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. Pais mostram ao seu filho suficientes exemplos da letra e, antes que se dê conta, eles serão capazes de identificar outros exemplos em contextos onde a orientação não está ativa; escola, um livro, um outdoor.

Muito da tecnologia de inteligência artificial (IA) emergente foi ensinada da mesma maneira. Pesquisadores alimentaram o sistema com exemplos corretos de algo que eles 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 influenciam suas decisões. Essa questão é especialmente relevante quando se busca melhorar a confiabilidade e segurança dos sistemas e estabelecer a governança da adoção da IA.

De um veículo movido a IA que falha em frear a tempo e machuca pedestres, a dispositivos de tecnologia de saúde que dependem da 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, combinando os campos de física, psicologia, filosofia e neurociência em uma exploração interdisciplinar dos mistérios da IA.

NTT Propõe Confiança 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 San 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 pela 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 na 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 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, temos que dizer a ela, na linguagem da matemática, o que é a bondade, por exemplo”, disse o Dr. Tanaka em uma entrevista 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 nos últimos cinco anos, 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 da IA.

Por meio do novo grupo de pesquisa, a NTT Research abordará as semelhanças entre a inteligência biológica e artificial, esperando desvendar as complexidades dos mecanismos da IA e construir uma fusão mais harmônica da colaboração humano-IA.

Embora nova em sua integração com a 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 buscam entender como a IA funciona em termos de treinamento, acumulação de conhecimento e tomada de decisões, para que, no futuro, tecnologias de IA mais coesas, seguras e confiáveis possam ser projetadas.

“A IA é uma rede neural, sua estrutura é muito semelhante à de como o cérebro humano funciona; neurônios conectados por sinapses, que são todos representados por números dentro de um computador. E 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 coautoreou vários artigos.

No entanto, o Dr. Tanaka enfatiza que uma abordagem natural-científica e interindustrial 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 eu 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 iniciar essas conversas, independentemente do histórico das pessoas, porque aprendemos com cada interação”, concluiu o Dr. Tanaka.