Sumário
O pioneiro da IA da Meta, Yann LeCun, fala sobre os três grandes desafios no caminho para a próxima geração de inteligência artificial.
Nascido em 1960, o pesquisador de IA Yann LeCun é considerado um dos mais importantes pesquisadores de IA do mundo. Entre outras coisas, ele esteve envolvido na invenção das Redes Neurais Convolucionais, que levaram a um avanço na análise de imagem por IA. Em 2018, LeCun recebeu o Prêmio Turing, a maior honraria em ciência da computação, por sua pesquisa.
Em 2013, Mark Zuckerberg contratou o pesquisador de IA para o Facebook, onde ajudou a estabelecer o Facebook AI Research Lab (FAIR). LeCun ainda é cientista-chefe de IA e vice-presidente lá hoje.
Apesar de todos os sucessos da pesquisa de IA, LeCun não vê a inteligência artificial nem mesmo no nível cognitivo de um gato doméstico, revelou ele em uma palestra por volta de 2018. Falta uma compreensão rudimentar do mundo, disse ele.
O aprendizado autossupervisionado é a chave para a IA entender o mundo
Mesmo em 2022, LeCun não vê inteligência artificial no nível do gato. Apesar de escassos 800 milhões de neurônios, disse ele, o cérebro do gato está muito à frente de qualquer rede neural artificial gigante. A especulação sobre um caminho para as habilidades cognitivas altamente desenvolvidas e o planejamento de longo prazo da inteligência humana pareciam sem sentido à primeira vista.
Mas a base comum de gatos e humanos é uma compreensão altamente desenvolvida do mundo, fundamentada em representações abstratas de seu ambiente que formam modelos, por exemplo, para prever ações e suas consequências, disse LeCun. A capacidade de aprender tais modelos do ambiente é a chave para as máquinas pensantes, disse ele.
LeCun deriva três grandes desafios para a pesquisa de IA disso:
- A IA deve aprender a representar o mundo.
- A IA deve aprender a pensar e planejar de maneira compatível com o aprendizado baseado em gradiente.
- A IA deve aprender representações hierárquicas de planos de ação.
LeCun vê a solução para o primeiro desafio no aprendizado autossupervisionado, que é usado, por exemplo, no treinamento de modelos de linguagem ou sistemas de análise de imagens.
O uso bem-sucedido desses sistemas mostra que a IA é capaz de construir modelos complexos do mundo. Em vez de linguagem ou imagens, no entanto, a próxima geração de IA aprenderá diretamente com os vídeos. Meta está atualmente colocando muito esforço em coleta de dados de vídeo da perspectiva em primeira pessoa para esta nova geração de IA, mas os vídeos do YouTube também são materiais de treinamento adequados, de acordo com LeCun.
LeCun acredita que os sistemas de IA podem aprender sobre os fundamentos físicos do nosso mundo a partir desses vídeos. Sua compreensão, por sua vez, seria a base para inúmeras habilidades, como agarrar objetos ou dirigir um carro.
A IA deve aprender a pensar e agir
Resolver o primeiro desafio estabelece a base para resolver o segundo: sistemas que aprendem o raciocínio usando o mesmo método que torna o Deep Learning tão bem-sucedido, aprendizado essencialmente baseado em gradiente. Para LeCun, os modelos complexos e aprendidos do mundo são a chave para a criação de máquinas pensantes.
LeCun disse que ainda não tem solução para o terceiro desafio. Um sistema de IA que vai atuar no mundo real – seja como um robô ou um veículo autônomo – deve ser capaz de antecipar as consequências de suas ações e escolher a melhor ação em cada caso, disse. Em casos simples, como movimentar o braço de um robô ou controlar um foguete, isso já é possível (Modelo de Controle Preditivo ).
Mas no futuro, diz ele, serão necessários sistemas que também possam lidar com todos os outros cenários: “Não se trata apenas da trajetória de um míssil ou do movimento de um braço robótico, que pode ser modelado por meio de uma matemática cuidadosa. É sobre todo o resto, tudo o que observamos no mundo : Sobre o comportamento humano, sobre sistemas físicos que envolvem fenômenos coletivos como água ou galhos de uma árvore, sobre coisas complexas para as quais os humanos podem facilmente desenvolver representações e modelos abstratos”, disse LeCun.
LeCun resume o grande desafio da próxima década para a pesquisa de IA em uma pergunta: como podemos fazer com que as máquinas aprendam modelos que lidam com a incerteza e capturam o mundo real com toda a sua complexidade?
Para LeCun, a resposta começa com o aprendizado autossupervisionado.
Imagem em destaque: O’Reilly Internal no Flickr lizenziert nach CC BY-NC 2.0
Correção: descrição ajustada da posição de LeCun sobre sistemas de raciocínio. Ele não argumenta explicitamente contra os sistemas simbólicos.
Leia mais sobre Inteligência Artificial:
- Hiperredes: a inteligência artificial constrói-se a si própria
- Meta mostra algoritmo de aprendizado para IA multitarefa
- IA verdadeiramente inteligente – três coisas que o chefe de IA do Google diz que estão faltando