Em 2014 foi lançado o “Estudo de 100 anos para a Inteligência Artificial”, por uma espécie de consórcio formado por universidades de ponta dos EUA, Canadá e Índia e pelos departamentos de pesquisa de empresas de tecnologia. Para “tocar o trabalho” foram formados um comitê administrativo para cuidar da organização e gerenciamento do estudo (afinal a ideia é que dure pelo menos 100 anos) e um painel de especialistas destinados a analisar o que tem sido feito na área e tentar prever os caminhos e os impactos da Inteligência Artificial no futuro da humanidade.
Há poucos dias foi liberado o primeiro relatório produzido pelo estudo, com os potenciais avanços que se têm pela frente e os desafios e as oportunidades que esses avanços trazem para os campos da ética, economia, tecnologia, ciências sociais e da cognição humana (mais sobre o projeto, pode ser encontrado no site criado pela Universidade de Stanford).
Sei que a primeira pergunta que provavelmente vem à mente é “o que isto tem a ver com a gente”? Bom, levando em consideração como o campo da IA vem se desenvolvendo nos últimos 70 anos – desde a publicação do texto “Computing Machinery and Intelligence” pelo matemático Alan Turing – e pelas perspectivas que traz para campos como transporte, saúde, educação e relações sociais e humanas (em especial o impacto no emprego e locais de trabalho), ter pelo menos uma indicação do que pode vir por aí é uma excelente ferramenta para ajudar na definição de políticas públicas e estratégias de ações dos próprios indivíduos no sentido de se adequarem à uma realidade que tende a ser bem diferente da atual.
Duas áreas em especial me chamam a atenção, “emprego e ambiente de trabalho” e “educação” (principalmente a última). Abordá-las na íntegra em um texto é impossível, portanto pretendo dar uma pequena introdução neste e comentar mais detalhadamente em textos futuros.
No quesito emprego e ambiente de trabalho, IA tende a substituir certos tipos de ocupações que envolvam controles repetitivos ou tarefas de rotina, por conta do impacto esperado em outras áreas – como por exemplo a relação transportes e condução de veículos automotores. Espera-se que as máquinas substituam as pessoas mais nas tarefas do que nos empregos propriamente ditos. No entanto, crescendo o espectro de tarefas que os sistemas digitais podem fazer e com a evolução dos sistemas de Inteligência Artificial, é possível que também cresça o escopo do que é considerado “de rotina”. Não se descarta a hipótese de se incluir serviços profissionais que historicamente não são realizados por máquinas. Desta forma, é possível que seja necessário pensar em “redes de segurança” sociais que protejam as pessoas de impactos muito profundos na economia, em um movimento muito parecido com o que ocorreu entre as décadas de 30 e 50 do século passado.
O impacto em educação tende a envolver uma dose de interação mais fluida entre máquinas e humanos. Embora seja consenso de que educação em alto nível envolva necessariamente relações humanas, com a de “mestre” e “aprendiz” – o que faz com que a profissão de “professor” seja uma das menos “ameaçadas” por sistemas digitais – ela é, simultaneamente, uma das que possuem maior possibilidade de ser “impactada” pelo uso de “máquinas” no seu “ambiente de trabalho”, principalmente pela possibilidade de “escalabilidade” da personalização. Tutoriais conduzidos por máquinas já são usados para ensinar alunos em áreas como matemática e programação. Máquinas com capacidade de processar linguagem natural (e não codificada), alinhadas com algoritmos de machine learning, têm impulsionado cursos que envolvem a aprendizagem formal e a autoaprendizagem integradas e professores com habilidade de “multiplicar” o tamanho de suas salas de aula, ao mesmo tempo que tem capacidade de abordar simultaneamente as necessidades de aprendizagem e os estilos individuais dos estudantes. Os responsáveis por isto são os sistemas de aprendizados online e os learning analytics (que usam dados coletados dos próprios sistemas online para analisar a performance e a evolução dos alunos e oferecer insights).
As tendências na área de machine learning (o aprendizado de máquinas, que se tornou uma das bases da Inteligência Artificial) é um bom indicativo do que pode vir por aí. Termos como deep learning, aprendizado de larga escala de máquinas (large-scale machine learning), visão do computador (computer vision) e aprendizado por reforço (reinforcement learning) devem se tornar mais comuns e populares a exemplo de data analytics e big data (que também são usados para instigar o desenvolvimento da Inteligência Artificial). Este tópico, aliás, é um bom começo para entender o que vem por aí. Mas este já é um assunto para um próximo “papo”. Por enquanto, convido a quem quiser, que compartilhe seus pensamentos, medos ou esperanças em relação ao que foi comentado até o momento. Sei que esse tipo de assunto, ao mesmo tempo em que é fascinante, é controverso. Portanto ter ideia de como é entendido pelos que me leem, me ajudará no desenvolvimento da abordagem dos próximos textos.
POR 
ENG