O medo de um apocalipse robótico esconde os problemas reais que enfrentamos, permitindo que algoritmos governem nossas vidas. De acordo com os especialistas no campo da inteligência artificial, estamos avançando continuamente para um certo ponto, depois do qual não precisamos mais inventar nada: a inteligência artificial fará tudo por conta própria e as máquinas irão melhorar exponencialmente. Se isso acontecer, o que será de nós?
Nos últimos anos, muitos cientistas proeminentes, de Stephen Hawking a Elon Musk, nos alertaram que devemos estar extremamente preocupados com os possíveis resultados perigosos da inteligência artificial superinteligente. E eles apoiam suas palavras com ação: Musk patrocina a OpenAI, uma organização que desenvolve IA que beneficiará a humanidade.
No entanto, muitos consideram seus medos exagerados. Como observa Andrew Ng, da Universidade de Stanford, que também é o cientista-chefe da gigante chinesa da internet Baidu, se preocupar com um levante de máquinas é como se preocupar com a superlotação de Marte.
Mas isso, é claro, não significa que nossa crescente dependência da IA não acarrete riscos reais. Na verdade, esses riscos já estão aqui. À medida que os sistemas inteligentes se envolvem mais em tudo, desde saúde até justiça criminal, existe o perigo de que partes importantes de nossas vidas sejam esquecidas.
Além disso, a IA pode levar a consequências desagradáveis se não estivermos preparados para elas, por exemplo, mudar nossa atitude em relação aos médicos para agudamente hostis.
Vídeo promocional:
Algumas palavras sobre inteligência artificial
Em termos simples, são máquinas que fazem coisas que geralmente requerem esforço mental por parte de uma pessoa: entender a linguagem natural, reconhecer rostos em fotos, dirigir carros e assim por diante.
Há uma diferença entre um manipulador mecânico em uma linha de produção, que é programado para realizar a mesma tarefa, e um manipulador, que aprende de forma independente a realizar várias tarefas por tentativa e erro.
Como a IA nos ajuda?
A principal abordagem em IA agora é o aprendizado de máquina, em que programas são treinados para identificar certos padrões em grandes quantidades de dados, como identificar um rosto em uma imagem ou fazer uma jogada vencedora no jogo de tabuleiro. Este método pode ser aplicado a uma ampla variedade de problemas. Por exemplo, treine os computadores para identificar um padrão específico em imagens médicas. DeepMind, uma empresa de inteligência artificial pertencente ao Google, desenvolve software que aprende a diagnosticar câncer e doenças oculares a partir de exames de pacientes. Outros usam o aprendizado de máquina para detectar os primeiros sinais de doença cardíaca e Alzheimer.
A inteligência artificial também já está sendo usada para analisar grandes quantidades de informações moleculares em busca de possíveis novas opções de drogas - um processo que consome muito tempo para humanos. Muito em breve, o aprendizado de máquina pode se tornar indispensável para a medicina.
A inteligência artificial também nos ajuda a gerenciar sistemas extremamente complexos, como a cadeia de suprimentos global. O sistema no centro do terminal de contêineres Port Botany em Sydney gerencia dezenas de milhares de contêineres, uma frota de veículos automatizados e assim por diante, completamente sem pessoas. Na indústria de mineração, os sistemas de otimização estão cada vez mais sendo usados para planejar e coordenar a movimentação de recursos como o minério de ferro.
A IA funciona em qualquer lugar que você olhe, de finanças a transportes, para pilotar aviões e monitorar o mercado de ações. E eles protegem seu e-mail contra spam. Mas isso é apenas o começo. Conforme a IA se desenvolve, ela se torna cada vez mais complexa e interessante.
Qual é o problema?
Em vez de nos preocuparmos com uma futura revolução da IA, o maior risco é colocarmos muita confiança nos sistemas inteligentes que construímos. Basta lembrar que o aprendizado de máquina treina o software para identificar padrões nos dados. Após o treinamento, ele analisa dados novos, ainda não estudados. Mas quando um computador dá uma resposta, geralmente não temos ideia de como ela veio.
Existem problemas óbvios aqui. Um sistema é tão bom quanto os dados dos quais ele aprende. Pegue um sistema treinado para determinar quais pacientes com pneumonia têm maior probabilidade de morrer para que sejam admitidos no hospital primeiro. Digamos que ela inadvertidamente classifique os pacientes com asma brônquica como pacientes de baixo risco. Porque normalmente as pessoas com asma e pneumonia vão direto para a terapia intensiva, então recebem um tratamento que reduz o risco de morte. O aprendizado de máquina vê isso como "asma + pneumonia = menor risco de morte".
Conforme a IA ganha acesso a todas as áreas da sua vida, o risco de que algo dê errado - se não for previsto, aumenta. E como a maioria dos dados que alimentamos para IA são imperfeitos, não devemos esperar respostas perfeitas na maioria dos casos. Construímos inteligência artificial à nossa imagem e semelhança; muito provavelmente, ele será "não muito", como nós.
ILYA KHEL
