Foi no seu trabalho a “seleção natural” que Charles Darwin explicou a origem das espécies vivas que existem na natureza por meio da seguinte lógica: “Se existem variações nas características dos indivíduos de uma espécie; e se, ao longo do tempo, apenas indivíduos com certas características geram crias capazes de gerar novas crias; então, o mundo se encherá de cópias desses indivíduos, e os demais desaparecerão”. Ou, dito de forma genérica: se existem cópias imperfeitas de alguma coisa, e se apenas algumas dessas cópias são selecionadas (de acordo com algum critério, que no caso é a capacidade de gerar crias) apenas as cópias selecionadas deixarão crias. Ou seja, o que permanece é o que é competente em permanecer, e esse “permanecer” não é nada trivial, para que alguma coisa permaneça é preciso que haja uma “inteligência” capaz de separar continuamente sinal de ruído, sobrepujando a entropia, evitando assim que a coisa deteriore. Darwin identificou um processo que, uma vez instanciado, fica irresistível pois dadas certas condições, ele leva automaticamente ao aparecimento de um “algo” que fica estável no ambiente, ou seja, formará um padrão que não se dilui.
Ou seja, as espécies evoluem e isso é um requisito, pois é antes de mais nada uma mudança ao longo do tempo. Apesar de não sabermos de antemão o que será produzido, podemos garantir que alguma coisa será, porque seu padrão ficará estável. O que garante isso é o algoritmo em ação. Darwin estava interessado em espécies vivas, mas o “algo” que ganha estabilidade pode ser o que for: espécies de organismos, tecnologias, ideias, um “meme” qualquer, se o algoritmo estiver em ação, a evolução terá de ocorrer, como conclui Clemente da Nóbrega em sua obra sobre a transformação digital.
E é isto que está na origem do atual boom da inteligência artificial e tudo começou em 2012, pois foi naquele ano que Andrew Ng e seus colaboradores construíram um algoritmo que operava de forma distribuída em dezesseis super computadores interconectados, para aprender a reconhecer imagens de objetos, pessoas e coisas.
Veja que o algoritmo foi programado para aprender a reconhecer padrões formados por grupos de pixels em imagens de vídeos, não para reconhecer nada específico. A partir de 10 milhões de vídeos do YouTube que Andrew Ng escolheu aleatoriamente e com os quais alimentou essa “rede neural”, ela aprendeu a reconhecer gatos. Ninguém tinha falado em gatos, e ninguém dera qualquer definição do que fosse um gato, mas a rede de supercomputadores rodando o algoritmo, aprendeu a reconhecer o padrão que chamamos “gato” e produziu a imagem de um!
Como lembra Dora Kaufman, em recente live realizada no Futuro Presente, tudo o que está acontecendo em inteligência artificial: deep learning, machine learning, robôs, big data, analytics, algoritmos que aprendem etc, baseiam-se num conceito de fundo que é o seguinte: se temos um mecanismo que aprende a selecionar sinais (padrões que façam sentido), teremos algum tipo de inteligência em ação. Se esse mecanismo aprende continuamente, a inteligência (capacidade de selecionar) aumentará continuamente. E é isso que estamos vendo com frequência crescente, inteligências algorítmicas que se alimentam da profusão de dados na Internet e aprendem a selecionar coisas úteis com precisão cada vez maior. Algoritmos executam um amplo repertório de ações e quando implantados em substratos materiais, expandem exponencialmente a capacidade deles que podem ser carros, podem ser drones, pode ser o próprio cérebro humano, é o aprendizado de máquina em constante alimentação que faz evoluir carros e drones autônomos.
Nesse momento o algoritmo se alimenta de praticamente tudo o que é teclado, todo dia, toda hora, todo segundo, no mundo todo, e com mais sensores ligando (microfones, câmeras) outras informações e padrões que são captados por eles.
É por isso, que considerando essa taxa de aprendizado, caminhamos para um ultrapassar sob a nossa inteligência. Assim humanos versus as I.A’s, promete ser uma batalha futura com placar já previamente definido.
De forma assustadora o planeta estaria começando a ser conquistado (ainda que sem muito barulho) pelas forças do algoritmo digital com sua habilidade sutil para vencer o ruído na rede. Essa inteligência foi melhor notada pelo Google e por isso, nas diversas narrativas da história do Google, isso é registrado, pois vários autores relatam falas mais recentes dos fundadores do Google.
Numa entrevista citada por Nicholas Carr em seu livro “The Great Switch”, ele conta: “Page e Brin dizem que não estão interessados só em aperfeiçoar seu mecanismo de busca. O que querem, na verdade, é fundir sua tecnologia com o próprio cérebro humano”.
Foi com o lançamento do Google em 1998 que mais uma vez se evidenciou o acerto do que Shannon propôs como a essência do “problema da comunicação”. Parece que seus fundadores perceberam que o negócio real que tinham nas mãos não era busca na internet, era IA. Tanto que Kevin Kelly, no seu clássico livro, “Inevitável” conta o seguinte episódio: “Lá por 2002, quatro anos após o Google ter lançado seu serviço de buscas, tive uma conversa com Larry Page, o brilhante cofundador empresa. “Larry, eu ainda não entendi. Há tantas empresas de busca, como vocês vão ganhar dinheiro com busca grátis na web?” Eu não era o único que pensava que o Google não duraria muito, mas a resposta de Page não me saiu mais da cabeça: Ah, não temos interesse em ficar nisso, o que estamos realmente fazendo é uma IA”. Outra declaração intrigante apareceu quando se noticiou há alguns anos que a empresa estava escaneando todos os livros já publicados. Quando perguntados quem iria ler aquilo, a resposta foi: “Esses livros não estão sendo escaneados para serem lidos por pessoas, estão sendo escaneados para serem lidos por uma IA”.
Com a digitalização de todas as informações, quase tudo que conhecemos está datado pelo processamento de dados (sem trocadilho) filtrados do caos e confusão por algoritmos e transformados em informação por meio da interação com nossas inferiores inteligências de humanos), principalmente gerados na Internet em todo tipo de interação, onde cada click, cada link aberto, cada e-mail, cada busca, cada post no Facebook, cada foto, cada “curtida” alimenta esse banco.
Dados, sem filtros, uma das tendências também apontadas por Kelly, gera apenas ruído, é fundamental possuirmos filtros desse exagero de dados, os algoritmos são esse filtro, por eles novas mensagens são montadas e codificadas e posteriormente, realimentando o banco de dados de forma permanente.
O algoritmo assim evolui e vai embutindo informação nova (inteligência) a cada ciclo, e vai se transmutando sem intervenção de ninguém por meio de uma reprogramação contínua que ele faz em si mesmo. É a maneira pela qual um cérebro aprende, programada em um algoritmo. O algoritmo aprende.
Logo, o resultado final do processo é uma competência que ele adquire; uma especialização em alguma coisa. O algoritmo gera mais inteligência para si próprio porque aprende com o que os usuários estão fazendo a cada ciclo. Ele vai ficando mais inteligente, mas os humanos que o conceberam no início não estão. Imagine onde isso pode parar, gerando assim o aprendizado de máquina.
Assim, seguindo muitas informações, as Inteligências artificiais estarão presentes em 100% das atividades hoje existentes, sejam sozinhas no formato de robôs ou integrada as soluções já existentes. Assim, no sentido de Claude Shannon, a IA terá capacidade de separar sinal de ruído e construir informação. Essa inteligência não será (nunca mais!) inteligência puramente humana.
Pois lendo assim o conceito do funil de Danny Hillis Danny Hillis, um cientista e inventor contemporâneo, que diz o seguinte: “Num certo momento, pode haver dezenas de milhares de pessoas pensando na possibilidade de uma certa invenção, mas menos de uma em 10 delas vão conseguir imaginar COMO aquilo poderia ser feito. Das que conseguem imaginar como fazer, só um décimo chegará a pensar nos detalhes práticos de soluções específicas. Dessas, apenas um décimo conseguirá fazer um protótipo que funcionará por tempo suficiente. E finalmente, só um dos vários milhares de pessoas que tiveram a ideia conseguirão fazê-la se tornar vencedora”. Nos estágios conceituais (mais abstratos) toda ideia tem muitos pais, mas a cada estágio o número de pais possíveis diminui. Pense em coisas que estão em intensa experimentação hoje, plataformas de ensino à distância, o carro sem motorista, energias solar e eólica, pilhas a hidrogênio.
O “funil” a que Danny Hillis se refere é que levará um ou outro design a se concretizar e dominar os demais, pois se você quer uma empresa inovadora, não coloque tanto peso nas chamadas “pessoas especiais” e trate de cuidar dos processos certos.
O universo das startups é um exemplo mais do que atual dessa referência, onde sobreviver é para poucos, que tenham a ideia certa, a resiliência e que estejam em um ambiente externo estimulador desse desenvolvimento.