Inteligência Artificial, o que é isso afinal?

Vamos começar essa conversa com algo que pode chocar o ilustre leitor: A Inteligência Artificial não existe.

Agora que tenho sua atenção, o termo “IA” é na verdade um termo de marketing muito bem bolado por matemáticos e engenheiros da computação, afinal um bom nome gera atenção e generosos financiamentos privados e governamentais, só olhar a quantidade de pesquisas, artigos e principalmente produtos e serviços que gostam de colocar termos como “nanotecnologia”, “quântico”, “inteligência artificial”, entre outros.

A IA pode ser classificada em dois grupos, que também não existem, a “IA Forte” e a “IA Fraca”, a IA Forte seria a senciência, pensamento abstrato. Uma IA Forte sabe que existe, possui pensamentos próprios, sonha e deseja. Isso ainda não existe e está longe de existir um dia.

A “IA Fraca” é o que estamos vendo sendo aplicado em diversos lugares, partindo das ‘engines’ de xadrez que atualmente conseguem ganhar com facilidade mesmo os maiores grandes mestres (StockFish), gerando qualquer imagem que se queira partindo de ruído estatístico (Stable Difusion), gerando textos (GPT), reconhecimento de imagens, assistentes virtuais, algoritmos de redes sociais, etc. A IA Fraca, assim como a IA Forte, também não existe, sendo aplicação de matemática raiz, matemática marota como Estatística, Álgebra, Cálculo, etc. 

Figura 1: Dois robôs jogando xadrez. Créditos: Stable Diffusion

Ok, como partindo da matemática pura chegamos a um sistema que simula uma inteligência tão bem que achamos que é consciente?

Aqui chegamos na parte que é necessário simplificar bastante as coisas, já que o objetivo desse texto não é ser um artigo acadêmico. Para um programa conseguir ser considerado um sistema de inteligência artificial, ele precisa de um treinamento, que chamamos de Aprendizado de Máquina (Machine Learning ou ML).

Por exemplo, eu quero criar um programa muito bom em jogar xadrez, eu treino ele com milhares de jogos reais de pessoas comuns até grandes mestres em torneios, gerando uma gigantesca matriz de probabilidades (eu disse que IA usava estatística e álgebra né?) com milhares de jogadas ruins e boas para determinada situação. São distribuídos pesos positivos (recompensa) e negativos (punição) para lances que levem à conquista ou perda de peças, com isso o computador calcula diversos movimentos possíveis, escolhe a de maior probabilidade de vitória e vai recalculando a cada movimento de seu oponente.

O mesmo conceito se aplica ao GPT, IA que está na moda por ser muito bom em gerar textos, como o exemplo abaixo.

Figura 2: Bate papo descontraído com uma IA.

Em sua versão mais atual, o GPT-4 foi treinado com 45GB de dados e consegue gerar textos completos e coerentes através de entradas de texto e imagens.

Ao receber um texto ou imagem como entrada, a IA escreve um texto partindo daquela matriz de probabilidade do modelo, calculando qual é a palavra mais provável, se pergunto se está calor no Rio de Janeiro, sem olhar em nenhum site de meteorologia, a resposta mais provável será que sim, está calor. Dificilmente uma IA iria responder que não está calor no Rio, mas sim está nevando. Apesar de ser uma frase linguísticamente correta, ela tem baixa probabilidade de ser a melhor resposta.

Na verdade usando somente o conceito de matrizes estamos longe da figura mais simplista de uma IA, muitos modelos utilizam o que chamamos de redes neurais, que tentam imitar o funcionamento de neurônios de um cérebro.

Um neurônio artificial é uma função matemática cuja solução não é uma resposta específica, mas sim uma faixa de números que podem alimentar e/ou retroalimentar outras funções, simulando o comportamento dos neurônios.

Colocamos essas funções ou neurônios em diferentes camadas, recebendo um sinal de entrada e se esse valor atingir um determinado valor, envia um resultado para todos os outros neurônios da camada seguinte até chegar a última camada com o resultado.

Apesar de ser inspirado no funcionamento de um cérebro, ainda não é pensamento, pois cada rede neural precisa ser treinada, por exemplo se quero que minha rede consiga reconhecer um semáforo em uma imagem, eu treino ela com milhares de imagens de semáforos até o modelo ficar bom o suficiente para conseguir distinguir de um pedestre, de uma moto ou de uma árvore.


Figura 3: Sim, você foi utilizado para treinar uma rede neural, durma com essa informação. Créditos: reCaptcha

O fato é que a IA está deixando muita gente preocupada em perder seus empregos, mas o fato é que a IA é uma ferramenta e, como toda ferramenta inovadora, já está trazendo grandes mudanças no mercado, similar a máquina a vapor na revolução industrial e a Internet mais recentemente.

No final, ficamos com duas opções: tentar nos manter atualizados diariamente ou aprendendo tudo que é possível e, principalmente, aprender a usar essa ferramenta fantástica a seu favor ou então fingir que nada está acontecendo e torcer para que tudo isso seja somente um sonho.