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?

inteligência artificial

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 pormodelagem generalizadapode 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.

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 sistemacom 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?”

As imagens galáticas seriam reduzidas ao seu…’espaço latente’ – então, Schawinski ajustaria um elemento desse espaço … de maneira que correspondesse a particular mudança no seu…’ambiente galático’ – a densidade ao redor…por exemplo. Assim, ele poderia reconstruir a galáxia vendo quais diferenças surgiriam...Agora, com uma ‘máquina de fazer hipóteses’…posso pegar galáxias em um ambiente de baixa densidade…e tentar adaptá-las – a outro, de mais alta densidade”… comentou ele.

Dessa forma, Schawinski, Turp e Zhang observaram queconforme 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 técnica…é 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”

A ‘modelagem generalizada’ é poderosa, mas a questão se de fato, ela representa uma nova…abordagem 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, conforme seus espectros e, inferir outros atributos ‘físicos estelares’ ao empregar… “data-driven models” — (‘modelos baseados em dados‘). Mesmo assim – ele vê…seu trabalho (como o de Schawinski) um modo de“ciência testada e comprovada”, isto é…tried-and-true science.

Como disse Hogg“Não acho que seja uma 3ª via. — Só acho que nós, como comunidade, estamos nos tornando bem mais sofisticados sobre como usamos os dados. Em particular, melhoramos muito na comparação de dados … mas tudo ainda, no…modo observacional”.

Porém, 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 avanço 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 tarefa árdua.  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: “Estes 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 (‘Fermilab’) adverte que é crucial que as redes neurais forneçam não apenas resultados, mas também limites de erro em 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… — seu próprio cérebro — em certo sentido — é uma…caixa preta”.

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 — num 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 sabe…é 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 maneiras…talvez mais simples, de pensar sobre as leis conhecidas.

Todos estes 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 abordagemtalvez o mais controverso desses casos, seja a                    questão de quanta informação pode ser obtida…apenas dos dados disponíveis.

the-book-of-why-1No livro The 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 apenas com dados. – Para elas: “Sempre que encontrar algum artigo analisando dados de uma forma não padronizada pode ter certeza de que o resultado de tal estudo — resumirá…e talvez transformará, todavia – nunca poderá ‘interpretar’ os dados”.  Schawinski simpatiza com a posição de Pearlmas descreve como falsa a ideia de trabalhar só com dados. Ele afirma não deduzir assim causa e efeito; propondo uso melhor de dados.

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 biológico…a física ou matemática que as mentes humanas mais brilhantes… não sejam capazes de fazer – por conta própria?… – Será o futuro da ciência necessariamente impulsionado por máquinas … operando a um nível…que nunca poderemos alcançar?”… É uma boa questão. (texto base – mar/2019)  *******************************************************************************

Cientista propõe ‘teoria unificada’ da “inteligência artificial” (abr/2010)              Nas décadas de 1950 e 1960, os pesquisadores da nascente “inteligência artificial” dedicaram-se à tentativa de descobrir como o pensamento funciona – e, em quais        regras esse funcionamento se baseia. – Mas essas regras logo revelaram-se muito          mais complicadas do que se poderia imaginarDesde então, as pesquisas sobre a inteligência artificial têm-se apoiado… – não em regras bem definidas – mas…em ‘probabilidades’ padrões estatísticos que os computadores podem aprender … a        partir da análise de grandes conjuntos de dados – ditos… “dados de treinamento”.

Revivendo antigos modelos baseados em regras, com os resultados mais recentes dos sistemas probabilísticos, cientista cria uma linguagem de computador que pode revolucionar o campo da inteligência artificial. [Imagem: MIT]

Inteligência probabilística

O enfoque probabilístico tem sido responsável pela maior parte do progresso atual no campo da inteligência artificial; como em sistemas de reconhecimento vocal ou tradução automática de textos entre idiomas diferentesMas Noah Goodman – cientista do MIT … que divide seu tempo entre o…Dpto de Ciências Cognitivas e Cerebrais e o…’Laboratório da Computação e Inteligência Artificialpensa que a “IA” cedeu muito ao desistir de suas regras. Combinando velhos ‘sistemas normativos’ com insights dos sistemas probabilísticos mais recentes… ele achou uma forma para modelar o pensamento que poderá ter grandes implicações no campo da inteligência artificial e da ‘ciência cognitiva’.

Linguagem matemática (probabilística)                                                                          Os primeiros pesquisadores da inteligência artificial viam o pensar como uma                      “inferência lógica” — se sabemos que as aves podem voar — e sabendo que um        pintassilgo é uma ave, podemos então deduzir que os pintassilgos podem voar.

Um dos primeiros projetos de inteligência artificial foi o desenvolvimento de uma linguagem matemática, muito parecida com linguagem de computador…por meio                da qual… afirmações como “as aves podem voar” e “pintassilgos são aves”, fossem codificadas. Sendo tal linguagem rigorosa o suficiente, algoritmos de computador      seriam capazes de rastrear alegações escritas com ela … e calcular todas deduções logicamente válidas… — Com a posse de linguagens tão desenvolvidas como essa, pesquisadores poderiam então usá-las — para codificar montanhas de afirmações          do… senso comum” – que seriam armazenadas em gigantescas…”bases de dados”.

O problema com esta abordagem é que, por exemplo, nem todas as aves podem voar.          E entre as aves que não voam, há diferenças fundamentais de um canarinho que não    pode voar porque está em uma gaiola, para um canarinho que não voa por estar com    uma asa quebrada, e mais outra distinção totalmente diferente, entre canarinhos em qualquer situaçãoe um pinguim. As linguagens matemáticas que os pesquisadores pioneiros da ‘inteligência artificial’ desenvolveram … eram flexíveis o suficiente para representar essas distinções conceituais…mas, escrever todas distinções necessárias, mesmo para tarefas cognitivas básicas mostrou-se bem mais difícil que o previsto.

Na ‘inteligência artificial probabilística’, por outro lado, um computador é alimentado      com um monte de exemplos de alguma coisa como fotos de pássaros e é levado a deduzirpor conta própria, o que esses exemplos têm em comum. Essa abordagem funciona muito bem com conceitos concretos – como “ave”mas tem problemas com conceitos mais abstratos por exemplo… ‘voar’ uma capacidade compartilhada por pássaros, helicópteros, pipas e super-heróis. — Pode-se apresentar uma imensidão de imagens de coisas em pleno voo a um sistema probabilístico‘ – mas, mesmo que este consiga descobrir o que todas têm em comum, é muito provável que…incorretamente, identificará nuvens, ou o sol, ou as antenas no topo dos edifícios…como ‘instâncias de        voo’. – E há que se considerar que, nesse caso…”voo” é um conceito concreto, quando comparado a outros conceitos…como…digamos… — “gramática”…ou…”maternidade”.

“Linguagem Church”                                                                                                Estabelecido que um pintassilgo é uma ave, um programa escrito em Church é capaz        de concluir que os pintassilgos provavelmente podem voar…Mas se for informado ao programa que um pintassilgo pode pesar quase 100 kg, ele pode rever sua estimativa inicial, concluindo que – na verdade, os pintassilgos provavelmente não podem voar.

Como uma… “ferramenta de pesquisa”, Goodman desenvolveu uma linguagem de programação, chamada … “Church“, em homenagem ao grande lógico norte-americano Alonzo Church – que, como as primeiras linguagens da inteligência artificial – inclui “regras de inferência”. Mas essas regras são probabilísticas. E, de acordo com Goodman, “desse modo, ganhamos a estruturação de graça”.

Um programa em Church que nunca se deparou com um pássaro que não pode voar, inicialmente vai definir a probabilidade de que qualquer pássaro voe em 99,99 %. Mas, conforme ele mais aprende sobre emas, pinguins e pintassilgos em gaiolas com as asas quebradas – mais ele revê suas probabilidades… para considerar as novas informações.  Em última instância probabilidades representam todas distinções conceituais que os pesquisadores iniciais de ‘inteligência artificial’ teriam de codificar manualmente. Mas,        o sistema em ‘Church’ aprende essas distinções por si mesmoao longo do tempo – de modo bem similar ao que seres humanos aprendem novos conceitos…e reveem antigos.

Nick Chater … professor de ciências cognitivas da “University College London”, comenta que“O que é incrível aqui… é que o sistema permite construir um modelo cognitivo de uma forma absurdamente mais simples e transparente do que era possível até então. Podemos pensar em todas as coisas que um ‘ser humano’ conhece – tentar listá-las seria uma tarefa sem fim. Mas aqui…o ‘truque mágico’ está dizendo… Não, diga-me apenas algumas poucas coisas e então o cérebro, ou neste caso – o sistema em ‘Church’, pode fazer o resto, usando cálculo probabilístico e traçando todas consequências e inferências.    E também, ao incluir novas informações ao sistema, pode descobrir suas consequências”.

Mas ele também adverte que, embora os programas em ‘Church’ tenham um excelente desempenho em tarefas específicasatualmente eles exigem recursos computacionais intensivos demais para servirem como “simuladores da mente” de propósito geral. E o pesquisador adverte que: “Isto é um problema sério se estivermos pensando em rodar  este programa para resolver todos problemas do mundo. Mas o sistema acabou de ser construído, e tais coisas são sempre muito mal otimizadas em suas primeiras versões.”

Chater conclui dizendo que simplesmente fazer o sistema funcionar já é um grande feito: “É o tipo de coisa que alguém poderia produzir como uma sugestão teórica, e você pensa: ‘Uau, isso é fantasticamente inteligente, mas eu tenho certeza de que você nunca vai fazê-lo funcionar na prática’… – E o milagre… é que o sistema roda… e funciona.” (texto base) *********************************************************************************

Robô dá primeiros sinais de consciência (abr/2011)                                                      Ainda não é um robô no sentido comum do termo, porque ainda não tem um corpo. Mas    é o que mais aproxima até hoje daquilo que se poderia chamar de uma “mente robótica”.

Os pesquisadores defendem que seu agente de software LIDA tem “consciência funcional”, diferente da “consciência fenomênica” apresentada pelos humanos. [Gengiskanhg/Wikimedia]

Stan Franklin da ‘Universidade de Memphis’, com a… “participação especial”… de Bernard Baars, do ‘Instituto de Neurociências’ de San Diego, e ainda com a colaboração do filósofo Tamas Madl da “Austrian Research Institute for Artificial Intelligence“, recém projetaram um programa de “animação robótica” … que, pela primeira vez … conseguiu completar os testes padronizados de avaliação doestado de alerta – ou de “consciência” no mesmo intervalo de tempo — gasto por…”humanos”. 

O nome dessa ‘consciência robótica’ é LIDA, sigla para “Learning Intelligent Distribution Agent“…”Agente de Distribuição Inteligente do Aprendizado”… – em uma tradução livre. 

O programa foi inspirado por uma teoria bem estabelecida sobre a “consciência humana”, chamada “Teoria do Espaço de Trabalho Global” (TAG) – ou GWT, sigla do inglês “Global Workspace Theory”. De acordo com esta teoria, o processamento inconsciente da captura e processamento de imagens e sons, por exemplo… é feito em diversas regiões autônomas do cérebrotrabalhando paralelamente. Nós nos tornaríamos conscientes da informação apenas quando ela é tida importante o suficiente para ser “transmitida” ao “ambiente de trabalho global” uma rede de neurônios interconectados…espalhada por todo o cérebro.

Quem decide o que é importante para ser transmitido … a teoria não diz, mas ela afirma que aquilo que experimentamos como consciência é justamente essa “transmissão”, que permite que informações sejam compartilhadas por diferentes áreas do cérebroVários experimentos – usando eletrodos para detetar a atividade cerebral… têm dado suporte a essa noção de difusão das informações pelo cérebro como base da consciência – embora    o modo da teoria se traduzir em cognição e experiência consciente, é algo ainda obscuro.

Mente robótica … Robô versus humano                                                                      LIDA é uma “mente artificial” inteiramente gerada por software, ao                            contrário de experimentos de…”inteligência artificial” – que tentam                              replicar os próprios neurônios ou construir um cérebro em um chip.

O professor Stan Franklin e colegas implementaram a teoria em um programa voltado para o ‘controle robótico’ – ‘enriquecendo’ as bases da TAG com hipóteses sobre como esses processos de difusão da informação no cérebro se coordenam. O resultado…foi a mente robótica…”LIDA“…que Franklin acredita ser uma reconstrução do processo de cognição do ‘cérebro humano’. – Seu funcionamento baseia-se na ideia da consciência      se compor de uma série de ciclos com poucos milissegundos, e cada um subdividido      em estágios inconscientes e conscientes. Entretanto, só o fato desses ‘ciclos cognitivos’ serem consistentes com algumas características da ‘consciência humana’como ficou provado no experimento, não significa que é assim que a mente humana trabalha. Foi    por causa disso que a ‘mente robótica’ foi posta para competir com ‘mentes humanas’.

Para melhorar as ‘bases da comparação’ — ficou determinado que as temporizações              nos ciclos da LIDA, seriam as mesmas observadas em dados neurológicos humanos.          Para isso, os detetores de dados sensoriais do programa checaram as informações a      cada 30 milissegundos – justamente o tempo que o cérebro humano leva para fazer            a associação…entre uma imagem qualquer, e uma categoria textual correspondente.

A mente robótica foi submetida a 2 testes de consciência. O primeiroconsistia em uma versão do teste do “tempo de reação”, onde alguém deve apertar um botão…toda vez que uma“luz verde” acender à frente. LIDA gastoucerca de 280 milissegundos para apertar seu botão virtual – após a luz acender (um humano leva em média cerca de 200 ms). No 2º testesurge uma barra horizontal na base de uma tela, piscando e subindo em 12 posições. Numa velocidade lentaa linha é vista em movimentoEm alta velocidade surgem 12 linhas piscantes.

Quando os pesquisadores criaram um teste semelhante para LIDA, descobriram que,        em altas velocidades, ela também falha na percepção de que a linha está se movendo.        O que quer dizer – que a velocidade da ilusão de óptica robótica…é comparável à dos humanos… Mas, significaria isto que a mente robótica LIDA seja… “consciente”?

Robô consciente?…Pode um computador se tornar consciente?                            “Eu afirmo que LIDA é funcionalmente conscienteporque usa a difusão                       dos… ‘inputs’… para guiar suas ações e seu aprendizado”. (Stan Franklin)

O pesquisador estabelece uma nítida demarcação entre essa consciência funcional e            a chamada “consciência fenomenológica”, não atribuindo à sua mente robótica uma capacidade de subjetividade. Mas afirma que não há…em princípio, nenhuma razão        que impeça LIDA de um dia se tornar totalmente consciente:A arquitetura poderá      servir de base à consciência fenomênica; só precisamos saber como trazê-la à tona“.        

Se Stan estiver correto, e sua teoria tiver um poder explicativo do funcionamento da    mente humana suficiente para embasar a criação de uma mente artificial, resta uma questão de longo alcance: em que ponto um modelo de consciência pode ele próprio tornar-se consciente?…(se é que pode)…O pesquisador da Universidade de Palermo, Antonio Chellaafirma que, antes que se possa atribuir consciência a um agente de software como ‘LIDA’…ela vai precisar de um corpo. Para ele: “A consciência de nós mesmose do mundo é baseada em uma contínua interação entre nosso cérebro,        nosso corpo, e o mundo… Aguardo um robô LIDA”. Já seu colega Murray Shanahan,        da Imperial College London, discorda; para ele, um corpo robótico não é necessário. “Somente faz sentido se falar sobre consciência, no contexto de algo que interage de      forma intencional com um ambiente espaço-temporal. Mas eu fico satisfeito numa interação com ambiente virtual”, diz ele. – Enquanto isso, “o criador” Stan Franklin, afirma planejar construir uma versão de“consciência robótica”, capaz de interagir       com humanos, provavelmente de forma virtual – sem corpo robótico. “Quando isto acontecer, eu ficarei tentado a atribuir consciência fenomênica ao agente”, disse ele.

O problema é que, mesmo que LIDA consiga um dia ter experiências subjetivas,            como poderemos provar isto?… – Não existem testes objetivos da subjetividade:              não há como provar objetivamente – por exemplo… que cada um de nós não é o                único ser consciente de si mesmo, num mundo de zumbis. Como disse Franklin:              “Os filósofos veem lidando com isto por mais de 2.000 anos”. Para ele, talvez só              possamos aceitar que computadores tenham subjetividade … quando se tornem inteligentes e comunicativos…o suficiente. – E, se isto eventualmente acontecer,          restará saber se asinteligências artificiais serão capazes de evoluir‘. (texto base*************************************************************************

Inteligência artificial pode desenvolver preconceito por si própria (set/2018)      Por simulações de como “agentes virtuais” podem formar um grupo…e interagir entre si.

Pode parecer que o preconceito seja um fenômeno específico do ser humano que requer  da cognição humana uma opinião ou estereótipo de dada pessoa ou certo grupo. Porém, especialistas em ciência da computação e psicologia da “Universidade de Cardiff” (GRB)    e do ‘MIT’ (EUA) provaram matemática e experimentalmente, que grupos de máquinas autônomas podem demonstrar…”preconceito” simplesmente identificando, copiando      e aprendendo esse comportamento umas das outras — quer dizer … uma máquina pode adquirir “preconceito” — independente de… “seres humanos” — que as ensinem a odiar.

Embora alguns tipos de algoritmos de computador já tenham apresentado preconceitos, baseados no aprendizado de…’registros públicos’…e outros dados gerados por humanos, esse novo trabalho mostra a possibilidade da “inteligência artificial” desenvolver grupos preconceituosos por conta própria. Mais do que isso, o trabalho prova que a emergência do preconceito não requer alto nível de capacidade cognitiva, podendo ser desenvolvido por máquinas simples. Tal comportamento pode ser facilmente assimilado por robôs ou programas computacionais projetados segundo mecanismos da…”inteligência artificial”.

Jogos de estratégias

Em um jogo de dar e receber, cada indivíduo virtual toma uma decisão se doa algo para alguém dentro de seu próprio grupo, ou num grupo diversobaseando-se na reputação do indivíduo…e em sua própria estratégia que inclui seus níveis de preconceito…em relação    a pessoas de fora do seu grupo… No início da simulação todos agentes foram programados com seus…”níveis de preconceito”…idênticos.

Conforme o jogo se desenrola… — e um supercomputador acumula milhões de simulações, cada indivíduo começa a aprender novas estratégias, copiando o comportamento de outros agentes dentro de seu próprio grupo – ou de toda a população…Segundo o professor Roger Whitaker, porta-voz do grupo: “Executando essas simulações milhares e milhares de vezes, começamos a entender como o preconceito evolui… — e as condições que o promovem…ou impedem. As simulações mostram que o preconceito é uma força poderosa da naturezae, por meio da evolução, pode facilmente ser incentivado em populações virtuais, ao invés da conectividade mais ampla com os outros. A proteção contra grupos preconceituosos pode inadvertidamente levar indivíduos a formar outros grupos preconceituosos, resultando em uma população totalmente dividida. Tal preconceito, generalizadoé difícil de reverter”.

Máquinas simples com decisões perigosas

Os resultados envolvem ‘indivíduos virtuais’ que atualizam seus níveis de preconceito copiando preferencialmente aqueles que obtêm um retorno mais alto, em curto prazo,      de suas decisões – o que significa que essas decisões – necessariamente – não exigem habilidades cognitivas avançadas — podendo ser representadas — por exemplo… pela capacidade computacional incorporada em “veículos autônomos”… ou até mesmo em dispositivos simples como os da Internet das Coisas. Outra constatação interessante          da simulação…foi que, sob condições particulares – que incluem subpopulações mais distintas presentes numa população…é mais difícil que o preconceito se estabeleça. E concluiu Whitaker: “Com um nº maior de subpopulações…alianças de grupos podem cooperarsem serem exploradas. — E isso também diminui sua condição de minoria, reduzindo a suscetibilidade ao preconceito. Porém, isso também exige circunstâncias,    nas quais os agentes tenham maior interesse, de interagir fora do grupo”. (texto base*****************************(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 mesmas…É 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.

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.

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. Segundo… Lynne Parker diretora da ‘divisão de sistemas de informação’ da ‘Fundação Nacional de Ciências’, EUA:

Computação cognitiva… – é uma  computação focada na ‘racionalização’ e compreensão de alto nível, de forma análoga à…cognição humana…ou, ao menos – tendo sido inspirada por ela”.

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 relacionamos ao 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  ******************************************************************************

Inteligência artificial nos levará a uma Singularidade Tecnológica? (abr/2016)  Será que os programas de computador realmente se tornarão tão inteligentes quanto o homem…e estamos realmente caminhando para a chamada singularidade tecnológica?

singularidade-tecnologica

Uma recente conferência, realizada em Berlim/Alemanha … reuniu os maiores especialistas do mundo em inteligência artificial — para debater a questão, que cientistas, futurólogos… e especialistas,          em geral…se fazem há décadas… Até         onde pode ir a…inteligência artificial?

A ‘singularidade tecnológica‘ é definida como uma data no futuro quando a inteligência das máquinas supera a nossa própria inteligência… – e passa a melhorar-se a um ritmo exponencial… – não dependendo mais do ser humano… – E sobre esse mesmo assunto,  Danko Nikolic, neurocientista do Instituto Max Planck de Pesquisas do Cérebro, não se amedrontou de estar diante de uma plateia, formada pelos principais pesquisadores da ‘inteligência artificial‘… e — durante esta mesma reunião — fez uma afirmação ousada:

“Nunca faremos uma máquina mais inteligente do que nós…pois é                  impossível exceder a inteligência humana!…Assintoticamente, até    podemos dela nos aproximar… – porém… nunca… ultrapassá-la”. 

Nikolic está convencido de que, muitos pesquisadores de inteligência artificial que acreditam o contrário estão negligenciando um aspecto importante da inteligência humana — o cérebro não é o único hardware que os seres humanos precisam para         serem bons em aprender as coisas. – Para ele…as ferramentas mais básicas para o aprendizado são as instruções contidas em nossos genes, aprimoradas ao longo de       bilhões de anos de evolução…E, com base nesse argumento, Nikolic complementa:

“Técnicas de aprendizado de máquina podem imitar o cérebro, mas não contam com os elementos mais profundos…que nos ajudam a aprender; portanto…a única maneira de chegarmos perto de uma mente artificial    que aprenda tão bem quanto nós – é repetindo a evolução humana“.

Mas talvez a singularidade chegue em outras configurações…Para vários dos especialistas, participantes do debate – a singularidade tecnológica pode ser melhor imaginada como uma aceleração do ‘progresso humano’alimentada por imediatos ‘avanços tecnológicos’. Para eles trata-se de colocar as mentes humana e artificial juntas para resolver problemas do mundo real. O que aliás parece já estar acontecendo, conforme há pouco demonstrado.  Outro ponto levantado é que, sendo a “singularidade” atingida por inteligências artificiais formadas a partir de grandes quantidades de dados humanos, então devemos esperar que sejam tão diversas quanto nósse quisermos trabalhar com essas inteligências sintéticas.  Mas, no frigir dos ovos é difícil prever…não apenas qual seria o grande avanço que faria a inteligência artificial dar um salto tecnológico que levaria à singularidade, como também    o que aconteceria depois disso. Pois, tornando-se as máquinas mais inteligentes que nós, nossas mentes se tornariam inadequadas até mesmo para ‘imaginar’ o que elas seriam capazes de fazer…como assim alertou o artista e cientista da computação Mehmet Akten:

“A razão pela qual se chama de ‘singularidade‘, é que é um ponto além do                          qual se consegue enxergar. Uma vez que máquinas atinjam níveis humanos                          de inteligência…não se pode mais imaginar o que acontecerá”…(texto base) **********************************************************************

Continuamos sem saber como a “inteligência artificial” funciona (out/2018)        Os cientistas da computação sabem em termos (bem) geraiscomo as redes neurais se desenvolvem. Afinal, são eles que escrevem programas de treinamento que direcionam    os chamados “neurônios artificiais” – dos computadores… para se conectarem a outros neurônios. Sem embargo, tem havido grandes avanços na computação neuromórfica; entretanto, na…inteligência artificialatualmente – tudo são…”funções matemáticas”.

como-inteligencia-artificial-funcionaCada neurônio analisa uma informação, e se baseia nas informações dos “nós” anteriores. Com o tempo as conexões evoluem. Elas vão  de aleatórias a reveladoras, e então a rede aprende a fazer coisas, tais como…detetar indícios de câncer…muito antes de se tornar visível ao radiologista humanoidentificam rostos na multidão… dirigem carros … etc.

Essas são as boas notícias. – A notícia desconcertante é que, à medida que a ‘inteligência artificial’ desempenha um papel cada vez mais importante na vida dos…’seres humanos’, seus processos de aprendizado…estão se tornando cada vez mais obscuros. Justamente quando precisamos confiar neles — eles se tornaram…”inescrutáveis”, tornaram-se algo, que os próprios cientistas da computação chamam de… “caixa preta um apetrecho, que não revela seus dados… – que na verdade – esconde-os…de qualquer entendimento.    E, de acordo com o professor Stan Sclaroff, da “Universidade de Boston”, EUA: “Quanto mais confiamos nos sistemas de inteligência artificial para tomar decisões…como dirigir carros de forma autônoma… diagnosticar doenças… ou mesmo filtrar notícias…  — mais importante, é que os‘sistemas de inteligência artificial’ possam ser responsabilizados”.

Quem se propôs a tentar desvencilhar-se desse vexame…ou seja – ‘o criador não entender como sua criatura funciona’, foi a professora Kate Saenko, que teve uma ideia Ela pediu para que humanos olhassem dezenas de fotos descrevendo os passos que um computador poderia tomar em seu caminho para uma decisão, e então identificassem o caminho mais provável que o programa havia tomado para chegar à sua conclusão As respostas dadas pelos humanos faziam sentido … mas surgiu um problema faziam sentido para os seres humanos, e nós todos – ressalta Saenko, temos preconceitos. De fato, os humanos nem sequer entendem como eles mesmos tomam decisões. — Como então poderiam descobrir como uma ‘rede neural’, com milhões de neurônios e bilhões de conexões, toma decisões?

Cognição de máquina

Saenko então, partiu para um 2º experimento, com computadores…em vez de pessoas para ajudar a definir, exatamente, qual o roteiro cognitivo“… que as máquinas utilizam para aprender, desta vez, com outro programa para avaliar as explicações do 1º. — A pesquisadora detalhou como o experimento funciona:

“O 1º programa – a ‘rede neural’…fornece uma explicação de por que a decisão foi tomada, destacando partes da imagem que usou como evidência. O segundo programa, o avaliador, usa isso para obscurecer as partes importantes, e alimenta a imagem obscurecida de volta no programa inicial. – Se este não puder mais tomar a mesma decisão… – então as partes obscurecidas foram realmente importantes, e a explicação é boa. Porém, se ainda tomar a mesma decisão, mesmo com regiões obscuras – então a explicação é julgada insuficiente”.  A equipe ainda não chegou ao roteiro cognitivo da inteligência artificial. – Na verdadeo problema é tão complexo que eles pararam para discutirqual é o melhor método para explicar o processo de tomada de decisão de uma rede neural – o humano, ou o software?

Saenko ainda está relutante em escolher um vencedor: “Eu diria que não sabemos o que é melhor porque precisamos dos 2 tipos de avaliaçãoO computador não tem preconceitos humanos, então é um melhor avaliador nesse sentidoMas continuamos com a avaliação humana no circuito porque, afinal, sabemos como os humanos interagem com a máquina.” Então estamos fadados a confiar em programas computacionais que não compreendemos como funcionam?… Saenko prefere se concentrar em aspectos mais práticosdestacando outras questões…“Esse tipo de avaliação aumenta a confiança humana nas redes neurais? Se você tivesse um ‘carro autônomo’ e pudesse explicar por que ele está dirigindo de certa forma — isso realmente faria alguma diferença para você?… — Eu responderia ‘sim’…Mas também diria que precisamos de muito mais pesquisas”… – concluiu Saenko. (texto base**********************************************************************************

Robótica: Como romper o hiato entre simulação e realidade (ago/2021)          Fabricar robôs não é tão difícil – mas controlá-los… e colocá-los para fazer coisas interessantes e úteis é outra história – de fato… tem sido uma história frustrante.

Uma das alternativas à programação tradicional dos robôs está na chamada ‘robótica neuroevolucionária’, que permite aos robôs aprenderem e evoluírem seus comportamentos… — Tal abordagem é…em especial, adequada para controlar grupamento de robôs…que, juntos, podem realizar ‘grandes tarefas’. O professor Mauro Birattari da Escola Livre de Bruxelas, explica que“Esses métodos podem viabilizar uma indução de comportamentos humanoides nos robôs, mas até onde sei a robótica neuroevolucionária ainda não é normalmente adotada em aplicações do mundo real”. Para ajudar nesse esforço, Birattari fez um relatório de uma análise comparativa das técnicas, buscando as mais promissoras — para que então as… ‘equipes experimentais’…possam colocar a…”mão na massa”.

Técnicas de “robótica evolutiva”

Todas abordagens da robótica neuroevolucionária usam ‘algoritmos evolutivos’ para gerar uma rede neural controlando os robôs, ou seja, fazendo leitura dos sensores como entrada, e gerando saídas na forma de comandos de um ‘atuador’. Estes métodos usam ‘simulações’ para gerar uma ‘rede neural’ apropriada para cada missão específica, a ser cumprida pelos robôs. Uma vez gerada em simulação…a rede neural é instalada/testada nos ‘robôs físicos’.

Ao comparar os diferentes métodos, os pesquisadores observaram uma espécie de “hiperespecialização” no projeto – para o ambiente de simulação… e a rede neural        acaba se tornando incapaz de generalizar para o ‘mundo real’…impedindo assim a passagem à etapa seguinte de… ‘testes robóticos’. – Isto é o que Birattari e colegas chamam de uma…”lacuna de realidade”…ou seja, a simulação e a realidade não se encontram. – Embora o simulador seja bem preciso, as diferenças são inevitáveis.

Como ilustrou Birattari: “Se, por exemplo, os robôs precisam se mover para frente e para trás entre 2 áreas, uma solução que o…’processo evolutivo’…pode buscar … na simulação – é produzir uma…’rede neural’  que faça o robô se mover…ao longo de um caminho circular, tocando ambas as áreas.

Tal elegante solução, funciona muito bem, em simulação…porém, aplicada aos robôs, falharia miseravelmente Isso porque, se o diâmetro real de uma de suas rodas…for um mínimo diferente do valor nominal…o raio da trajetória será diferente…não mais passando pelas 2 zonas, como o desejado”.

Embora pareça contra-intuitivo…a solução encontrada não está no aprimoramento das simulações, mas justamente em reduzir seu poder, adotando, por exemplo, um método que possa produzir uma gama limitada de comportamentos. – Isso então significa…aos pesquisadores, aceitar a obtenção de resultados piores nas simulações, e desse modo, o método não funcionará tão bem na etapa “projeto/simulação” pois não será capaz de explorar todas possibilidades. – Contudo, sendo menos especializado…o resultado terá maior probabilidade de ser generalizado para a realidade. Assim, o conselho da equipe      é: “Para robôs com comportamentos complexos…a ponto de operarem realisticamente, devemos simplificar o projeto…quanto mais simples a simulação, melhor”. (texto base)

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