Como a Inteligência Artificial Pode Aprender Sobre o Processo de Aprendizado?

Para dar novos saltos no avanço da inteligência artificial, a IA teria que “aprender a aprender”, como afirma o autor Jun Wu em Forbes. O que isso significaria?

Como Wu explica, “os seres humanos têm a capacidade única de aprender em qualquer situação ou ambiente.” Os seres humanos podem adaptar seu processo de aprendizado. Para ter uma qualidade tão flexível, a IA precisa de Inteligência Artificial Geral – ela teria que aprender sobre o processo de aprendizado, o que é chamado de Meta-Aprendizado.

Há uma contraste muito específico no processo de aprendizado entre os seres humanos e a inteligência artificial. Enquanto a capacidade de aprendizado humano é limitada, a IA tem muitos mais recursos, como seu poder computacional. O poder cerebral humano tem seus limites e também tem tempo limitado para aprender. Mas, enquanto a IA “aprende com mais dados do que os dados que os cérebros humanos usam, processar esses vastos amounts de dados requer um poder computacional imenso.”

Wu explica que“à medida que a complexidade das tarefas da IA cresce, há também um aumento exponencial no poder computacional.” Isso significaria que, mesmo que o custo do poder computacional seja baixo, “o aumento exponencial nunca é o cenário que queremos.” É a principal razão pela qual, no momento, “a IA é projetada para ser uma aprendiz de propósito específico,” tornando seu processo de aprendizado mais eficiente.

Mas, à medida que a IA começou a aprender mais, “aprendendo a aprender” ela começou a “inferir a partir de dados com complexidade crescente.” Para evitar o aumento exponencial no poder computacional, um caminho de aprendizado mais eficiente teve que ser concebido, e a IA teve que lembrar desse caminho.

O problema todo se tornou ainda mais complexo quando os pesquisadores e tecnólogos começaram a atribuir problemas de multi-tarefa à IA. Para ser capaz de fazer isso, a IA “precisa ser capaz de avaliar conjuntos independentes de dados em paralelo. Ela também precisa relacionar peças de dados e inferir conexões nesses dados.” Enquanto uma tarefa está sendo realizada, a IA precisa atualizar seu conhecimento para que possa aplicá-lo em outras situações. “Como as tarefas são inter-relacionadas, as avaliações para as tarefas precisam ser feitas pela rede inteira.”

O Google (GOOGL ) desenvolveu um modelo desses, MultiModel, que é um sistema de IA que “aprendeu a realizar oito tarefas diferentes simultaneamente. O MultiModel pode detectar objetos em imagens, fornecer legendas, reconhecer fala, traduzir entre quatro pares de idiomas e realizar análise de constituição gramatical.

Enquanto o feito do Google é um grande salto à frente, a IA ainda precisa dar mais passos para que possa se tornar uma aprendiz de propósito geral. Para ser capaz de alcançar isso, ela precisaria desenvolver ainda mais a meta-raciocínio e o meta-aprendizado. Como Wu explica, “a meta-raciocínio se concentra no uso eficiente de recursos cognitivos. O meta-aprendizado se concentra na capacidade única dos seres humanos de usar recursos cognitivos limitados e dados limitados para aprender.”

Atualmente, há estudos sendo realizados para descobrir as lacunas entre a cognição humana e a forma como a IA aprende, como a consciência de estados internos, a precisão da memória ou a confiança.

Tudo isso significa que “tornar-se um aprendiz artificial generalizado requer uma pesquisa extensa sobre como os seres humanos aprendem, bem como sobre como a IA pode imitar a forma como os seres humanos aprendem. Para se adaptar a novas situações, como ter a capacidade de “multitarefa” e a capacidade de tomar “decisões estratégicas” com recursos limitados, são apenas alguns dos obstáculos que os pesquisadores de IA superarão ao longo do caminho.”