O campo da Inteligência Artificial criou computadores que podem dirigir carros, sintetizar compostos químicos, dobrar proteínas e detectar partículas de alta energia em um nível sobre-humano. No entanto, esses algoritmos de IA não podem explicar os processos de pensamento por trás de suas decisões.
Um computador que, por exemplo, domina o enovelamento de proteínas e também informa aos pesquisadores mais sobre as regras da biologia é muito mais útil do que um computador que apenas enovela as proteínas sem explicação.
Portanto, pesquisadores de Inteligência Artificial atualmente estão direcionando seus esforços para desenvolver algoritmos de IA que possam se explicar de uma maneira que os humanos possam entender. Se puderem fazer isso, é possível que o IA será capaz de descobrir e ensinar às pessoas novos fatos sobre o mundo que ainda não foram descobertos, levando a novas inovações.
Aprendizado Através da Experiência
Um campo da IA, chamado de “Aprendizado por Reforço” estuda como os computadores podem aprender com suas próprias experiências. Na aprendizagem por reforço, uma IA explora o mundo, recebendo feedback positivo ou negativo com base em suas ações.
Essa abordagem levou algoritmos desde aprenderam independentemente a jogar xadrez em um nível sobre-humano até a provar teoremas matemáticos sem qualquer orientação humana. Através disso, pesquisadores de IA usaram o aprendizado por reforço para aprender a resolver quebra-cabeças como o Cubo de Rubik.
Por meio do aprendizado por reforço, os IAs estão aprendendo de forma independente a resolver problemas que até os humanos lutam para resolver. Isso fez com que muitos outros pesquisadores pensassem menos sobre o que a Inteligência Artificial “pode aprender” e mais sobre o que os humanos podem aprender com a IA. Um computador que pode resolver o Cubo de Rubik deve ser capaz de ensinar as pessoas como resolvê-lo também.
Olhando para a “Caixa Preta”
Infelizmente, as mentes dos IAs estão atualmente fora do alcance de nós, humanos. IAs são péssimos professores e são o que nós, no mundo da ciência da computação, chamamos de “caixas pretas”.
A Inteligência Artificial simplesmente expõe soluções sem dar razões do motivo daquele resultado. Cientistas da computação vêm tentando há décadas abrir essa “caixa preta” e pesquisas recentes mostraram que muitos algoritmos de IA realmente pensam de maneiras semelhantes aos humanos.
Por exemplo, um computador treinado para reconhecer animais aprenderá sobre diferentes tipos de olhos e ouvidos e reunirá essas informações para identificar corretamente o animal.
Resultados de IA explicados
O esforço para abrir a caixa preta é chamado de IA explicável. Um grupo de pesquisa no “AI Institute da University of South Carolina” está interessado em desenvolver uma Inteligência Artificial que explique o motivo de seus resultados. Para conseguir isso, o Cubo de Rubik foi usado como principal fonte de análise.
O cubo de Rubik é basicamente um problema de descoberta de caminhos: encontre um caminho do ponto A – um cubo de Rubik embaralhado – até o ponto B – um cubo de Rubik resolvido. Outros problemas de destino incluem navegação, prova de teoremas e síntese química.
O laboratório da Universidade da Carolina do Sul criou um site onde qualquer pessoa pode ver como seu algoritmo de IA resolve o cubo de Rubik; no entanto, seria difícil para uma pessoa aprender como resolver o cubo neste site. Isso ocorre porque o computador não pode lhe dizer a lógica por trás de suas soluções.
As soluções para o cubo de Rubik podem ser divididas em algumas etapas generalizadas – a primeira etapa, por exemplo, pode ser “formar uma cruz”, enquanto a segunda etapa pode ser “colocar as peças de canto no lugar”. Embora o cubo de Rubik em si tenha combinações possíveis de 10 elevado à 19ª potência, um guia passo a passo generalizado é muito fácil de lembrar e pode ser aplicável em muitos cenários diferentes.
Ainda é só o começo
Abordar um problema dividindo-o em etapas costuma ser a maneira padrão pela qual as pessoas explicam as coisas umas às outras.
O Cubo de Rubik naturalmente se encaixa nesta estrutura passo a passo, o que dá a oportunidade de abrir a “caixa preta” da Inteligência Artificial com mais facilidade. Entretanto, o cubo é um exemplo inicial de como a Inteligência Artificial Explicável realmente pode funcionar.
Através da criação de mais algoritmos de IA com essa capacidade, um nicho amplo de resultados será aberto para que humanos entendam, da melhor e mais rápida forma, como resolver problemas e compreender melhor a respostas desses resultados.
Este artigo foi traduzido de Singularity Hub
Conheça os serviços que a dataRain oferece para sua empresa!
dataRain – Cloud Computing Amazon Web Services
