Quando um pai está ensinando seu filho pequeno a se relacionar com o mundo, ele ensina por meio de associações e identificação de padrões. Pegue a letra S, por exemplo. Os pais mostram ao seu filho enough exemplos da letra e, antes que se dê conta, eles serão capazes de identificar outros exemplos em contextos onde a orientação não é ativa; escola, um livro, um outdoor.

Muito da tecnologia de inteligência artificial (IA) emergente foi ensinada da mesma maneira. Os pesquisadores alimentaram o sistema com exemplos corretos de algo que queriam que ele reconhecesse, e, como uma criança pequena, a IA começou a reconhecer padrões e extrapolar esse conhecimento para contextos que nunca havia experimentado antes, formando sua própria “rede neural” para categorização. Como a inteligência humana, no entanto, os especialistas perderam o rastro das entradas que informaram a tomada de decisão da IA. 

O “problema da caixa preta” da IA surge como o fato de que não entendemos completamente como ou por que um sistema de IA faz conexões, nem as variáveis que entram em suas decisões. Essa questão é especialmente relevante quando se busca melhorar a confiabilidade e segurança dos sistemas e estabelecer a governança da adoção de IA. 

De um veículo movido a IA que falha em frear a tempo e machuca pedestres, a dispositivos de tecnologia de saúde que dependem de IA para ajudar os médicos a diagnosticar pacientes, e vieses exibidos por processos de triagem de contratação movidos a IA, a complexidade por trás desses sistemas levou ao surgimento de um novo campo de estudo: a física da IA, que busca estabelecer a IA como uma ferramenta para que os humanos alcancem uma compreensão mais profunda. 

Agora, um novo grupo de estudo independente abordará esses desafios mesclando os campos de física, psicologia, filosofia e neurociência em uma exploração interdisciplinar dos mistérios da IA.

NTT propõe confiabilidade e segurança da IA

O recém-anunciado Grupo de Física da Inteligência Artificial é um desmembramento do Laboratório de Física e Informática (PHI) da NTT Research, e foi revelado na conferência Upgrade 2025 da NTT em São Francisco, Califórnia, na semana passada. Ele continuará a avançar na abordagem da Física da Inteligência Artificial para entender a IA, que a equipe tem investigado nos últimos cinco anos. 

O Dr. Hidenori Tanaka, que tem um PhD em Física Aplicada e Ciência da Computação e Engenharia da Universidade de Harvard, liderará o novo grupo de pesquisa, construindo sobre sua experiência anterior no Grupo de Sistemas Inteligentes da NTT e no programa de Pesquisa de IA da CBS-NTT sobre a física da inteligência em Harvard.

“Como físico, estou animado com o assunto da inteligência porque, matematicamente, como você pode pensar no conceito de criatividade? Como você pode pensar na bondade? Esses conceitos teriam permanecido abstratos se não fosse pela IA. É fácil especular, dizendo ‘essa é a minha definição de bondade’, o que não é matematicamente significativo, mas agora com a IA, é praticamente importante porque se queremos tornar a IA bondosa, precisamos dizer a ela, na linguagem da matemática, o que é a bondade”, disse o Dr. Tanaka na semana passada, nos bastidores da conferência Upgrade.  

No início de suas pesquisas, o Laboratório PHI reconheceu a importância de entender a natureza “caixa preta” da IA e do aprendizado de máquina para desenvolver novos sistemas com melhor eficiência energética para computação. O avanço da IA na última metade da década, no entanto, evocou considerações de segurança e confiabilidade cada vez mais importantes, que se tornaram críticas para aplicações industriais e decisões de governança sobre a adoção de IA. 

Através do novo grupo de pesquisa, a NTT Research abordará as semelhanças entre inteligências biológicas e artificiais, esperando desvendar as complexidades dos mecanismos da IA e construir uma fusão mais harmoniosa de colaboração humano-IA. 

Embora seja novidade em sua integração de IA, essa abordagem não é nova. Físicos têm buscado revelar os detalhes precisos das relações tecnológicas e humanas por séculos, desde os estudos de Galileu Galilei sobre como os objetos se movem e sua contribuição para a mecânica, até como a máquina a vapor informou a compreensão da termodinâmica durante a Revolução Industrial. No século XXI, no entanto, os cientistas estão buscando entender como a IA funciona em termos de treinamento, acumulação de conhecimento e tomada de decisões, para que, no futuro, possam ser projetadas tecnologias de IA mais coesas, seguras e confiáveis. 

“A IA é uma rede neural, a forma como é estruturada é muito semelhante à forma como o cérebro humano funciona; neurônios conectados por sinapses, que são todos representados por números dentro de um computador. E então é aí que acreditamos que pode haver física… A física é sobre tomar qualquer coisa do universo, formular hipóteses matemáticas sobre seu funcionamento interno e testá-las”, disse o Dr. Hanaka. 

O novo grupo continuará a colaborar com o Centro de Ciência do Cérebro de Harvard (CBS), e planeja colaborar com o Professor Associado da Universidade de Stanford, Suya Ganguli, com quem o Dr. Tanaka coautored vários artigos. 

No entanto, o Dr. Tanaka enfatiza que uma abordagem de ciência natural e transindustrial será fundamental. Em 2017, quando era um candidato a PhD em Harvard, o pesquisador percebeu que queria fazer mais do que a física tradicional e seguir os passos de seus antecessores, desde Galilei até Newton e Einstein, para abrir novos mundos conceituais na física. 

“Atualmente, a IA é o único tópico sobre o qual posso conversar com todos. Como pesquisador, é ótimo porque todos sempre estão dispostos a conversar sobre IA, e também aprendo com cada conversa porque percebo como as pessoas veem e usam a IA de maneira diferente, mesmo além dos contextos acadêmicos. Vejo a missão da NTT como sendo o catalisador para acender essas conversas, independentemente do histórico das pessoas, porque aprendemos com cada interação”, concluiu o Dr. Tanaka.