Inteligência Geral Artificial
O que é Inteligência Geral Artificial (AGI) e por que ainda não chegou: uma verificação da realidade para entusiastas de IA
Artificial Intelligence (AI) Está em todo o lugar. De assistentes inteligentes a auto-condução carros, os sistemas de IA estão transformando nossas vidas e nossos negócios. Mas e se existisse uma IA que pudesse fazer mais do que executar tarefas específicas? E se existisse um tipo de IA que pudesse aprender e pensar como um ser humano ou até mesmo superar a inteligência humana?
Esta é a visão de Inteligência Geral Artificial (AGI), uma forma hipotética de IA que tem potencial para realizar qualquer tarefa intelectual que os humanos possam. AGI é frequentemente contrastado com Inteligência artificial estreita (ANI), o estado atual da IA que só consegue se destacar em um ou alguns domínios, como jogar xadrez ou reconhecer rostos. A AGI, por outro lado, teria a capacidade de compreender e raciocinar em vários domínios, como linguagem, lógica, criatividade, bom senso e emoção.
AGI não é um conceito novo. Tem sido a visão orientadora da investigação em IA desde os primeiros dias e continua a ser a ideia que mais causa divisão. Alguns entusiastas da IA acreditam que a AGI é inevitável e iminente e levará a uma nova era de progresso tecnológico e social. Outros são mais céticos e cautelosos e alertam para os riscos éticos e existenciais de criar e controlar uma entidade tão poderosa e imprevisível.
Mas quão perto estamos de alcançar a AGI, e faz sentido tentar? Esta é, de facto, uma questão importante cuja resposta pode fornecer uma verificação da realidade para os entusiastas da IA que estão ansiosos por testemunhar a era da inteligência sobre-humana.
O que é umaGI e como isso é diferente da IA?
A AGI se destaca da IA atual por sua capacidade de realizar qualquer tarefa intelectual que os humanos possam, se não, superá-los. Essa distinção ocorre em termos de vários recursos principais, incluindo:
- pensamento abstrato
- a capacidade de generalizar a partir de casos específicos
- baseando-se em diversos conhecimentos prévios
- utilizando o bom senso e a consciência para a tomada de decisões
- compreender a causalidade em vez de apenas correlação
- comunicação e interação eficazes com humanos e outros agentes.
Embora estas características sejam vitais para alcançar inteligência semelhante à humana ou sobre-humana, continuam a ser difíceis de capturar para os actuais sistemas de IA.
A IA atual depende predominantemente do aprendizado de máquina, um ramo da ciência da computação que permite que as máquinas aprendam com dados e experiências. O aprendizado de máquina opera por meio de supervisionou, não supervisionado e aprendizagem de reforço.
O aprendizado supervisionado envolve aprendizado de máquina a partir de dados rotulados para prever ou classificar novos dados. A aprendizagem não supervisionada envolve encontrar padrões em dados não rotulados, enquanto a aprendizagem por reforço centra-se na aprendizagem a partir de ações e feedback, na otimização de recompensas ou na minimização de custos.
Apesar de alcançar resultados notáveis em áreas como visão computacional e a processamento de linguagem natural, os atuais sistemas de IA são limitados pela qualidade e quantidade de dados de treinamento, algoritmos predefinidos e objetivos de otimização específicos. Muitas vezes precisam de ajuda com adaptabilidade, especialmente em situações novas, e de mais transparência na explicação do seu raciocínio.
Em contraste, a AGI está prevista para ser livre destas limitações e não dependeria de dados, algoritmos ou objectivos predefinidos, mas sim das suas próprias capacidades de aprendizagem e pensamento. Além disso, a AGI poderia adquirir e integrar conhecimentos de diversas fontes e domínios, aplicando-os perfeitamente a tarefas novas e variadas. Além disso, a AGI se destacaria no raciocínio, na comunicação, na compreensão e na manipulação do mundo e de si mesma.
Quais são os desafios e abordagens para alcançar AGI?
A realização da AGI apresenta desafios consideráveis que abrangem dimensões técnicas, conceituais e éticas.
Por exemplo, definir e medir a inteligência, incluindo componentes como memória, atenção, criatividade e emoção, é um obstáculo fundamental. Além disso, modelar e simular as funções do cérebro humano, como percepção, cognição e emoção, apresenta desafios complexos.
Além disso, os desafios críticos incluem a concepção e implementação de algoritmos e arquitecturas de aprendizagem e raciocínio escaláveis e generalizáveis. Garantir a segurança, fiabilidade e responsabilização dos sistemas AGI nas suas interações com humanos e outros agentes e alinhar os valores e objetivos dos sistemas AGI com os da sociedade é também de extrema importância.
Várias direções e paradigmas de pesquisa foram propostos e explorados na busca da AGI, cada um com pontos fortes e limitações. IA Simbólica, uma abordagem clássica que utiliza lógica e símbolos para representação e manipulação do conhecimento, destaca-se em problemas abstratos e estruturados como matemática e xadrez, mas precisa de ajuda para dimensionar e integrar dados sensoriais e motores.
Da mesma forma, IA Conexionista, uma abordagem moderna que emprega redes neurais e aprendizagem profunda para processar grandes quantidades de dados, destaca-se em domínios complexos e ruidosos como visão e linguagem, mas precisa de ajuda na interpretação e generalizações.
IA híbrida combina IA simbólica e conexionista para alavancar seus pontos fortes e superar pontos fracos, visando sistemas mais robustos e versáteis. De forma similar, EIA evolucionária usa algoritmos evolutivos e programação genética para evoluir sistemas de IA através da seleção natural, buscando soluções novas e ideais sem restrições do design humano.
Por último, IA neuromórfica utiliza hardware e software neuromórficos para emular sistemas neurais biológicos, visando modelos cerebrais mais eficientes e realistas e permitindo interações naturais com humanos e agentes.
Estas não são as únicas abordagens à AGI, mas algumas das mais proeminentes e promissoras. Cada abordagem tem vantagens e desvantagens e ainda precisa alcançar a generalidade e a inteligência que a AGI exige.
AGI Exemplos e Aplicações
Embora a AGI ainda não tenha sido alcançada, alguns exemplos notáveis de sistemas de IA apresentam certos aspectos ou características que lembram a AGI, contribuindo para a visão de uma eventual realização da AGI. Estes exemplos representam avanços em direção à AGI, apresentando capacidades específicas:
AlfaZero, desenvolvido pela DeepMind, é um sistema de aprendizagem por reforço que aprende de forma autônoma a jogar xadrez, shogi e Go, sem conhecimento ou orientação humana. Demonstrando proficiência sobre-humana, AlphaZero também apresenta estratégias inovadoras que desafiam a sabedoria convencional.
Do mesmo modo, OpenAI's GPT-3 gera textos coerentes e diversos sobre vários tópicos e tarefas. Capaz de responder perguntas, redigir redações e imitar diferentes estilos de escrita, o GPT-3 apresenta versatilidade, embora dentro de certos limites.
Da mesma forma, ARRUMADO, um algoritmo evolutivo criado por Kenneth Stanley e Risto Miikkulainen, desenvolve redes neurais para tarefas como controle de robôs, jogos e geração de imagens. A capacidade da NEAT de evoluir a estrutura e função da rede produz soluções novas e complexas não predefinidas por programadores humanos.
Embora estes exemplos ilustrem o progresso em direcção à AGI, também sublinham as limitações e lacunas existentes que necessitam de maior exploração e desenvolvimento na prossecução da verdadeira AGI.
Implicações e riscos da AGI
A AGI apresenta desafios científicos, tecnológicos, sociais e éticos com implicações profundas. Economicamente, pode criar oportunidades e perturbar os mercados existentes, aumentando potencialmente a desigualdade. Ao mesmo tempo que melhora a educação e a saúde, a AGI pode introduzir novos desafios e riscos.
Eticamente, poderia promover novas normas, cooperação e empatia e introduzir conflitos, competição e crueldade. A AGI pode questionar os significados e propósitos existentes, expandir o conhecimento e redefinir a natureza e o destino humanos. Portanto, as partes interessadas devem considerar e abordar estas implicações e riscos, incluindo investigadores, promotores, decisores políticos, educadores e cidadãos.
Concluindo!
A AGI está na vanguarda da investigação em IA, prometendo um nível de intelecto que ultrapassa as capacidades humanas. Embora a visão cative os entusiastas, persistem desafios na concretização deste objetivo. A IA atual, que se destaca em domínios específicos, deve atender ao potencial expansivo da AGI.
Numerosas abordagens, desde a IA simbólica e conexionista até modelos neuromórficos, lutam pela realização da AGI. Exemplos notáveis como AlphaZero e GPT-3 mostram avanços, mas o verdadeiro AGI permanece indefinido. Com implicações económicas, éticas e existenciais, a jornada para a AGI exige atenção colectiva e exploração responsável.