avermelhadas estão onde    há reduzida formação estelar, e não devido à poeira. Essa portanto é a explicação correta”. Essa nova abordagem está relacionada à ‘simulação tradicional’ – mas com diferenças radicais. Uma simulação é “essencialmente baseada em suposições”, disse Schawinski;    enquanto a nova técnicaé do tipo: “Acho que sei quais as leis físicas subjacentes que        dão origem a tudo o que vejo no sistema; portanto tenho uma receita para a formação        de estrelas, bem como uma receita para o comportamento da matéria escura…e assim    por diante. Coloco todas as minhas hipóteses lá…e deixo a simulação rodar. – E então pergunto – isso parece com a realidade?”… O que se faz na ‘modelagem generalizada’,      diz ele, é em certo sentido…exatamente o oposto de uma simulação…Não sabemos de nada…não assumimos nada. Só deixamos que os dados nos mostrem qual a realidade. Como explicou Schawinski…“O aparente sucesso do ‘método generalizante’ em um estudo como este, parece representar uma mudança no grau em que o aprendizado sobre objetos e processos astrofísicos pode ser alcançado por um ‘sistema artificial’ que tem pouco mais na ponta de seus dedos eletrônicos do que um vasto conjunto de dados. – Essa não é uma ciência totalmente robotizada; mas demonstra que somos capazes de, ao menos em parte, construirmos as ferramentas que tornam o processo científico basicamente automatizado”. Assistentes que“dão duro” Amodelagem generalizadaé poderosa, mas a questão se de fato, ela representa uma novaabordagem científica – está aberta ao debate…Para o cosmólogo da “New York University”…David Hogg, a técnica é impressionante, mas apenas um modo ‘bastante sofisticado’ de se extrair padrões de certa quantidade de dados…coisa feita há séculos      por astrônomos. Noutras palavras, é só uma forma avançada de ‘observação analítica’. O próprio trabalho de Hogg – como o de Schawinski…apoia-se fortemente na ‘IA’. Ele costuma aplicar ‘redes neurais’ para classificar estrelas…de acordo com seus espectros,      e inferir outros atributos físicos estelares – empregando “modelos baseados em dados” (data-driven models). Mas ele vê seu trabalho, assim como o de Schawinski, como um    tipo de “ciência testada e comprovada” (“tried-and-true science”)…“Não acho que seja    uma 3ª via” – disse ele recentemente… “Só acho que nós, como comunidade, estamos    nos tornando muito mais sofisticados sobre como usamos os dados…Particularmente, melhoramos muito na comparação de dados, mas tudo ainda no modo observacional”. Contudo, quer sejam conceitualmente novas ou não, está claro que a IA e redes neurais, passaram a desempenhar um papel crítico (decisivo) na ‘astronomia contemporânea’, e      no desenvolvimento da pesquisa física. No Instituto de Estudos Teóricos de Heidelberg,    o físico Kai Polsterer chefia o grupo de…“astro-informática” – equipe de pesquisadores focada em novos métodos estatísticos de se fazer astrofísica. – Eles agora, por exemplo, têm aplicado um algoritmo de “aprendizado de máquina com o objetivo de extrair informações de redshift em conjuntos de dados galáticos; o que antes, era árdua tarefa.  Polsterer vê esses novos sistemas baseados em IA como ‘assistentes promissores’…que com suas…ferramentas…podem vasculhar os dados por horas…sem se entediar…ou reclamar das condições de trabalho. Como ele disse: “Esses sistemas podem fazer todo trabalho maçante…nos deixando fazer a ciência legal e interessante por conta própria”.  Mas não são perfeitos…Polsterer adverte, que ‘algoritmos’ só podem fazer o que foram treinados para fazer. – “O sistema é ‘agnóstico’… quanto à entrada mas dê a ele uma galáxia…e o software pode estimar seu desvio para o vermelho e sua idade, muito bem.  Nesse sentido — afinal…a supervisão de um cientista continua sendo essencial ao bom desempenho do trabalho…O pesquisador segue sendo responsável pela interpretação”. De sua parte, Nord, do Fermilab, adverte que é crucial que as redes neurais forneçam não apenas resultados, mas também limites de erro para acompanhá-las, como todo aluno de graduação é treinado para fazer. Como ele explicou: “Na ciência, se fizermos a medição, e não relatarmos uma estimativa do erro associado… – ninguém levará o resultado a sério”.  Como muitos pesquisadores de ‘IA’, Nord também se preocupa com a impenetrabilidade dos resultados produzidos pelas redes neurais; frequentemente, um sistema fornece uma resposta sem oferecer uma imagem clara de como o resultado foi obtido. – Todavia, nem todos – nesse caso, veem a falta de transparência – como necessariamente um problema. Lenka Zdeborová, pesquisadora do Instituto de Física Teórica do ‘CEA Saclay’ na França, ressalta que as intuições humanas costumam ser igualmente impenetráveis… “Você olha para uma fotografiae instantaneamente reconhece um gato – mas você não sabe como sabe…Na verdade”…disse ela…“seu próprio cérebro é, em certo sentido, uma caixa preta”. data-driven-model Mas não são apenas os astrofísicos e cosmólogos, que estão migrando em direção à uma ciência movida a dados, e alimentada por IA. Físicos quânticos como Roger Melko, do ‘Perimeter Institute for Theoretical Physics’, e da ‘University of Waterloo’ — em Ontário, têm usado redes neurais para resolver alguns dos problemas mais importantes e difíceis nesse campo, tal como representar uma função de onda que descreva matematicamente um sistema de muitas partículas. IA é essencial para o que Melko chama de “a maldição exponencial da dimensionalidade”. Isto é, as possibilidades na forma de uma ‘função de onda’ crescem exponencialmente com o número de partículas; no sistema que descreve. A dificuldade é semelhante a tentar descobrir a melhor jogada, em um jogo                          como ‘xadrez’ ou ‘Go’…tentamos olhar para a próxima jogada, imaginando                          o que nosso oponente vai jogar – para em seguida – escolhermos a melhor                            resposta… porém, a cada jogada… o número de possibilidades prolifera.  A “mente mecânica”, e a nova “revolução científica”                                                    Se Schawinski está certo ao afirmar que encontrou uma “terceira via”…de como fazer ciência – ou se…como diz Hogg – é apenas observação tradicional e análise de dados          (com esteroides) a verdade é que a IA está mudando o sabor da descoberta científica,  certamente, a acelerando. Só não se sabeé até onde nos levará essa nova revolução. Lee Cronin, químico da Universidade de Glasgow, tem usado robôs na mistura aleatória    de produtos químicos…para ver que tipos de novos compostos se formam. Monitorando    reações em tempo real com um espectrômetro de massa – uma máquina de ressonância magnética nuclear…e um espectrômetro infravermelho, o sistema acabou aprendendo a prever quais combinações seriam mais reativas…Como disse Cronin, o sistema robótico mesmo que não leve a novas descobertas — poderia permitir a aceleração das pesquisas químicos, em cerca de 90%…Já no ano passado, uma outra equipe de cientistas usou as redes neurais para deduzir leis físicas de um conjunto de dados. — Nesse sistema…uma espécie de Robô-Kepler redescobriu o modelo heliocêntrico do sistema solar, a partir    de registros da posição do Sol e de Marte no céu…como vistos da Terra – e dessa forma, ‘reconheceu’ a lei da conservação do momento. Visto que as leis físicas frequentemente podem ser expressas em mais de um modo – a dúvida dos pesquisadores é se o sistema pode oferecer novas maneirastalvez mais simples, de pensar sobre as leis conhecidas. Todos esses são exemplos de como a IA deu partida ao processo da descoberta                      científica. Embora em todos os casos possamos debater o quão revolucionária                      pode ser essa nova abordagem, talvez o mais controverso desses casos, seja a                    questão de quanta informação pode ser obtida, apenas dos dados disponíveis.       the-book-of-why-1 No livroThe Book of Why(2018)…a cientista da computação Judea Pearl — junto à escritora científica Dana Mackenzie afirma que os dados são profundamente idiotas. — Perguntas sobre “causalidade” nunca poderiam ser respondidas somente com dados. E elas escrevem: “Sempre que você encontrar algum ‘artigo’ – analisando os dados de uma forma não padronizada, pode ter certeza de que o resultado de um tal estudo, simplesmente resumirá…e talvez transformará, todavia … nunca poderá ‘interpretar’ os dados”. Schawinski simpatiza com a posição de Pearl, mas descreve como falsa a ideia de trabalhar apenas  com dados. – Ele afirma não deduzir causa e efeito dessa maneira… – Segundo ele: “Apenas penso, que podemos fazer mais com esses dados do que é comum fazermos”. Outro argumento frequentemente mencionado é que a ciência requer uma ‘criatividade’ que pelo menos até agora, não temos ideia de como programá-la numa máquina. Como disse Polsterer: “Criar racionalmente uma teoria exige criatividade. E cada vez que esta      é exigida, o humano se faz necessário”… — E de onde vem essa criatividade?…Polsterer suspeita que esteja relacionada ao tédio, algo que segundo ele…uma máquina não pode experimentar. “Para ser criativo, não podemos gostar de ficar entediado. E eu acho que    um computador nunca ficará entediado”…Nesse sentido…pode-se dizer que a luta para descrever o que se passa dentro da…“mente”…de uma máquina … é sempre espelhada pela dificuldade que costumamos ter em investigar nossos próprios processos mentais. Schawinski recentemente deixou a academia pelo setor privado… – agora ele dirige uma empresa chamada “Modulos” – empregando vários colegas cientistas. Como diz seu site, eles trabalham… “no ‘olho da tempestade evolutiva’…em IA e aprendizado de máquina”. Quaisquer que sejam os obstáculos que possam existir entre a tecnologia de IA atual – e      as mentes artificiais desenvolvidas…ele acredita que as máquinas estão preparadas para fazer mais e mais do trabalho humano… Resta saber se existe um limite nesse horizonte. E Schawinski pergunta“Será possível, num futuro previsível, construir uma máquina capaz de descobrir…usando hardware biológicoa física ou matemática que as mentes humanas mais brilhantes não sejam capazes de fazer por conta própria?… – Será que o futuro da ciência será necessariamente…impulsionado por máquinas operando a um nível…que nunca poderemos alcançar?”… É uma boa questão. (texto base – mar/2019)  *****************************(texto complementar)****************************** Inteligência artificial, Rede Neural e sistemas cognitivos                                          Cada uma dessas definições, em sua própria essência…está ligada                                              a diferentes práticas…protocolos, e tecnologias do mundo virtual. machine_learning Inteligência artificial é um conceito de certo modo simples e bem abrangente.        Podemos resumir a IA de forma bem sintética, como um conceito que se refere a        máquinas capazes de executar tarefas de um modo considerado… “inteligente”.            Pela infinidade de tarefas que se pode ensinar a uma máquina, e igual infinidade                de modos pelos quais ela pode executá-las…vemos quão abrangente é o conceito. Machine Learning (aprendizado de máquinas, em tradução livre) é a aplicação            baseada na ideia de darmos dados às máquinas e deixar elas aprenderem … por si mesmasÉ assim como uma IA que tem como missão criar testes para analisar o comportamento criativo humano — para então aprender como nós resolvemos os          nossos problemas. A partir daí, poderia criar criativas máquinas autossuficientes. É assim que a aprendizagem de máquinas funciona – também, no “mundo real”. Disponibilizamos para a máquina um ambiente em que ela possa acessar dados,                    e a partir de análises desses dados, ela pode chegar a conclusões inteligentes – e          definir padrões…ou seja, aprender. Qual a vantagem?… Quanto mais a máquina        aprender por ela mesmo…maior a complexidade de tarefas que poderá executar.            Além disso, ela pode se tornar capaz de cumprir atividades inéditas, “pensando”                  em soluções baseadas em tudo aquilo que observou … ao longo de suas análises. Como funcionam as “redes neurais” As redes neurais artificiais são um tipo de Machine Learning. A característica                mais marcante das redes neurais, é sua…”estruturação”…semelhante à rede de            neurônios em nosso cérebro. – São sistemas compostos por vários nós…que se interconectam em diversas ramificações. As redes neurais aprendem por meio                    da atualização e ampliação desses laços e interconexões…”Deep Learning”…ou              “Deep Neural Network”, abrange um sistema onde os neurônios se organizam                  em…”camadas ocultas”… – por baixo da superfície da… “rede neural artificial”. O “aprendizado profundo” não é um conceito recente, porém tem ganhado visibilidade      e importância…graças ao avanço da tecnologia…Do mesmo modo que apenas os dados estruturados dobig dataeram relevantes… — e agora, é possível extrair informações estratégicas dos dados não estruturados…hoje — com uma quantidade muito maior de dados e processadores mais potentes, o Deep Learning se tornou mais eficiente. Agora        é possível encontrar resultados para problemas complexos, com muito mais facilidade.
shutterstock

Todo nó contém informações. A cada vez que uma relação lógica é estabelecida entre os nós surge uma nova conexão os ligando. E novos nós com, por sua vez, novas conexões.

“Computação cognitiva” A computação cognitiva é um conceito abrangente e complexo…embora ainda esteja sob a definição de IA. – Existem controvérsias e mais de uma definição. Todaviavamos considerar que é uma  computação…focada na racionalização e compreensão de alto nível…de forma análoga à…’cognição humana‘…ou, ao menos inspirada por ela… conforme  Lynne Parker — diretora da divisão de sistemas de informação da Fundação Nacional de Ciências” … — dos ‘EUA’. É…portanto – um sistema que utiliza uma vasta gama de técnicas de aprendizado de máquinas. Mas não misturemos os conceitos!…Computação cognitiva, por si só, não            é um método de “Aprendizado de Máquinas”. De acordo com Lynne, seria mais uma “arquitetura de subsistemas de IA trabalhando em conjunto”…E Thomas Dietterich, professor da “Oregon State University”, argumenta que: “Esse subconjunto lida com cognição, que se refere a comportamentos associados que associamos com o pensar”. ‘Máquinas’ são capazes de pensar?… – Não… Elas ainda não são dotadas desse tipo de inteligência, estando bem longe disso. Elas ainda não são autossuficientes, até mesmo          o ‘Machine Learning’ não é plenamente criativo… – No entanto, a tecnologia avança…        Será então que ainda vamos ver máquinas realmente capazes de pensar?… Talvez isso      seja improvável, mas que elas estão se dedicando…é inegável. (texto base) mar/2016  

Sobre Cesarious

estudei Astronomia na UFRJ no período 1973/1979.
Esse post foi publicado em Cibernética, comunicação, Teoria do Caos e marcado , , , , , . Guardar link permanente.

Uma resposta para A hora e a vez da ‘inteligência artificial’

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair /  Alterar )

Foto do Google

Você está comentando utilizando sua conta Google. Sair /  Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair /  Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair /  Alterar )

Conectando a %s