Ronald T. Kneusel, autor de “Como funciona a IA: da feitiçaria à ciência” – série de entrevistas

Recentemente recebemos uma cópia avançada do livro “How AI Work: From Sorcery to Science” de Ronald T. Kneusel. Até agora li mais de 60 livros sobre IA e, embora alguns deles sejam repetitivos, este livro conseguiu oferecer uma nova perspectiva. Gostei deste livro o suficiente para adicioná-lo à minha lista pessoal de Os melhores livros sobre aprendizado de máquina e IA de todos os tempos.

“Como funciona a IA: da feitiçaria à ciência” é um livro sucinto e claro, projetado para delinear os fundamentos básicos da aprendizado de máquina. Abaixo estão algumas perguntas feitas ao autor Ronald T. Kneusel.

Este é o seu terceiro livro sobre IA, sendo os dois primeiros: “Aprendizado profundo prático: uma introdução baseada em Python” e “Matemática para aprendizado profundo: o que você precisa saber para entender redes neurais”. Qual foi sua intenção inicial quando decidiu escrever este livro?

Público-alvo diferente. Meus livros anteriores pretendem ser introduções para pessoas interessadas em se tornarem profissionais de IA. Este livro é para leitores em geral, pessoas que ouvem muito sobre IA nas notícias, mas não têm experiência no assunto. Quero mostrar aos leitores de onde veio a IA, que ela não é mágica e que qualquer pessoa pode entender o que ela está fazendo.

Embora muitos livros sobre IA tendam a generalizar, você adotou a abordagem oposta, sendo muito específico ao ensinar o significado de várias terminologias e até mesmo explicar a relação entre IA, aprendizado de máquina e aprendizado profundo. Por que você acredita que há tanta confusão social entre esses termos?

Para entender a história da IA ​​e por que ela está presente em todos os lugares que olhamos agora, precisamos entender a distinção entre os termos, mas no uso popular, é justo usar “IA”, sabendo que se refere principalmente aos sistemas de IA que estão transformando o mundo tão rapidamente. Os sistemas modernos de IA surgiram do aprendizado profundo, que emergiu do aprendizado de máquina e da abordagem conexionista da IA.

O segundo capítulo mergulha profundamente na história da IA, desde o mito de Talos, um robô gigante destinado a proteger uma princesa feonecia, até o artigo de Alan Turing dos anos 1950, “Computing Machinery and Intelligence”, até o advento da revolução do Deep Learning em 2012. • Por que a compreensão da história da IA ​​e do aprendizado de máquina é fundamental para compreender completamente até que ponto a IA evoluiu?

Minha intenção é mostrar que a IA não caiu simplesmente do céu. Tem uma história, uma origem e uma evolução. Embora as capacidades emergentes dos grandes modelos de linguagem sejam uma surpresa, o caminho que leva a elas não o é. É uma de décadas de pensamento, pesquisa e experimentação.

Você dedicou um capítulo inteiro à compreensão de sistemas legados de IA, como máquinas de vetores de suporte, árvores de decisão e florestas aleatórias. Por que você acredita que compreender totalmente esses modelos clássicos de IA é tão importante?

A IA como redes neurais é apenas (!) uma abordagem alternativa ao mesmo tipo de modelagem baseada em otimização encontrada em muitos modelos anteriores de aprendizado de máquina. É uma visão diferente do que significa desenvolver um modelo de algum processo, alguma função que mapeie entradas em saídas. Conhecer os tipos anteriores de modelos ajuda a definir a origem dos modelos atuais.

Você afirma que acredita que o modelo LLM do ChatGPT da OpenAI é o início da verdadeira IA. Qual, na sua opinião, foi a maior mudança entre este e os métodos anteriores de lidar com a IA?

Recentemente assisti a um vídeo do final da década de 1980, de Richard Feynman tentando responder a uma pergunta sobre máquinas inteligentes. Ele afirmou que não sabia que tipo de programa poderia agir de forma inteligente. De certo modo, ele estava a falar de IA simbólica, onde o mistério da inteligência é encontrar a sequência mágica de operações lógicas, etc., que permitem o comportamento inteligente. Eu costumava me perguntar, como muitos, sobre a mesma coisa – como programar a inteligência?

Minha convicção é que você realmente não pode. Pelo contrário, a inteligência emerge de sistemas suficientemente complexos, capazes de implementar o que chamamos de inteligência (isto é, nós). Nossos cérebros são redes extremamente complexas de unidades básicas. Isso também é uma rede neural. Acho que a arquitetura do transformador, conforme implementada nos LLMs, tropeçou acidentalmente em um arranjo semelhante de unidades básicas que podem trabalhar juntas para permitir o surgimento de um comportamento inteligente.

Por um lado, é o “acidente feliz” definitivo de Bob Ross, enquanto, por outro, não deveria ser muito surpreendente, uma vez que o arranjo e as interações permitidas entre unidades básicas capazes de permitir o comportamento inteligente emergente tenham acontecido. Parece claro agora que os modelos de transformadores são um desses arranjos. Naturalmente, isto levanta a questão: que outros acordos deste tipo poderão existir?

Sua mensagem principal é que a IA moderna (LLMS) está no centro, simplesmente uma rede neural que é treinada por retropropagação e gradiente descendente. Você está pessoalmente surpreso com a eficácia dos LLMs?

Sim e não. Fico continuamente surpreendido com as suas respostas e capacidades à medida que as utilizo, mas voltando à questão anterior, a inteligência emergente é real, então porque é que não emergiria num modelo suficientemente grande com uma arquitectura adequada? Acho que pesquisadores desde Frank Rosenblatt, se não antes, provavelmente pensavam a mesma coisa.

A declaração de missão da OpenAI é “garantir que a inteligência artificial geral – sistemas de IA que são geralmente mais inteligentes que os humanos – beneficie toda a humanidade”. Você pessoalmente acredita que o AGI é alcançável?

Não sei o que AGI significa, assim como não sei o que significa consciência, por isso é difícil responder. Como afirmo no livro, pode muito bem chegar um ponto, muito em breve, em que será inútil preocupar-se com tais distinções – se ele anda como um pato e grasna como um pato, basta chamá-lo de pato e seguir em frente.

Deixando de lado as respostas atrevidas, é inteiramente possível que um sistema de IA possa, algum dia, satisfazer muitas teorias da consciência. Queremos sistemas de IA totalmente conscientes (seja lá o que isso realmente signifique)? Talvez não. Se for consciente, então é como nós e, portanto, uma pessoa com direitos – e não creio que o mundo esteja preparado para pessoas artificiais. Já temos bastante dificuldade em respeitar os direitos dos nossos semelhantes, e muito menos os de qualquer outro tipo de ser.

Houve alguma coisa que você aprendeu durante a escrita deste livro que o pegou de surpresa?

Além do mesmo nível de surpresa que todos sentem com as habilidades emergentes dos LLMs, na verdade não. Aprendi sobre IA quando era estudante na década de 1980. Comecei a trabalhar com aprendizado de máquina no início dos anos 2000 e estive envolvido com o aprendizado profundo quando ele surgiu no início dos anos 2010. Testemunhei em primeira mão os desenvolvimentos da última década, juntamente com milhares de outras pessoas, à medida que o campo crescia dramaticamente de conferência para conferência.

Obrigado pela ótima entrevista, os leitores também podem querer dar uma olhada no meu resenha deste livro. O livro está disponível em todos os principais varejistas, incluindo Amazon.