A IA já nos enganou? não exatamente.
Quando o termo “inteligência artificial” (IA) foi cunhado pela primeira vez na década de 1950, o sonho final era criar tecnologias que fossem mais inteligentes que os humanos. Desde então, a pesquisa de IA teve seus altos e baixos. No entanto, desde o surgimento do aprendizado de máquina (especialmente o aprendizado profundo), a IA parece estar finalmente ganhando força, com todas as histórias de sucesso a seguir.
Hoje, os sistemas de IA podem executar uma variedade de tarefas melhor e mais rápido que os humanos. Até a criatividade – um campo há muito considerado inacessível aos sistemas de inteligência artificial – está ao alcance. Em 2017, o software de computador AlphaGo Zero superou seu antecessor no jogo de tabuleiro chinês Go, fazendo movimentos nunca imaginados por humanos. O software não foi treinado em dados humanos, mas apenas em dados de jogos entre computadores. A eliminação completa da necessidade de entrada humana é impressionante por si só, mas a Etapa 37 se tornou um marco na pesquisa de IA, pois demonstrou que um sistema de IA pode ir além dos dados fornecidos como entrada, demonstrando sua capacidade de criar.
Os sistemas de IA estão prestes a superar os humanos?
não exatamente. A força humana está em outro lugar: aprendemos rapidamente e nos adaptamos rapidamente a novas tarefas. Este é um verdadeiro obstáculo para os sistemas de IA. Por exemplo, um sistema de IA levaria até 924 horas para dominar um jogo de computador relativamente simples que uma pessoa comum poderia aprender em 15 minutos. Quanto à adaptabilidade, se apenas uma regra fosse alterada, o sistema de IA teria que aprender o jogo inteiro do zero.
Outra razão pela qual os sistemas de IA ainda são um pouco arriscados é que, quando dão errado, tendem a dar terrivelmente errado. Pense em um vídeo viral do YouTube de um menino pedindo ao Alexa da Amazon para tocar uma música infantil popular, e Alexa o interpreta mal e se oferece para reproduzir um filme adulto. Embora ninguém interprete os pedidos dessa maneira, o Alexa – e os sistemas de inteligência artificial em geral – ainda carece de uma das habilidades humanas mais subestimadas: o bom senso.
Em outras palavras, para construir o assistente digital perfeito, precisamos tornar os sistemas de IA mais humanos. Isso não significa que precisamos dar aos robôs autoconsciência ou fazê-los parecer humanos. Os sistemas de IA na forma de software embutido em telefones ou óculos são igualmente poderosos. No entanto, precisamos de sistemas de IA que possam pensar e se comunicar como humanos.
Pense como um ser humano: onde o aprendizado profundo fica difícil
O sucesso recente em sistemas de IA e aprendizado de máquina pode ser atribuído ao surgimento do aprendizado profundo, a estratégia de aprendizado de máquina mais utilizada. O que torna o aprendizado profundo poderoso é o uso de redes neurais artificiais, redes de neurônios digitais inspiradas no cérebro humano. A maioria dos avanços da IA na última década foi possibilitada por essa tecnologia. No entanto, no final do dia, ainda é apenas reconhecimento de padrões. Eles podem mapear entradas para saídas, mas não podem raciocinar sobre as decisões que tomam. O processo de aprendizado e tomada de decisão é uma caixa preta para nós e para a própria IA.
Então, como desenvolvemos inteligência artificial que pode entender? A resposta é olhar para trás. O aprendizado profundo pode ser o impulsionador do progresso recente, mas para criar um sistema de IA que possa pensar, precisamos de uma abordagem híbrida que combine aprendizado profundo com técnicas de aprendizado de máquina mais antigas e tenha um processo de aprendizado mais transparente.
Perdido no Contexto: Interação Humano-Computador
Outro problema que precisa ser resolvido antes que os sistemas de IA possam avançar é a comunicação. Embora chatbots e assistentes digitais estejam bem estabelecidos em serviços de negócios e aplicativos de consumo, a comunicação com eles pode ser um desafio. Percorremos um longo caminho desde nosso primeiro encontro constrangedor com o chatbot de terapia Eliza, mas ainda não temos uma conversa completamente natural com um sistema de IA. Esse desafio é mais difícil de resolver do que parece, e o Alexa Awards anual prova isso. As equipes de pesquisa estão correndo para desenvolver um chatbot com o qual você possa ter conversas significativas por pelo menos 20 minutos. Nas duas últimas edições, ninguém conseguiu ganhar o prêmio principal, a bolsa de pesquisa de US$ 1 milhão. No ano passado, o recorde foi de cerca de nove minutos e meio.
Uma das coisas que faz com que os sistemas de IA tenham dificuldades com conversas reais é a capacidade de considerar o contexto. Se queremos que a IA seja assistentes digitais úteis, eles precisam observar, analisar e entender o ambiente para fornecer suporte proativo em tempo real. Eles também precisam ser capazes de explicar melhor os humanos: nem sempre dizemos o que realmente queremos dizer. A mesma frase pode ter significados completamente diferentes quando falada em tons diferentes.
Quando a IA humana se junta à força de trabalho
Embora um tremendo progresso tenha sido feito, apenas arranhamos a superfície do que a IA pode fazer. Com o aprendizado profundo, temos uma base sólida, mas para a IA semelhante à humana, precisamos de blocos de construção adicionais, incluindo redescobrir o potencial de estratégias antigas de aprendizado de máquina.
Em 10 anos, os sistemas de IA serão onipresentes em nossos locais de trabalho. Eles não substituem os trabalhadores humanos, eles os ajudam. Em muitas tarefas, os funcionários humanos serão apoiados por “cobots” – cobots que podem interagir com seus colegas humanos de maneira espontânea e natural. Até lá, os colegas de IA poderão se adaptar mais rapidamente a novas tarefas sem repetir todo o processo de aprendizado. Nem serão limitados a máquinas semelhantes a robôs – eles também serão incorporados ao software.
A consideração mais importante em IA: Ética
À medida que entramos em território desconhecido com máquinas, é fácil imaginar problemas sérios que podem surgir se os sistemas de IA não lidarem com isso adequadamente. Portanto, as organizações de pesquisa e desenvolvimento de IA devem se proteger ativamente contra abusos e estabelecer freios e contrapesos éticos. Desenvolver um programa de ética abrangente que cresça com a inovação garante que as tecnologias baseadas em IA sejam seguras de usar e confiáveis pelo público.
A IA pode superar os humanos
Os sistemas de inteligência artificial podem superar os humanos em todas as tarefas nos próximos 45 anos, de acordo com um novo estudo que também mostra que todos os trabalhos humanos serão automatizados nos próximos 120 anos.
De acordo com uma pesquisa com mais de 350 pesquisadores de inteligência artificial (IA), espera-se que as máquinas traduzam idiomas até 2024, escrevam redações do ensino médio até 2026, conduzam um caminhão até 2027, trabalhem no varejo até 2031 e escrevam um artigo. até 2049 Este best-seller escreverá um livro de cirurgia até 2053.
No entanto, os pesquisadores dizem que há apenas 5% de chance de que o computador traga um resultado que possa levar à extinção humana.
O estudo, da Universidade de Oxford, no Reino Unido, e da Universidade de Yale, nos EUA, foi realizado entre 352 pesquisadores que apresentaram seus trabalhos na Conferência sobre Sistemas de Processamento de Informações Neurais ou na Conferência Internacional sobre Aprendizado de Máquina – ambas conferências sobre informações neurais A maior conferência artificial inteligência no campo dos sistemas de processamento.
“Há evidências crescentes de que as máquinas podem dominar a inteligência humana em tarefas complexas e específicas”, disse Eleni Vasilaki, da Universidade de Sheffield, Reino Unido, à New Scientist.
No entanto, há poucas evidências de que a inteligência artificial com generalidade semelhante à humana surgirá em breve, disse Vasilaki.
As descobertas mostraram que os pesquisadores asiáticos geralmente deram prazos mais curtos do que os pesquisadores norte-americanos – prevendo que a IA superará os humanos em todas as tarefas dentro de 30 anos, em comparação com 74 anos.
“Pode ser um papel interessante para a cultura na formação de percepções de tecnologia”, disse Leslie Willcocks, da London School of Economics.
Sim ou não? A tecnologia superará o trabalho humano?
Antes de um paciente com câncer receber radiação ou cirurgia, as bordas do tumor devem ser identificadas para determinar sua localização exata e evitar danos à área circundante. Isso é especialmente difícil para tumores cerebrais, que são muito difusos e geralmente se estendem para tecidos saudáveis.
Definir os limites precisos dos tumores cerebrais é demorado e desafiador para os principais especialistas da área, mesmo com vários exames de ressonância magnética. Na maioria dos casos, os cientistas usam o consenso de vários radiologistas em grandes estudos para aproximar as margens do tumor.
“O problema é que, em primeiro lugar, não sabemos realmente que essa é a ‘verdade’. Ninguém sabe realmente onde estão os limites”, disse o Dr. J. Ross Mitchell, Oficial de Inteligência Artificial do Moffitt Cancer Center. “Segundo, reunir neurorradiologistas treinados para chegar a um consenso sobre centenas de casos de pacientes é demorado e caro”.
A inteligência artificial (IA) surgiu como uma ferramenta comprovada para ajudar a delinear estruturas e lesões cerebrais, um processo conhecido como segmentação. Em segundos, a rede de aprendizado profundo conseguiu analisar a ressonância magnética para localizar e segmentar tumores cerebrais.
No entanto, os pesquisadores de Moffitt queriam dar um passo adiante. Enquanto estudos anteriores usaram pelo menos quatro exames de alta qualidade por paciente para treinar a rede de aprendizado profundo, a equipe de Moffitt usou dois exames de nível clínico de pacientes obtidos em qualquer momento nos últimos 30 anos. Esse tipo de dado é mais comumente encontrado em clínicas movimentadas em todo o país.
“Nosso conjunto de dados é muito diversificado em termos de idade, período de tempo, número de data centers e fabricantes de scanners, porque os próprios dispositivos mudaram drasticamente nos últimos 30 anos”, disse Mitchell.
Embora o treinamento de redes de aprendizado profundo dessa maneira seja mais desafiador, as descobertas mostram que é comparável às redes de próxima geração treinadas em grandes centros com dados muito específicos. Embora os resultados fossem bons, a equipe de pesquisa queria analisar os erros para determinar onde a rede de aprendizado profundo deu errado.
Mitchell criou um sistema que permitiu que 20 especialistas fizessem uma comparação cega lado a lado dos limites criados por humanos e inteligência artificial. Eles avaliaram a qualidade de cada esboço em uma escala de 0 a 10. Por fim, os especialistas classificaram a IA em média mais alta do que os técnicos.
“Esta é a primeira vez que uma comparação lado a lado foi feita com julgamento independente por especialistas”, disse Mitchell. “É importante porque é um novo padrão para avaliar o desempenho dessas coisas.”
Antes deste estudo, acreditava-se amplamente que um modelo de aprendizado de máquina era tão bom quanto os dados usados para treiná-lo. Contudo, isso não é necessariamente verdade. “Este é o primeiro estudo a mostrar que a inteligência artificial pode fazer melhor do que humanos treinados para delinear estruturas em imagens médicas”, disse Mitchell. “A IA pode ver erros cometidos por humanos e aprender a ignorá-los”.
A pesquisa tem grandes implicações para o futuro da medicina. Ele mostra que as organizações de saúde podem construir redes poderosas de aprendizado profundo usando dados genéricos e adaptar facilmente os aplicativos para atender às necessidades individuais.
Não apenas a IA pode ser uma ferramenta valiosa na clínica para ajudar a combater tumores cerebrais, mas Mitchell também espera usar a pesquisa para construir um programa que possa oferecer a outros hospitais. Também poderia ser usado para atingir outros tipos de câncer no futuro.
“Se vou construir algo, digamos, para câncer de próstata, talvez não precise dos melhores especialistas do mundo, ou mesmo dos melhores médicos do meu hospital, para concordar sobre onde está o tumor”, disse Mitchell. “Eu posso conseguir 10 técnicos para fazer isso e levará menos tempo e menos custo. Os resultados dos técnicos podem ser usados para treinar ferramentas de IA para serem tão boas ou melhores do que os próprios técnicos.”