Existe também para humanos?
Numa palestra no IBM Neuro-Symbolic AI Workshop, Joshua Tenenbaum, professor de ciência cognitiva computacional no Massachusetts Institute of Technology (o famoso MIT), explicou como os sistemas neuro-simbólicos podem ajudar a resolver alguns dos principais problemas dos sistemas de IA atuais.
Entre as muitas lacunas na IA, Tenenbaum está focado numa em particular: “Como vamos além da ideia de inteligência como reconhecimento de padrões em dados e mais em direção à ideia de todas as coisas que a mente humana faz quando está modelando o mundo, explicando e entendendo as coisas que vê, imagina e acontecem, e transformando-as em metas que pode alcançar planeando ações e resolvendo problemas?”
Sim, é possível treinar as máquinas, se efetivamente compreendermos a mente. Tudo começa com a exploração de um dos aspectos fundamentais da inteligência que humanos e muitos animais compartilham: física intuitiva e psicologia.
Tenenbaum lista três componentes necessários para criar o núcleo da física intuitiva e psicologia na IA: “enfatizamos uma interação de três vias entre modelagem e inferência neural, simbólica e probabilística”. E continua: “consideramos que é essa combinação de três vias que é necessária para capturar a inteligência humana e o bom senso central”.
O componente simbólico é usado para representar e raciocinar com conhecimento abstrato. O modelo de inferência probabilística ajuda a estabelecer relações causais entre diferentes entidades, raciocinar sobre contrafactuais e cenários invisíveis e lidar com a incerteza. E o componente neural usa o reconhecimento de padrões para mapear dados sensoriais do mundo real para o conhecimento e para navegar.
“Estamos a reunir o poder das linguagens simbólicas para representação e raciocínio do conhecimento, bem como redes neurais e as coisas em que elas são boas, mas também com a ideia de inferência probabilística, especialmente inferência bayesiana ou inferência inversa num modelo causal para raciocinar de trás para frente nas coisas que podemos observar, para as coisas que queremos interferir, como a física subjacente do mundo ou os estados mentais dos agentes”, diz Tenenbaum.
Um dos principais componentes do conceito de IA neuro-simbólica é um simulador de física que ajuda a prever o resultado das ações. Simuladores de física são bastante comuns em motores de jogos e em diferentes ramos de deep learning e robótica.
Mas ao contrário de outros ramos da IA que usam simuladores para treinar agentes e transferir o conhecimento para o mundo real, a ideia de Tenenbaum é integrar o simulador ao processo de inferência e raciocínio do agente. “É o que chamamos motor de jogo na cabeça”, diz.
O simulador de física ajudará a IA a simular o mundo em tempo real e prever o que acontecerá no futuro. A simulação só precisa ser razoavelmente precisa e ajudar o agente a escolher um curso de ação promissor. Tal como faz a mente humana. Por exemplo, quando olhamos para uma imagem, como uma pilha de blocos, teremos uma ideia aproximada se ela resistirá à gravidade ou irá cair. Ou se virmos um conjunto de blocos numa mesa e nos perguntarem o que acontecerá se dermos um choque repentino na mesa, podemos prever aproximadamente quais os blocos que cairão no chão.
Podemos não ser capazes de prever a trajetória exata de cada objeto, mas desenvolvemos uma ideia de alto nível sobre o resultado. Quando combinado com um sistema de inferência simbólica, o simulador pode ser configurado para testar várias simulações possíveis em um ritmo muito rápido.
Crédito da foto: Getty Images
