Fernando Portela Câmara, MD, PhD, Prof., UFRJ
Diretor científico do Instituto Stokastos
Resumo. Os esforços em construir robôs controlados por IA programada em sistemas de símbolos tiveram sucesso limitado na representação do mundo e planejamento de ações. Contudo, uma significativa mudança conceitual na robótica, ocorrida há três décadas, deu origem a robôs com capacidade superior de movimento e de adaptação não baseados no uso de raciocínio simbólico. Evidências psicofísicas mostram que nossas habilidades mais básicas de movimento, sobrevivência, percepção, equilíbrio e assim por diante não parecem exigir símbolos de alto nível, mas na vivência direta e frequente com o mundo. Nossos cérebros paree seguir nessa mesma direção. Palavras chave: Inteligência Artificial, robótica evolucionária, cérebro.
Summary. Efforts to build AI-controlled robots programmed into symbol systems have had limited success in world representation and action planning. However, a significant conceptual change in robotics, which occurred three decades ago, gave rise to robots with superior ability of movement and adaptation not based on the use of symbolic reasoning. Psychophysical evidence shows that our most basic skills of movement, survival, perception, balance and so on do not seem to require high-level symbols, but in direct and frequent living with the world. Our brains go in that same direction. Keywords: Artificial Intelligence, evolutionary robotics, brain.
Muitos exageros sobre os poderes e ameaças da Inteligência Artificial (IA) vez por outra invadem a mídia desde os anos 50 do século passado. Grande parte desse exagero decorre de noções equivocadas decorrentes do efeito de antropomorfização dessas máquinas. Uma IA é, propriamente dito, um “sistema especialista”, isto é, computação que trabalha com heurísticas (imitação de decisões tomadas por especialistas, formulada em um programa), probabilidades associadas ou reconhecimento de padrões (aprendizagem de máquinas). Com isso, as IAs tomam decisões com base em relações mais prováveis, e sua única vantagem é a sua extraordinária rapidez de processamento, grande extensão de memória e precisão na manipulação de grande volume de dados, coisa que a mente humana não consegue mesmo com volumes modestos de dados, e, além disso, tende a produzir equívocos e erros com frequência. Apesar disso, não é possível comparar uma IA atual à inteligência humana, seria algo como comparar a capacidade de uma máquina de lavar automática com uma criança em idade escolar.
A teoria da IA foi originalmente associada ao sistema simbólico físico, no qual o mundo se faz representar em uma linguagem formal com uma sintaxe própria (Newell e Simon, 1963). Uma segunda variante de IA, surgida ao mesmo tempo, são as redes neurais supervisionada, algoritmos de aprendizagem onde as representações não são simbólicas, mas valores de conexões distribuídas numa rede, a qual armazena informação para reconhecimento e processamento. Essas redes “aprendem indutivamente” pela exposição repetida a problemas previamente solucionados, e a partir daí extrai uma regra que classifica grupos de dados em padrões. A baixa capacidade dessas redes e a limitação de memória em computadores onde elas são simuladas levaram a IA simbólica a prosseguir como alternativa mais viável.
A IA tradicional simbólica mostrou seu valor como sistemas especialistas, tomando decisões em campos onde o julgamento depende de uma análise precisa, como numa transação financeira, seleção de investidores, regressões, gerenciamento de uma fabrica, progressão de uma epidemia etc. Já as redes neurais têm seu poder computacional na análise indutiva: reconhecimento de padrões etc. O interesse comercial nessas redes desviou o propósito de buscar um modelo que imitasse o comportamento cognitivo, afastando o interesse dos cientistas cognitivos. Com o desenvolvimento das redes neurais convolutivas no inicio do presente século, tentou-se uma nova reaproximação, mas ao que parece não despertou o interesse dos pesquisadores na área, pois a tecnologia das redes neurais convolutivas não satisfaz os dados empíricos e necessidades metodológicas da psicologia experimental e da psiquiatria cognitiva (Câmara, 2018).
Enquanto a IA simbólica e de redes neurais supervisionadas (em sua segunda versão) pareciam ter chegado ao limite do possível, surgia paralelamente uma outra corrente, a robótica evolucionária, liderada por Rodney Brooks, que, além de causar grande impacto, reabilitou as ideias chaves dos ciberneticistas pioneiros como Ross Ashby, Gordon Pask e Stafford Beer, e comparou seu projeto a uma “inteligência cambriana” (Brooks, 1999). Em um importante artigo, ele criticou a hipótese da IA clássica (simbólica) como sendo fundamentalmente falha, impondo severas limitações ao desenvolvimento da IA (Brooks 1990). Ele argumentou que o dogma da IA simbólica se baseava na fé infundada de que uma inteligência de nível humano podia ser sintetizada em um equivalente digital. Esse abismo conceitual atrasou, segundo Brooks, a evolução da pesquisa na IA.
Brooks chamou essa visão alternativa de “nova IA” ou “IA fundamentalista”, tendo por base a hipótese de imersão física. A metodologia proposta para a construção de sistemas inteligentes era bastante diferente daquelas preconizadas pela IA clássica, que se baseia em repartir a inteligência em módulos de processamento funcional de informações, que são reunidos para criar um comportamento geral do sistema. No caso da Nova IA, melhora-se a competência do sistema, melhorando os módulos individuais de geração de comportamentos, tendo por princípio deixar que esses módulos funcionais interagissem entre si e dessa cooperação emergissem comportamentos mais complexos.
Ora, no estado atual da arte, nem a IA clássica nem a Nova IA estão perto de revelarem os segredos do Santo Graal da IA, ou seja, a equivalência maquínica da inteligência propositiva humana. Entretanto, há uma série de comparações críticas que podemos fazer entre essas duas abordagens como, por exemplo: Qual delas é mais adequada epistemologicamente? Que propriedades emergentes da Nova IA a torna mais eficiente que a IA clássica? Em que medida ela pode contribuir para um melhor conhecimento do cérebro funcional? Vamos discutir um pouco sobre essas questões.
A limitação dos sistemas simbólicos e a hipótese da imersão física
Nas IAs de sistema de símbolos, a interface entre os sistema perceptivo e efetor é operada por uma inteligência central que manipula cadeias de símbolos, como representantes de entes do mundo. Estes podem ser objetos, propriedades, conceitos, desejos, emoções, nações, cores, instituições, moléculas, etc. Para o sistema central, ou “raciocinador”, o que importa não é o significado dos símbolos, mas a coerência do processo conduzido a partir deles, o qual é determinado pelo programador segundo uma escala de propósitos e importância.
Certamente a descrição do mundo em que esse tipo de IA está presente dependerá das tarefas que deve realizar. O sistema de inteligência central lida com símbolos e deve ser alimentado com símbolos, ou seja, o sistema de percepção deve fornecer uma descrição do mundo em termos de objetos digitalizados, codificados e com relações definidas. Com base nisso, o sistema computará decisões. Contudo, à medida que mais detalhes são requeridos, a realização de cálculos baseados nesses sistemas formais torna-se cada vez mais biologicamente implausível.
Mas enquanto pesquisadores insistiam na busca de um sistema propositivo que reduzisse o mundo a uma descrição simbólica, sem produzirem avanços, uma vertente de investigadores da IA deu uma guinada em direção oposta, partindo do princípio que um sistema inteligente é dependente de tarefas e toda sua atividade é orientada por isso. Eles partiram de evidências psicofísicas que sugerem ser a percepção uma função ativa e dependente de tarefas.
A Nova IA baseia-se na hipótese da “imersão física”, ou seja, que para construir um sistema autônomo inteligente, é necessário que suas representações sejam o próprio mundo físico, sem intermediação de símbolos. Quando esse compromisso é assumido, a necessidade de representações simbólicas tradicionais desaparece completamente, pois o mundo é em si mesmo o modelo; todos os detalhes que devem ser conhecidos estão nele e estão sempre atualizados. O truque para que tal sistema se torne inteligente é que ele participe ativamente do mundo, interaja com ele cada vez mais, imergindo mais e mais profundamente.
Para tal, o sistema deve ser conectado ao mundo através de sensores e efetores. (Entradas e saídas digitais não são relevantes, pois não estão fisicamente imersas.) Essa tarefa envolve a construção de sistemas com hierarquia de níveis e abstrações de alto nível, que eventualmente possam expressar todos os seus objetivos e necessidades como ação física, e extrair todo o seu conhecimento dos sensores que o conectam ao meio. O projetista deste sistema deve tornar tudo explícito, converter informação do meio diretamente na atuação, sem qualquer intermediação entre as entradas e as saídas. O sistema é o que ele faz.
A hipótese de imersão física tem como noção a evolução das espécies. Como surgiu o sistema nervoso, e a partir daí, com o surgiu a inteligência? Se imitarmos esses passos teríamos a pista para a construção de uma IA robusta.
O planeta em que vivemos tem 4,6 bilhões de anos de história, e há 3,6 bilhões de anos os primeiros organismos unicelulares emergiam da “sopa primordial”. Há cerca de 550 milhões de anos, início do Cambriano, apareceu nos oceanos uma imensa variedade de formas de vida – a chamada “explosão cambriana”. Surgiram os animais de corpo mole e com exoesqueletos, alguns com membros ou com apêndices, e a cobertura vegetal começou com as algas fotossintéticas se espelhando pelos mares. Esse período extraordinário foi favorecido por um clima tropical – não houve glaciações, concentração ideal de oxigênio para o metabolismo, abundância de nutrientes. Os primeiros sistemas nervosos apareceram nesse período.
O aparecimento do sistema nervoso permitiu que organismos mais complexos fossem possíveis. As coisas começaram a acontecer rapidamente a partir daí. Os répteis chegaram há 370 milhões de anos, seguidos por dinossauros há 330 e mamíferos há 250 milhões de anos. Os primeiros primatas surgiram há 120 milhões de anos e os predecessores imediatos dos grandes símios há apenas 18 milhões de anos. O homem, na sua forma aproximadamente atual, teria ficado de pé nas savanas há 2,5 milhões de anos, e evoluiu o suficiente para inventar a agricultura há apenas 19 mil anos, a escrita há menos de 5 mil anos, e o conhecimento “especializado” apenas no último século e meio.
A capacidade de solucionar problemas, a formação da linguagem, a especialização do conhecimento e sua aplicação, e o raciocínio lógico são produtos fortuitos da evolução do sistema nervoso. Essas capacidades se fixaram por sua vantagem diferencial na luta pela sobrevivência, agora não mais inteiramente dependente dos genes. Isso conferiu capacidade de movimentação em ambientes dinâmicos, interação e participação com o meio em grau suficiente para assegurar a sobrevivência e a reprodução. Os projetistas da IA simbólica imaginavam que teria sido a capacidade de simbolização a invenção-chave que possibilitou a primeira inteligência contornar o pântano biológico do Cambriano, e uma vez que ela apareceu houve um salto no percurso lento e incerto da evolução. Entretanto, esse argumento não é plausível, pois, se levarmos em conta o desempenho de robôs móveis baseados em símbolos ele é relativamente mais fraco do que os robôs fisicamente imersos. Sem uma imersão física cuidadosamente construída, qualquer representação simbólica será incompatível com os sensores e efetores; somente o aterramento físico é capaz de fornecer as restrições necessárias aos símbolos para que possam ser úteis. As primeiras formas primitivas de inteligência eram sistemas nervosos que interagiam constantemente com o meio e se adaptavam a ele, algo semelhante aos homeostatos de Ashby (1953) e às tartarugas de Grey Walter (1963), os primeiros protótipos da robótica fisicamente aterrada.
São principalmente a mobilidade, a visão aguda e a capacidade de realizar tarefas direcionadas para a sobrevivência em um ambiente dinâmico, os fatores que proporcionam as condições necessárias para a seleção natural da inteligência. Isso se dá por imersão física no mundo. É o problema que os psicólogos denominam de “cognição incorporada”; a mente deve estar em um corpo e este imerso em um ambiente para que possamos fazer interpretações do mundo e decidir quais são as relevantes para a nossa sobrevivência. Isso torna-se automatizado, mas é constantemente atualizado. Não é relevante nesse estágio, que o organismo tenha alguma consciência.
A arquitetura de subsunção
Para explorar a construção de sistemas fisicamente imersos, Brooks e colaboradores desenvolveram uma arquitetura computacional conhecida como “arquitetura de subsunção”, que permite ligar diretamente a percepção à ação, incorporando concretamente robôs ao mundo. Isto seria uma tentativa de imitar a evolução.
A avaliação do desempenho de uma IA, simbólica e de rede neural, se faz em função do escore de acertos em jogos, sendo este o expediente tradicionalmente usado para testar o poder de generalização (conceituação, classificação e estratégia) da máquina. Entretanto, em sistemas fisicamente imersos essa abordagem não tem valor. Jogos são improváveis no mundo real, e projetar sistemas capazes de resolvê-los os torna muito mais complexos do que deveriam, o que leva à redução da robustez geral do sistema. Um sistema inteligente só confronta uma situação desse tipo incidentalmente; na maioria das vezes está interagindo normalmente com o sistema adquirindo informação sobre ele, e é isso que dá força aos sistemas fisicamente imersos, sejam eles animais ou máquinas.
A robótica evolucionária mostra uma realidade que muito provavelmente é a mesma de nossos cérebros. O mundo é o melhor modelo, e a experiência direta e continuamente atualizada dele leva ao desenvolvimento de nossas capacidades cognitivas. Tudo isto está bem diante de nossos olhos. Não há camadas de abstração para ofuscar a dinâmica das interações entre o sistema e o mundo, ela é direta. Uma criança de três anos acorda, e sabe ir “instintivamente” do seu quarto para a sala, a cozinha, o banheiro, faz o que deve fazer segundo a situação, sabe o que é um prato e um copo, onde está a comida que quer comer etc. Ela aprende isso por imersão total com o seu ambiente – que, aliás, impulsiona seu desenvolvimento desde bebê, não há similaridade com a computação convencional. Podemos perceber como é possível criar um robô que, mesmo primitivo, pode se tornar viável ao convívio humano.
Não estamos aqui questionando a IA baseada em sistemas especialistas, pois é inegável seus benefícios e progressos proporcionados, por exemplo, nas áreas da medicina, engenharia, sistema financeiro, mercado etc. Nossa crítica está dirigida exclusivamente para sua implicação como um modelo do cérebro e da origem da atividade dita “mental”. Para usar as palavras de Brooks, “é injusto afirmar que um elefante não tem inteligência que valha a pena estudar só porque não joga xadrez.” Há coisa que elefantes e humanos compartilham e que jamais será possível programar em uma IA simbólica.
Não sabemos ainda o real fundamento da inteligência e da consciência. A solução para esse problema não é óbvia por enquanto, mas se a hipótese da imersão física vier a se fortalecer, o mundo em que vivemos certamente sofrerá uma mudança radical.
Epílogo
A IA tradicional ou simbólica tentou demonstrar raciocínios sofisticados em domínios bastante empobrecidos. Seus criadores esperavam que as ideias usadas se generalizassem para comportamentos robustos quando em domínios mais complexos. Embora muita análise matemática tenha sido realizada sobre esse tópico, o usuário ainda depende de uma distribuição esperada de casos dentro da árvore de busca para tornar um problema gerenciável.
Por outro lado, a Nova IA dirige-se em dominar tarefas menos sofisticadas operando de forma robusta em domínios complexos e ruidosos, e daí espera-se que as ideias usadas na criação dessas IAs generalizem-se para tarefas mais sofisticadas. Essa IA depende do surgimento espontâneo de um comportamento mais global a partir da interação e cooperação de unidades comportamentais menores, mas não há garantia a priori de que isso funcionará como se espera. No entanto, o planejamento cuidadoso dos comportamentos simples muitas vezes pode levar suas interações a produzirem sistemas com propriedades emergentes úteis e interessantes. A dificuldade está em saber como combinar muitos módulos geradores de comportamento para que sejam produtivos e cooperativos, e como lidar com múltiplas fontes de informação perceptiva quando há necessidade de integrá-las. A resposta a esses problemas sem duvida traria mais luz sobre o nosso cérebro.
Quanto às redes neurais convolutivas ou de “aprendizagem profunda”, elas são úteis em reconhecimento de padrões e podem ser acopladas como elementos sensoriais tanto a uma quanto a outra modalidade de IA discutidas acima. As redes convolutivas em si mesmas é uma forma de inteligência artificial (Câmara, 2018). Acopladas e atualizadas constantemente a veículos motorizados, por exemplo, elas podem guiá-los autonomamente, o que mostra sua utilidade quanto incorporada a um corpo mecânico e/ou uma heurística. Naturalmente, eles podem ser utilizadas em módulos de uma Nova IA.
Ora, embora as abordagens das IAs simbólica e fisicamente aterrada possam parecer algo complementares, não existe ainda um marco teórico para decidir se uma é melhor que a outra. Entretanto, o fascínio de comparar o cérebro e seu resultado mais ilustre, a atividade mental, a uma IA simbólica não tem recebido a esperada comprovação de que seja um modelo adequado. De fato, as redes neurais, embora distantes das redes neurais vivas, mostrou um fato compartilhado por ambas: a informação não é armazenada simbolicamente, e nem processada serialmente; ela é distribuída como valores de resistência sináptica cuja ativação conjunta transforma a informação em sensação-ato ou imagem mental. Por outro lado, não há incompatibilidade entre redes neurais artificiais e IAs fisicamente aterradas, e, de fato, podem integrar parte do sistema.
Esse fato nos dá uma boa imagem do cérebro no organismo em que está incorporado, movimentando-se em um ambiente complexo, variável e ruidoso. Os trabalhos de pioneiros da cibernética do cérebro como Grey Walter, Ross Ashby, Stafford Beer e outros inspiraram Rodney Brooks a retomar a robótica do ponto de vista de um organismo como um sistema que interage permanentemente com o seu meio como se dele fizesse parte (observação, aliás, anteriormente já feita por Pavlov). Ele assim não somente replicou as teorias cibernéticas daqueles investigadores, como avançou o projeto tendo como suporte a tecnologia atual.
Referências
Ashby R. Design for a brain, 1952, Londres: Chapman & Hall, 1965.
Brooks R. “Elephants don’t play chess”, Robotics and Autonomous Systems 1990; 6: 3-15.
Brooks RA. Cambrian Intelligence, Cambridge: MIT, 1999.
Câmara FP. Deep Mind: Rumo à uma consciência extracerebral? Psychiatry On-Line Brazil, 05 Setembro 2018: https://www.polbr.med.br/2018/09/05/deep-mind-rumo-a-uma-consciencia-extra-cerebral/ (acessado em 01/02/2019)
Newell A, Simon HA. GPS: A program that simulates human thought, in Feigenbaum, E.A.; Feldman, J., Computers and Thought, New York: McGraw-Hill, 1963.
Beer S. Cybernetics and management [1967], New York; John Willis, 1973.
- Grey Walter. The Living Brain, [1953], Londres: Penguin, 1967.