Em um futuro próximo, o escritor Theodore apaixona-se por Samantha, um sistema operacional dotado de inteligência artificial que aprende a fazê-lo feliz. A trama do filme “Ela” aponta para um horizonte em que os sistemas passam a “agir” como humanos. Aos poucos, esse tipo de interação começa a virar realidade. Embora assistentes virtuais como o Siri, da Apple, ainda tenham um longo caminho a percorrer, o volume de dados armazenados nas redes sociais pode ajudar no desenvolvimento de plataformas mais humanizadas.
VÍDEO: Conheça o robô japonês Pepper, um dos principais exemplos de inteligência artificial
Essa abundância de informações sobre os usuários, segundo o professor Alexandre Evsukoff, do Centro de Tecnologia da Universidade Federal do Rio de Janeiro, é analisada e filtrada por ferramentas de inteligência artificial (IA). É a partir desses dados que um sistema pode recomendar um livro ou até uma ação para o usuário comprar na bolsa. As aplicações da inteligência artificial são as mais diversas: ela pode ser usada para prever um desastre natural ou antecipar um padrão de busca em sites na internet. Hoje, cerca de 900 companhias atuam no setor de IA no mundo, segundo a empresa de pesquisa Venture Scanner.
Gigantes da tecnologia como Google, Facebook, Microsoft e Amazon dedicam cada vez mais investimentos à área. Segundo a CB Insights, os investimentos em startups do setor de IA cresceram 588% em cinco anos, atingindo US$ 310 milhões no ano passado. Nos últimos anos, a inteligência artificial tem gerado grande expectativa, graças a produtos como carros que dirigem sozinhos e robôs que reagem a comandos de voz.
Trajetória
O termo inteligência artificial foi cunhado há 60 anos, em 1956, pelo cientista John McCarthy, que faleceu no começo deste ano. Na época, a ciência da computação era baseada apenas em lógica. O programador ensinava, passo a passo, como a máquina resolveria um problema. Ou seja: o ser humano conhecia a fórmula para alcançar determinado resultado, mas programava um computador para que este processo fosse otimizado.
O grande salto da tecnologia veio nos anos 1990, quando a comunidade dedicada à inteligência artificial substituiu a abordagem lógica pela estatística. Com o uso de algoritmos, a máquina passou a analisar dados para chegar a uma conclusão própria – processo denominado como “aprendizado de máquina”. “Ao mostrar ao computador exemplos de como um problema é resolvido, ele começa a aprender. E procura meios de chegar a uma solução”, diz o professor do Departamento de Computação da Universidade Federal de São Carlos, Estevam Hruschka Junior.
Similaridades
O processo de aprendizado de humanos e máquinas tem similaridades. Assim como uma criança vai à escola, o supercomputador Watson, da IBM, estudou toda a Wikipédia. Desta forma, preparou-se para sua primeira aparição na TV, em 2011, quando derrotou os dois melhores participantes do programa de tevê americano Jeopardy. “A tentativa de responder perguntas mostrou que o sistema tinha capacidade de raciocínio. Se o Watson não sabia uma resposta, gerava uma hipótese, como nós fazemos”, explica o líder de IBM Watson no Brasil, Fabio Scopeta.
Aplicações vão desde assistente pessoal até carros autônomos
Embora hoje a tecnologia de IA ainda esteja em uma fase primária, não faltam áreas em que já é possível vislumbrar o futuro em que será comum ver máquinas inteligentes colaborando com seres humanos. Um exemplo é a chegada no mercado de assistentes pessoais como o Amazon Echo – uma caixa de som inteligente que compreende a linguagem humana e consegue responder perguntas, ler livros e notícias e dar informações sobre o tempo e o trânsito.
A longo prazo, a IA pode alçar voos maiores, como na redução de congestionamentos, com a chegada de carros autônomos. Se hoje as pessoas utilizam o carro apenas durante o pouco tempo em que estão se deslocando, no futuro, em vez de deixá-lo parado na garagem, elas poderiam compartilhar o mesmo veículo. “Desde de 2009, o Google investe no desenvolvimento de carros autônomos que utilizam câmeras e sensores para analisar o ambiente por onde eles circulam e inteligência artificial para reconhecer os elementos e tomar decisões. “O veículo precisa não só tomar a decisão correta, mas também no menor tempo possível, porque qualquer erro pode causar um acidente”, diz o professor do Instituto de Ciências Matemáticas e de Computação (ICMC) da Universidade de São Paulo (USP), Denis Wolf.
Outra área em que grandes empresas de tecnologia apostam alto é a robótica. “É o momento em que o computador, com toda sua inteligência, sai da mesa”, diz o professor do ICMC da USP, Fernando Osório. Ele diz que os robôs vão chegar não apenas para realizar trabalhos manuais ou que ponham o ser humano em risco, mas também para fazer companhia às pessoas. Um exemplo é o robô Pepper, desenvolvido pela empresa japonesa Softbank. A empresa colocou mil robôs à venda no mercado japonês em junho de 2015, por US$ 1,6 mil. As unidades foram vendidas em um minuto.
Método do “aprendizado profundo” associa dados a imagens
Computadores são bons para armazenar informações, mas limitados para reconhecer imagens. E a percepção é um aspecto fundamental da inteligência porque determina a forma como o ser humano interage com o mundo. Mas, enquanto para uma pessoa é fácil reconhecer elementos em uma foto, as máquinas veem uma lista de números que representa a cor de cada pixel. Para traduzir isso em algo com significado, os pesquisadores em IA estão apostando em um método conhecido como Deep Learning, ou aprendizado profundo.
A técnica segue o mesmo conceito do aprendizado de máquina. Se hoje o computador consegue reconhecer a figura de um gato, é porque o sistema examinou milhares de imagens de gatos disponíveis na internet. Os algoritmos extraem informações da imagem, que são comparadas, para identificar padrões que possam corresponder à figura de um gato.
Para o pesquisador do laboratório de inteligência artificial da Universidade de Stanford, Juan Niebeles, o Deep Learning ainda tem algumas limitações. “Trata-se de um aprendizado supervisionado. Então, para reconhecer um único objeto, eu preciso coletar várias imagens e mostrar como exemplos ao sistema”, diz. Por este método, classificar todos os objetos do mundo será uma tarefa árdua, embora não faltem dados para alimentar o sistema. Embora as pessoas não parem de compartilhar fotos e vídeos, esses dados ainda não estão organizados para a lógica das máquinas.