Adrian Zidaritz, Autor de AIbluedot.com – Série de Entrevistas

Adrian Zidaritz é o autor de AIbluedot.com, um blog que fornece uma visão geral de IA, com uma mistura de matemática, ética, política e “tudo” o que está entre eles. Embora os artigos contenham uma quantidade mínima de material técnico, eles não são direcionados a especialistas, mas sim ao público em geral. A IA é mal compreendida por não especialistas e é Either hypeada ou diminuída na mídia; no entanto, é a tecnologia mais consequente em nosso tempo presente.

O que inicialmente o atraiu para a IA?

O desenvolvimento de IA requer uma ampla gama de especialidades, diferente de qualquer outra tecnologia moderna. Ela se alimenta de pesquisas de estatística, neurociência, matemática aplicada, ciência da computação, desenvolvimento de software, psicologia, etc… Esse desafio é o que me atraiu, combinado com o fato de que tive a sorte de brincar com muitos desses campos em minha carreira anterior: matemática, ciência da computação, desenvolvimento de software, estatística.

Você teve uma carreira extensa trabalhando em IA. Pode discutir alguns desses destaques?

Isso é, de certa forma, uma continuação da pergunta 1. Quase todas as pessoas de meia-idade que trabalham em IA atualmente vêm de outro lugar. Até por volta de 2005, não havia IA (por sinal, o sucesso da IA é devido principalmente às redes neurais = aprendizado profundo, todas as outras técnicas são pálidas em comparação; então, para todos os fins práticos, quando dizemos IA, significamos aprendizado profundo). Como resultado, muitos de nós que trabalham em IA trazem perspectivas únicas para o campo. Eu venho de uma formação em matemática, combinada com a liderança de projetos práticos de IA, nos quais a engenharia de BigData desempenha um papel muito grande (às vezes mais de 80% do tempo total do projeto). Minha formação coloca a IA entre uma questão de suas fundamentos matemáticos (muito teórica) e os aspectos práticos de liderar equipes de cientistas de dados e engenheiros de aprendizado de máquina. Há outros pesquisadores que sabem mais sobre as tecnologias de IA no meio do sanduíche.

Você afirmou que a IA foi Either hypeada ou diminuída na mídia. Por que acredita que há um desconexão entre a mídia relatando com precisão o estado da IA versus as realidades reais da tecnologia?

Porque a IA é mal compreendida, mesmo por algumas pessoas que trabalham em IA, quanto mais pela imprensa. É uma disciplina muito jovem, com trabalhadores muito jovens. As opiniões variadas desses jovens trabalhadores fazem seu caminho para a mídia, alimentando um desalinhamento de objetivos. Basta mencionar o documentário Social Dilemma no Netflix, no qual essas visões conflitantes de IA, de uma perspectiva do Vale do Silício, são bem documentadas.

Atualmente, a maior parte do progresso que vimos em IA tem sido do aprendizado profundo. Quais são suas opiniões sobre o problema da caixa preta do aprendizado profundo?

Esse é um grande problema. Basicamente, não temos uma compreensão teórica (= matemática) do processo de aprendizado. Não sabemos como os algoritmos de aprendizado profundo realmente aprendem. Só vemos que eles funcionam. Houve tentativas, claro, de desenvolver uma teoria, mas nenhuma ganhou aceitação ampla. Então, na ausência dessa compreensão básica, tudo o que podemos fazer é dizer “veja, funciona”. Mas dar uma explicação de caixa branca é impossível nesse momento. Outros algoritmos (não aprendizado profundo) são melhor compreendidos e para eles é possível dar explicações dos resultados. Não para o aprendizado profundo.

Quais são suas opiniões sobre o viés da IA e como podemos evitá-lo?

Agora, a IA é tudo sobre dados, não sobre algoritmos. Os algoritmos não conhecem viés, o viés está nos dados. Os dados refletem a composição da sociedade e também a estratificação da sociedade, pois a coleta de dados também tem viés nela. Esses são, por sinal, naturalmente ocorrentes, o que tem que acontecer é uma inclusão gradual de pessoas de todos os tipos de origens no processo de coleta de dados, para que os dados reflitam uma representação correta da população.

Que tipo de aprendizado de máquina você acha mais interessante?

Como eu disse anteriormente, o aprendizado de máquina agora está cedendo terreno para seu ramo mais bem-sucedido, o aprendizado profundo. Redes neurais, por meio de sua versatilidade, estão dominando.

Você afirmou que a Renda Básica Universal (RBU) será absolutamente necessária para lidar com as perdas de empregos que resultam da IA. Pode elaborar sobre essas opiniões?

A sociedade sofrerá consequências enormes da automação (IA aplicada). Já vimos os grandes deslocamentos, mesmo nas convulsões políticas desde 2016. Simplesmente não haverá como voltar atrás. Muitos empregos simplesmente desaparecerão. Não faz sentido se formar como radiologista nos dias de hoje. A IA pode ler raios-X e MRI e todos os tipos de impressões muito melhor do que um ser humano. O que acontecerá com as pessoas quando não houver simplesmente um emprego que elas possam fazer? A RBU garante que os seres humanos não sofrerão desnecessariamente quando a automação se tornar onipresente. E não há necessidade de, porque a IA entregará o trabalho necessário para a sociedade continuar a funcionar.

Você acredita que podemos alcançar a Inteligência Artificial Geral (IAG)?

Sim, muitas pessoas argumentam que o software da DeepMind já está na fronteira da IAG. Eu não subscrevo essa ideia, mas mesmo para mim a resposta é sim. A IAG não significa emoções ou consciência, o “I” na IAG é simplesmente inteligência cognitiva. E para esse nível de inteligência, a resposta parece ser sim.

Você acredita que há uma probabilidade de que vivamos em uma simulação?

Uma possibilidade? Sim, significando que a probabilidade de vivemos em uma simulação não é 0. É também intelectualmente atraente. Mas é provável? Não, para mim, não é provável, ou seja, a probabilidade, embora não seja 0, é muito, muito pequena.

Obrigado pela entrevista, leitores que desejam aprender mais sobre as opiniões de Adrian sobre diferentes aspectos da IA devem visitar AIbluedot.com.