A inteligência artificial está penetrando ainda mais pela existência cotidiana, algumas vezes sem sequer perceber. Se imaginarmos que as máquinas qualquer dia nos conquistarán, provavelmente se deva a que temos visto em imensos videos de ficção científica. Mas quão perto estamos de que um micro computador inteligente quiser submeter ou nos fazer mal? Pois não muito, para não expressar que ainda não há indícios tecnológicos de que qualquer dia vá acontecer.
O campo da inteligência artificial, por muito avançado que pareça ser, ainda enfrenta grandes desafios técnicos que, diga-se de passagem, não podem romper do ético. O software AlfaGo da companhia britânica de inteligência artificial Google DeepMind fez história em outubro de 2015, quando venceu a Fan Hui, o campeão europeu de Go.
O Go é jogado em um tabuleiro quadriculado em que 2 jogadores se revezam para botar pedras brancas ou pretas nos vértices dos quadrados. O objetivo é cercar a superior área possível, e capturar o superior número de pedras do oposto. O leque de jogadas possíveis é tão vasto que ultrapassa a quantidade de átomos que existem no Universo.
Em vista disso, o Go é considerado um jogo muito mais difícil do que o jogo de xadrez. Em janeiro de 2016 (a) eduardo Hassabis e sua equipe de colaboradores descreveram o funcionamento do programa AlfaGo em um postagem publicado pela revista Nature. Em março, uma versão revista e ampliada de AlfaGo venceu o campeão mundial, Lee Sedol (olhe Como você vê? Não.
O segredo? As chamadas redes neurais profundas. As redes neurais artificiais são uma maneira de lançar computadores pra que seus circuitos se assemelham à infraestrutura do cérebro. Consistem em um conjunto de processadores —os “neurônios”— que não obrigatoriamente têm uma função individual específica, entretanto que estão interligados pra se informar e operar em conjunto, com a finalidade de executar tarefas muito numerosas. O aprendizado automático pode ser considerada a contrapartida da programação tradicional. Na programação habitual da máquina recebe instruções para fazer uma tarefa e a realiza com maior ou pequeno sucesso, mas não aprende nada.
No aprendizado automático da máquina poderá deduzir informação, por si só, e, logo em seguida, aplicá-la em outros momentos. O aprendizado profundo é um tipo de aprendizagem que ocupa muitas camadas da rede neural para averiguar a informação, a diferentes níveis, como se fossem câmeras que irão fazendo zoom.
- Um Causa possível: o avanço exponencial
- Honra 9i (2017)
- Microsoft integrará o Ubuntu (Linux) no Windows dez
- É aditado um novo nação compatível com Apple Pay: Inglaterra
- dois Ancestrais e história da domesticação
nós Somos testemunhas do repercussão desse tipo de aprendizagem em que momento o Facebook identifica automaticamente as pessoas que aparecem em uma foto, ou quando o Google interpreta que o material de uma imagem é, digamos, um automóvel. Vamos continuar com o exemplo do automóvel.
Uma camada da rede neural identifica as partes do carro: pneus, volante, portas. Para caracterizar com mais fatos esses elementos são necessários camadas mais profundas que dão mais realce. A rede neural analisa milhares de imagens e, insuficiente a pouco, suas camadas e nós de processamento começam a diferenciar os detalhes que são sérias e os que não.
Isto fortalece conexões e descarta algumas. Em 1950, Alan Turing propõe um teste: pode-se relatar que um computador “pensa” se, ao interagir com um juiz, ele não pode definir se se trata de uma máquina ou de um ser humano.