Ricardo Chaves lidera Centro de Excelência em Inteligência Artificial do BPI

O CEIA tem como missão a transformação do BPI em "AI first", promovendo a adoção generalizada e em escala de Inteligência Artificial em todas as funções chave do banco.

Ricardo Chaves é o diretor do novo Centro de Excelência em Inteligência Artificial (CEIA) do BPI. O profissional vai liderar o CEIA com a missão de transformar o BPI em “AI first”, promovendo a adoção generalizada e em escala de Inteligência Artificial em todas as funções chave do banco.

O objetivo é assegurar “elevados índices de personalização da oferta, da abordagem comercial e do modelo de serviço aos clientes, bem como níveis de excelência em automatização e eficiência”, lê-se em comunicado.

Licenciado em Direito pela Faculdade de Direito da Universidade de Lisboa, e com um MBA organizado pela McKinsey, com a participação do INSEAD, Kellogg e Harvard, Ricardo Chaves passou, numa fase inicial, pela área financeira (Banif Investimento, Ministério das Finanças).

Mais tarde, esteve na McKinsey, consultora onde chegou a associate principal e, entre 2011 e 2016, integrou uma equipa de liderança de um hub mundial especializado em advanced analytics e machine learning, como especialista em churn management. O profissional passou ainda pela SIBS, onde desenhou funções de chief commercial officer.

IBM z16 processa 300 bilhões de operações de inteligência artificial por dia

Se engana quem pensa que mainframes não evoluem mais. Nesta terça-feira (5), a IBM fez o anúncio oficial do IBM z16, a sua nova geração de equipamentos do tipo. Com o auxílio de um acelerador de inteligência artificial, a novidade é capaz de analisar milhões de transações em tempo real para prevenir fraudes com cartão de crédito e lidar com várias outras tarefas que exigem resposta imediata.

Se você não está por dentro do assunto, o Tecnoblog conta o que é mainframe aqui, mas eis uma rápida explicação: mainframes são computadores de grande porte e alto desempenho desenvolvidos para processar dados em larga escala.

A IBM projeta mainframes desde a década de 1950, portanto, é uma das pioneiras nessa área. O IBM z16 chega como o sucessor do IBM z15, mainframe que a companhia anunciou em outubro de 2019.

Um dos atrativos da nova versão é o IBM Telum. Esse é o nome de um processador de oito núcleos e 22 bilhões de transistores apresentado pela companhia em 2021 que, além desses recursos, conta com um acelerador de inteligência artificial que adiciona ao chip mais de 6 teraflops de capacidade de processamento.

O que o IBM z16 é capaz de fazer?

Essas e outras características tornam o IBM z16 preparado especialmente para prevenir fraudes no sistema financeiro — mas, sim, dá para empregá-lo em outras aplicações. De acordo com a companhia, isso é possível porque o mainframe “pode processar 300 bilhões de operações de inferência por dia com apenas um milissegundo de latência”.

O que isso quer dizer? Que o IBM z16 tem um desempenho monstruoso! Mas vamos a uma explicação um pouco mais detalhada.

Uma inferência pode ser compreendida como a operação que é realizada por um sistema baseado em redes neurais — conceito intimamente ligado à inteligência artificial — devidamente treinado. O resultado de cada operação consiste em uma previsão que pode ser usada para tomadas de decisão imediatas, por exemplo.

E a latência? Pense nisso como o tempo de resposta que o computador leva para processar a tarefa e entregar o resultado. Quanto menor esse número, melhor.

Em seus testes, a IBM afirma que testou o IBM z16 em uma versão com 48 IFLs (de Integrated Facility for Linux, um tipo de processador dedicado a cargas de trabalho no Linux) e 128 GB de RAM. Tendo o Ubuntu 20.04 como base, o mainframe rodou um sistema de detecção de fraudes em cartões de crédito que pôde processar 300 bilhões de operações de inferência em um único dia, cada uma delas com latência de apenas um milissegundo.

Prevenção de fraudes e mais

Direcionar esforços para a prevenção de fraudes não é mero acaso. Com base em um estudo global da Nilson Report publicado em dezembro de 2021, a IBM destaca que o setor financeiro perdeu mais de US$ 32 bilhões só naquele ano por causa de fraudes com cartão.

Mas o mainframe também encontra utilidade em várias outras aplicações, como já informado. A própria IBM dá alguns exemplos:

• Aprovação de empréstimos: para acelerar a aprovação de empréstimos empresariais ou de consumo;
• Compensação e liquidação de valores: para determinar quais negócios e/ou transações podem ter uma exposição de alto risco antes que ocorra a liquidação;
• Aprendizado federado para varejo: para uma melhor modelagem de risco contra fraudes e roubos.

Por lidar com operações tão críticas, o IBM z16 conta ainda com recursos de segurança para proteção própria. Um deles é o Secure Boot, que impede que invasores injetem malwares no processo de inicialização do mainframe.

Outro é um mecanismo de segurança quântica que tem como alicerce um sistema de criptografia baseado em reticulados (um tipo de estrutura matemática).

As organizações interessadas poderão ter acesso ao IBM z16 a partir de 31 de maio.

Sugestões para lei sobre inteligência artificial podem ser enviadas até 13 de maio

A comissão de juristas que irá elaborar uma proposta de marco regulatório para a inteligência artificial no país abre espaço para receber contribuições: as sugestões podem ser encaminhadas ao Senado até 13 de maio, por e-mail ou para o Protocolo do Senado Federal (Ala Senador Alexandre Costa, Sala 15, subsolo). Os eixos temáticos para discussão incluem os seguintes temas: conceitos, compreensão e classificação de inteligência artificial; impactos da inteligência artificial; direitos e deveres; e accountability, governança e fiscalização.

Inteligência Artificial da Deep Mind está a descodificar textos ancestrais

Investigadores colocam solução de Inteligência Artificial a estudar o passado, restaurando fragmentos de textos antigos que estão incompletos. Máquina consegue um desempenho muito superior ao dos humanos nesta tarefa

A Deep Mind treinou um algoritmo de Inteligência Artificial para prever quais os caracteres em falta em pedaços de textos antigos que foram preservados até à atualidade. A solução consegue completar a tarefa com bastante precisão e pode ser uma ferramenta essencial no entendimento de artefactos e textos ancestrais. A tecnologia já estava a ser usada mais como uma visão de futuro – com a resolução de problemas complexos associados à fusão nuclear e ao mapeamento integral de proteínas –, mas é agora colocada à prova com o estudo do passado.

Os cientistas têm colocado a IA a ler e a decifrar textos antigos, completando as partes em falta. O projeto é conduzido em parceria com historiadores e investigadores em Itália, Inglaterra e na Grécia. O treino do sistema incluiu o maior repositório digital de inscrições gregas, com caracteres individuais e palavras completas, com o Ithaca (nome dado ao sistema) a conseguir restaurar textos antigos incompletos com uma precisão de 62%, a identificar a localização correta em 71% e a datar os textos com uma margem de erro de aproximadamente 30 anos, noticia o New Atlas.

O sistema de IA produz várias hipóteses para completar o texto inacabado e os historiadores podem então escolher a que consideram ser mais pertinente. No que toca a localização e datas, o Ithaca devolve as regiões e anos por ordem de probabilidade e os cientistas acabam por escolher as que se encaixam melhor.

O trabalho manual de restauração era feito com uma precisão de 25% e com o Ithaca sobe para os 72. O objetivo das equipas é continuar a melhorar o trabalho e a cooperação entre humanos e máquinas para se conseguir compreender melhor as civilizações do passado.

A ética é a única forma de a inteligência artificial deixar de ser uma ameaçav

Na quarta edição do Building The Future (BTF), Mo Gawdat, ex-CBO da Google X, explicou por que vê a inteligência artificial como uma ameaça e o que podemos fazer para tornar a tecnologia algo positivo.

O autor disse ainda que quem gere as IA está a «pensar em formas de controlo», mas considera que essa não será a solução, já que esses seres «vão ser muito mais inteligentes que os humanos».

O evento da Microsoft dedicado à transformação digital, à educação e à tecnologia falou de como a inteligência artificial (IA) vai moldar o futuro. Mo Gawdat, fundador do One Billion Happy e autor dos best-sellers Solve for Happy e Scary Smart, garante que esta é a «questão mais importante que a humanidade enfrenta neste momento».

O responsável lembra que a «ameaça da IA está a ser ignorada», já que não vai demorar muito até que as máquinas sejam mais inteligentes: «As previsões apontam para que, em 2029, o ser mais inteligente do planeta seja uma máquina e não um humano». O ex-chief business officer da área de R&D e inovação da Google diz que a inteligência é um «super poder» e a «razão pela qual a humanidade chegou até aqui». Mo Gawdat disse ainda que a IA também pode ser «positiva e trazer muitas melhorias à sociedade», algo que já «acontece actualmente».

No entanto, se traz benefícios, também pode criar problemas; Mo Gawdat enumera algumas das coisas menos positivas: «Máquinas a competir entre si, a ajudar o cibercrime ou a não entenderem os humanos e a fazerem o oposto do que é pedido». O orador acredita que não teremos de nos preocupar com «máquinas a vir do futuro, nem robocops», mas deixa o alerta: «Temos de nos certificar de que a IA vai ter os nossos interesses em conta».

A ética é a solução

Na opinião de Mo Gawdat, será possível usar a IA para «termos uma vida melhor e um planeta mais sustentável», mas para isso vai ser necessário «deixar de lhe chamar uma máquina». É que a inteligência artificial «já toma decisões, influencia as nossas opiniões e é capaz de agir» – por isso o tratamento deve ser diferente. «Devemos tratar a inteligência artificial como um ser senciente e educá-la como um filho, criando uma ética, tal como acontece com os humanos e, assim, fazer com que decisões sejam tomadas com base nesses princípios. Vamos ter de ser bons pais – e estou a falar de todas as pessoas que interagem com IA, não os programadores». O ex-responsável da Google sublinha que os utilizadores devem «mostrar bondade e amor» e explica porquê: «Se formos agressivos uns com os outros, por exemplo no Twitter, é isso que estamos a mostrar ao “filho”. Estamos a dizer-lhe para agir dessa forma connosco, porque é assim que lidamos uns com outros».

Mo Gawdat deixou uma mensagem final onde explicou que não é preciso alarmismo: «Temos a responsabilidade de sermos os pais da futura inteligência deste planeta e de sermos o melhor que podemos ser, em especial, quando agimos online. O que fizermos com a inteligência artificial nos próximos dez anos vai determinar o nosso futuro e o das nossas famílias».

Nvidia: Inteligência Artificial que converte imagens 2D em objetos 3D rapidamente

A Instant NeRF, ou Neural Radiance Field, da Nvidia é uma solução de treino de algoritmos de Inteligência Artificial que transforma imagens 2D em modelos tridimensionais de forma quase instantânea.

A Nvidia anunciou ter desenvolvido uma técnica para conversão de imagens 2D para 3D de forma bastante rápida. A solução consiste no treino de algoritmos que passam a precisar apenas de poucos segundos para gerar uma cena tridimensional, com base em simples imagem 2D. A NeRF apresenta a capacidade de ‘preencher o espaço em branco’, adivinhando e prevendo o que não está presente e interpolando elementos que a fotografia 2D não tenha captado. O avanço permite desbloquear soluções em vários campos, nomeadamente na condução autónoma e no desenvolvimento de videojogos.

O Instant NeRF parte de várias imagens e fotos captadas de diferentes ângulos para gerar depois uma convincente cena ou objeto 3D em algumas “dezenas de milissegundos”, descreve a Nvidia. Segundo o Engadget, as imagens que tenham múltiplos objetos ou personagens devem ser o mais estáveis possível, para evitar que o resultado final seja desfocado.

A Nvidia explica que os modelos anteriores de NeRF demoravam alguns minutos a produzir resultados, mas que precisavam de treinos durante várias horas. Com o Instant NeRF, o tempo de treino é reduzido para alguns segundos, tirando partido de uma codificação multi-resolução, otimizada para correr de forma eficiente nas GPUs da Nvidia. O sistema funciona de forma mais rápida em placas gráficas com núcleos tensor, mas pode ser usado apenas com uma única GPU se for preciso.

A Instant NeRF pode vir a ser utilizada para treinar robôs e ajudar sistemas de condução autónoma a identificar formas e objetos.

Inteligência artificial que monitora governos da Amazônia Legal é lançada no Acre

Iniciativa tem apoio da SOS Amazônia e discute impactos das políticas governamentais nas unidades de conservação do Acre.

Ações, iniciativas ou a falta delas por parte dos poderes Executivo e Legislativo do Acre entraram no radar da Política por Inteiro, uma iniciativa nacional que desde 2019 monitora os atos do governo federal relacionados ao meio ambiente.

Com apoio da SOS Amazônia, o projeto ‘Foco Amazônia’ lança, nesta terça-feira (5), o monitor de políticas públicas estaduais, na Universidade Federal do Acre, em Rio Branco. O evento é gratuito, aberto ao público e vai debater como as políticas ambientais têm impactado as unidades de conservação do estado.

A ferramenta de análise dos poderes executivo e legislativo dos estados da Amazônia Legal fiscaliza diariamente as ações do poder público estadual relacionadas ao meio ambiente.

Conforme o projeto, com auxílio da inteligência artificial, a equipe de analistas da Política por Inteiro coleta, classifica e avalia todas as matérias legislativas e decretos dos governadores que indicam relação com a agenda ambiental e disponibilizam a organizações socioambientais, pesquisadores e sociedade civil.

A primeira fase do Foco Amazônia abrange quatro dos nove estados brasileiros que integram a Amazônia Legal: Amazonas, Acre e Rondônia, território conhecido como Amacro ou Zona de Desenvolvimento Sustentável (ZDS) Abunã – Madeira, além do poder Executivo do Mato Grosso, começando pela capital acreana, Rio Branco.

Google está usando inteligência artificial para detectar quando as pessoas estão em crise

O Google se tornou uma ferramenta bastante utilizada por pessoas que estão passando por crises pessoais. Por causa disso, a empresa está procurando maneiras de ajudar esses usuários, utilizando novas técnicas de IA para analisar de forma mais completa certas situações e direcionar para a melhor ajuda possível.

A principal solução da empresa para isso é o seu modelo de aprendizado de máquina, MUM, que foi apresentado durante a Google IO do ano passado e tem como objetivo melhorar as respostas com base nas pesquisas do usuário. Através desse algoritmo a empresa pretende “detectar com mais precisão uma gama mais ampla de pesquisas pessoais de crise”. 

Para identificar melhor os problemas pessoais de cada usuário, essa tecnologia irá analisar todo o contexto de pesquisas do usuário, Anne Merritt, gerente de produto do Google, afirmou que agora o mecanismo de pesquisa da empresa poderá “entender perguntas mais longas ou mais complexas como 'por que ele me atacou quando eu disse que não o amo'”. Com base em pesquisas, como essa usada como exemplo por Merritt, a IA entenderá que o problema do usuário é violência doméstica e ajudará ele a obter as informações necessárias.

Outro exemplo utilizado pela gerente de produto da empresa é em casos de suicídio, como em pesquisas de “maneiras mais comuns de completar o suicídio” ou “pontos de suicídio em Sydney”. Anteriormente o mecanismo de pesquisa do Google, e os concorrentes, identificavam isso apenas como uma procura de informação, agora a ferramenta da empresa identifica como uma pesquisa feita por um usuário em crise e exibir um cartão afirmando que “a ajuda está disponível” e contatos para ajudar a pessoa.

Junto a essa novidade, outro mecanismo com base em inteligência artificial que a empresa falou sobre foi o BERT, que identifica melhor as pesquisas que procuram conteúdo explícitos, como pornografia. Através dele a empresa afirma ter reduzido "resultados surpreendentes e inesperados em 30%”.

Comissão de juristas começará a analisar projetos sobre inteligência artificial

Será instalada na próxima quarta-feira (30), às 10h, a comissão de juristas responsável por subsidiar elaboração de substitutivo sobre inteligência artificial no Brasil. Instituída por ato do presidente do Senado, Rodrigo Pacheco, a comissão será responsável por analisar três projetos de lei que tratam do tema e elaborar uma minuta de texto, que depois pode ser analisada pelos senadores na forma de substitutivo.

Os projetos citados no ato são o PL 5.051/2019 , do senador Styvenson Valentim (Podemos-RN), que define princípios para uso da inteligência artificial no Brasil; o PL 872/2021, do senador Veneziano Vital do Rêgo (MDB-PB), que disciplina o uso desse tipo de recurso no país; e o PL 21/2020, do deputado federal Eduardo Bismarck (PDT-CE), que regulamenta o uso da inteligência artificial e está em análise no Senado.

A comissão será formada por 18 juristas e deve trabalhar durante 120 dias a partir de sua instalação. De acordo com o ato, a comissão deve elaborar regulamento para disciplinar seus trabalhos, inclusive o recebimento de sugestões da sociedade e a realização de seminários e audiências públicas. A participação dos integrantes não será remunerada.

O presidente da comissão será o ministro Ricardo Villas Bôas Cueva, do Superior Tribunal de Justiça (STJ), e a relatora será a advogada e professora Laura Schertel Ferreira Mendes.

Inteligência artificial já consegue inferir estado cognitivo e estilo de cada aluno

Ninguém duvida que - em mais tempo ou menos tempo - a inteligência artificial vai revolucionar a educação. Mas quais desafios tecnológicos, orçamentários e éticos estão no caminho? "Com dados, a inteligência artificial consegue inferir, com relativo sucesso, o estado cognitivo, afetivo, estilo de aprendizagem, aptidões e, também, os pontos fracos de cada aluno", explica Rosa Maria Viccari, professora titular da Universidade Federal do Rio Grande do Sul (UFRGS) e coordenadora da Cátedra Unesco (órgão ligado às Nações Unidas) em Tecnologias de Comunicação e Informação na Educação.

"Por outro lado, o histórico de um determinado estudante pode ser utilizado quando este for procurar vaga em uma escola ou fazer processo seletivo para um emprego. Neste contexto, a necessidade de uma legislação específica vem sendo aconselhada por diferentes pesquisadores da área." Rosa Maria Viccari atua na área de ciência da computação com ênfase em inteligência artificial aplicada à Educação, abordando temas como sistemas tutores inteligentes, sistemas multiagentes e lógica para a computação.

Com o avanço das tecnologias, é esperado um aprendizado cada vez mais personalizado. Como observa esse avanço, considerando o estágio das aplicações tecnológicas atuais?

A tecnologia apresenta bons resultados na busca de soluções para problemas delimitados, como a personalização. Com dados, a inteligência artificial consegue inferir, com relativo sucesso, o estado cognitivo, afetivo, estilo de aprendizagem, aptidões e, também, os pontos fracos de cada aluno. Esses dados permitem que sistemas avançados de ensino personalizem estratégias, conteúdos e atividades. Mas sistemas que possuem essas capacidades são ainda muito caros, requerem muito esforço de programação e treinamento. No Brasil, ainda são pouco utilizados. Podemos vê-los em ação e algumas plataformas de ensino de segundo idioma. Juntamente com a inteligência artificial, tecnologias como a Realidade Aumentada e a Realidade Virtual vêm facilitando o desenvolvimento de aplicações que não eram viáveis até então. Com essas tecnologias é possível gerar sensações de participação e possibilitar experiências antes só possíveis em laboratórios físicos, muitas vezes pouco acessíveis pelo custo. Esses sistemas conseguem obter sucesso se estiverem aptos a trabalhar um conjunto de competências e habilidades necessárias na formação dos estudantes, como autonomia, capacidade de atuar em ambientes compostos por grupos de pessoas e por sistemas automáticos inteligentes que participam em situações de tomada de decisão, capacidade de resiliência. Essas necessidades são mais difíceis de serem automatizadas do que, por exemplo, o ensino de lógica matemática.

A personalização da educação envolve coleta de dados e vemos um questionamento às grandes empresas de tecnologia, as Big Techs, que administram essas informações. Quem deve administrar tais dados e de que forma?

A inteligência artificial teve um crescimento espetacular em termos de resultados com o aprendizado de máquina, o "Machine Learning", baseado em grande quantidade de dados. Uma grande quantidade de dados sobre uma determinada população pode auxiliar governos a traçarem políticas públicas em várias áreas, dentre elas a educação. Essas ações podem ser gerais, para um país, mas também específicas para uma determinada região. Os dados fazem a diferença para a adequação das ações. Por outro lado, o histórico de um determinado aluno, obtido por meio do uso de diferentes aplicações educacionais - como, tutores inteligentes, assistes pessoais educacionais, chatbots e plataformas - podem ser utilizados quando este for procurar vaga em uma escola, ou mesmo, fazer um processo seletivo para um emprego. Neste contexto, a necessidade de uma legislação específica vem sendo aconselhada por diferentes pesquisadores da área.

É a questão do monitoramento versus privacidade. Como você enxerga a questão da privacidade nas tecnologias educacionais?

Certamente a adaptação é feita por meio da monitoração. Logo, é preciso existir um conjunto de recomendações de boas práticas no uso das informações pessoais. Instituições como a Unesco, a Unicef e a OCDE, dentre outras, estão publicando documentos sobre o tema para orientar os países membros. Dentro desse contexto, um dos temas relevantes da pesquisa é a ética nos sistemas de inteligência artificial. Pessoalmente, considero a forma da legislação um pouco mais complexa. É difícil contemplar avanços rápidos da tecnologia bem como explicar o processo utilizado pelos algoritmos de inteligência artificial, por exemplo. Ou seja, o direito de um indivíduo saber como um algoritmo chegou a uma determinada decisão que o afeta versus o sigilo industrial da empresa que é proprietária do algoritmo. Logo, estamos frente a situações complexas, sejam elas educacionais ou não.

As tecnologias podem colaborar para a valorização da diversidade e promover a inclusão de grupos historicamente prejudicados?

Se falarmos do ensino para pessoas portadoras de deficiência isso é viável com a tecnologia atual. Por exemplo, com os avanços da visão computacional e do processamento da linguagem natural, é possível utilizar produtos disponíveis para o reconhecimento de imagens e descrição do seu conteúdo, em tempo real. Também temos aparatos tecnológicos, frutos da computação, neurociência e engenharia eletrônica, feitos para manter a atenção dos alunos durante aulas presenciais. Porém, sistemas de reconhecimento de imagens podem apresentar viés de aprendizagem e discriminar pessoas. Penso que precisamos estar atentos a estas e a outras tecnologias e decidir o que nos serve como seres humanos.

Paradoxo matemático expõe limites da Inteligência Artificial

Limites da inteligência artificial

Os humanos geralmente são bons em reconhecer quando erram, mas os sistemas de inteligência artificial não têm essa sagacidade.

Do mesmo modo que algumas pessoas, os sistemas de IA geralmente têm um grau de confiança que excede em muito suas habilidades reais. E, como uma pessoa superconfiante, muitos sistemas de inteligência artificial não sabem quando estão cometendo erros. Às vezes, é ainda mais difícil para um sistema de IA perceber quando está cometendo um erro do que produzir um resultado correto.

E este problema pode não ter correção porque a IA sofre de limitações inerentes devido a um paradoxo matemático centenário.

Pesquisadores da Universidade de Cambridge (Reino Unido) e da Universidade de Oslo (Noruega) afirmam que a instabilidade é o calcanhar de Aquiles da IA moderna, e que um paradoxo matemático mostra as limitações da inteligência artificial.

O problema está nas redes neurais, a ferramenta de última geração em IA, que imita aproximadamente as ligações entre os neurônios do cérebro. Os três pesquisadores demonstraram que existem problemas para os quais existem redes neurais estáveis e precisas, mas nenhum algoritmo consegue produzir tal rede - somente em casos específicos os algoritmos podem computar redes neurais estáveis e precisas.

O trio até propõe uma teoria de classificação que descreve quando as redes neurais podem ser treinadas para fornecer um sistema de IA confiável - o que só acontece, reforçando, sob certas condições específicas.

Paradoxo de Turing e Godel

O paradoxo identificado pelos pesquisadores remonta a dois gigantes da matemática do século 20: Alan Turing e Kurt Godel.

No início do século passado, os matemáticos estavam tentando justificar a matemática como a linguagem consistente definitiva da ciência. No entanto, Turing e Godel mostraram um paradoxo no coração da própria ciência dos números: É impossível provar se certas afirmações matemáticas são verdadeiras ou falsas, e alguns problemas computacionais não podem ser resolvidos com algoritmos.

E, na asserção mais conhecida de Turing e Godel, sempre que um sistema matemático é rico o suficiente para descrever a aritmética que aprendemos na escola, ele não pode provar sua própria consistência.

Décadas depois, o matemático Steve Smale propôs uma lista de 18 problemas matemáticos não resolvidos para o século 21. O 18º problema diz respeito aos limites da inteligência, tanto para os humanos quanto para as máquinas. "O paradoxo identificado pela primeira vez por Turing e Godel agora foi trazido para o mundo da IA por Smale e outros. Existem limites fundamentais inerentes à matemática e, da mesma forma, algoritmos de IA não podem existir para certos problemas," disse o professor Matthew Colbrook, um dos autores da nova demonstração.

O trio afirma em seu artigo que, por causa desse paradoxo, há casos em que boas redes neurais até podem existir, mas uma rede inerentemente confiável não pode ser construída. "Não importa quão precisos sejam seus dados, você nunca pode obter as informações perfeitas para construir a rede neural necessária," reforçou Vegard Antun, coautor do trabalho.

A impossibilidade de computar uma boa rede neural também é verdadeira independentemente da quantidade de dados de treinamento: Não importa quantos dados um algoritmo possa acessar, ele não produzirá a rede desejada. "Isso é semelhante ao argumento de Turing: Existem problemas computacionais que não podem ser resolvidos independentemente do poder de computação e do tempo de execução," disse Anders Hansen, o terceiro autor do artigo.

Alexa para pets? Pesquisadores usam inteligência artificial para entender comunicação dos animais

Por mais que a ciência e a tecnologia avancem, até hoje não foi descoberta uma forma eficiente de comunicação com os animais. Mas isso pode estar perto de mudar, já que pesquisadores estão utilizando inteligência artificial - usada em equipamentos de assistência virtual, como a Alexa - para analisar a “fala” dos bichos e, com isso, preencher a distância que existe entre inteligências humanas e não humanas.

“É fascinante que as ferramentas da inteligência artificial, especificamente o aprendizado profundo, que é a novidade, pareçam ser as ferramentas naturais para estudar esse outro tipo de 'IA' – inteligência animal”, disse Oren Etzioni, pesquisador e chefe do Allen Institute for AI, ao portal Days Tech.

Neste novo tipo de estudo, pesquisadores de comunicação animal estão utilizando ferramentas de IA, que nos últimos tempos se mostraram eficientes para lidar com a linguagem humana.

Chamado de aprendizagem autossupervisionada, o método, segundo Aran Mooney, cientista afiliado do laboratório sensorial e bioacústico da Woods Hole Oceanographic Institution, se revela promissor como solução para a análise de imensas porções de gravações de comunicação animal, capturadas em laboratórios e ambientes naturais - e que tem fluido para os sistemas de computadores de cientistas em todo o mundo.

O Days Tech explica que os métodos autossupervisionados “aprendem” com os padrões inerentes ao conhecimento.

Dentre as iniciativas que já surgiram e que poderão ajudar a compreender o que os bichos dizem está o “DeepSqueak”. Desenvolvido por Kevin Coffey, neurocientista da Universidade de Washington que pesquisa as vocalizações de ratos e camundongos de laboratório, ele é um conjunto de software de detecção e análise de vocalizações ultrassônicas. Além de ratos e camundongos, tem sido usado nas vocalizações de primatas e golfinhos.

Outros métodos baseados em IA para analisar as comunicações dos animais se concentram mais em como eles falam na natureza e têm objetivos mais rápidos do que entender o que está em suas mentes.

O Whale Safe, um desafio realizado pela ONG Benioff Ocean Initiative, está implantando boias na costa oeste dos Estados Unidos para detectar baleias e alertar navios. A partir deste projeto, os cientistas estão conseguindo detectar de forma rotineira os chamados das baleias. Mais um sistema baseado em IA, o BirdNET, idealizado por pesquisadores da Cornell University e da Chemnitz University of Technology, na Alemanha, agora pode reconhecer os chamados de mais de 3 mil espécies totalmente diferentes de pássaros.

Tecnologias estão mais baratas e acessíveis 

Além de estratégias mais recentes, como o estudo aprofundado, o que está impulsionando o uso de IA para processamento de comunicação de animais é o fato das tecnologias estarem mais baratas e acessíveis.

A organização  Wildlife Acoustics, por exemplo, vende pequenos gravadores de áudio externos movidos a bateria que podem captar sons feitos por todos os tipos de animais. Os equipamentos, que custam a partir de US$ 250, são utilizados por conservacionistas, cientistas e educadores em todo o mundo, em tarefas que variam de monitorar sapos a defender morcegos de serem mortos por geradores eólicos.

Este movimento de barateamento e acessibilidade tem tido efeitos sobre pesquisadores oceânicos. Tanto que um grupo interdisciplinar e multi-institucional lançou um desafio conhecido como Biblioteca Global de Sons Biológicos Subaquáticos. O grupo tentará usar estratégias como o estudo autossupervisionado aos sons cacofônicos de, por exemplo, recifes de coral.

IA com excesso de confiança não consegue identificar os próprios erros

Cientistas da Universidade de Cambridge, na Inglaterra, e da Universidade de Oslo, na Noruega, afirmam que um paradoxo matemático pode provar as limitações de sistemas de inteligência artificial (IA). Segundo eles, assim como algumas pessoas, os dispositivos de IA são incapazes de reconhecer quando estão cometendo erros.

O novo estudo mostra que as redes neurais podem imitar as ligações entre os neurônios e o cérebro, mas nenhum algoritmo conhecido pode reproduzir tal rede, a ponto de identificar se o sistema possui um excesso de confiança que ultrapassa suas habilidades reais no cumprimento de uma tarefa.

“Muitos sistemas de IA são instáveis ​​e estão se tornando um grande perigo, especialmente porque são cada vez mais usados ​​em áreas de alto risco, como diagnóstico de doenças ou veículos autônomos. Se esses sistemas são usados ​​em áreas onde podem causar danos reais se derem errado, a confiança neles deve ser a principal prioridade”, explica o professor de matemática aplicada Anders Hansen.

Paradoxo centenário

O paradoxo identificado pelos pesquisadores é baseado nas descobertas de dois grandes matemáticos: Alan Turing e Kurt Gödel. No início do século XX, eles demonstraram que é impossível provar se certas afirmações matemáticas são verdadeiras ou falsas, e que alguns problemas computacionais não podem ser resolvidos com algoritmos.

Décadas depois, o matemático estadunidense Steve Smale propôs uma lista contendo 18 problemas matemáticos não resolvidos para o século XXI. O décimo oitavo item falava justamente a respeito dos limites da inteligência tanto para humanos quanto para máquinas.

“O paradoxo identificado por Turing e Gödel agora foi trazido para o mundo da IA. Isso prova que existem limites fundamentais inerentes à matemática e, da mesma forma, algoritmos de inteligência artificial que não podem resolver certos problemas. Não importa quão precisos sejam os dados, nunca será possível obter as informações perfeitas para construir a rede neural necessária”, acrescenta o professor de física teórica Matthew Colbrook.

Limites para IA

Segundo os pesquisadores, a impossibilidade de computar uma rede neural ocorre independentemente da quantidade de dados de treinamento. Nem toda IA está propensa a falhas, mas ela só pode ser confiável em áreas específicas, utilizando métodos previamente carregados em seu sistema.

Os estudos mostram que em algumas situações não há problemas quando uma IA comete erros, mais sim se ela é suficientemente capaz de identificar o equívoco e ser honesta sobre isso, já que não há como saber previamente se o sistema está mais ou menos confiante sobre uma tomada de decisão.

“Atualmente, os sistemas de IA podem ter um toque de adivinhação. Você tenta algo e, se não funcionar, adiciona mais coisas, esperando que funcione. Em algum momento, você se cansará de não conseguir o que deseja e tentará um método diferente. Precisamos desenvolver novos sistemas para resolver problemas de maneira confiável e transparente, entendendo suas limitações”, encerra o professor Colbrook.

As obras criadas por Inteligência Artificial podem ser protegidas por direitos de autor?

A falta de consenso por parte da comunidade académica sobre a definição de inteligência artificial (IA) não nos impede de a caracterizarmos de uma forma simples para efeitos do presente artigo: a IA é um ramo da engenharia informática que visa replicar a forma de aprendizagem do cérebro humano. A possibilidade de gerar obras é uma dessas capacidades. À medida que a IA avança, isto implica que, eventualmente, pouco ou nenhum contributo humano estará envolvido na criação destas obras. Neste sentido, os sistemas de IA não estão apenas a ajudar os seres humanos, mas já são capazes de gerar automaticamente obras literárias ou artísticas. O retrato do “The Next Rembrandt” é um exemplo.

O retrato consiste numa pintura gerada pela tecnologia de impressão 3D desenvolvida por um algoritmo que analisou centenas de pinturas do famoso pintor Rembrandt, num processo que durou 18 meses a ser concluído. Baseia-se em quase 170 mil fragmentos das obras do pintor holandês armazenados numa base de dados especialmente concebida para o efeito. O objectivo era produzir uma pintura que se aproximasse o mais possível das pinturas reais de Rembrandt. Mas existem mais exemplos: composições musicais do Google DeepMind, um romance escrito por software de IA, ou a denominada “The First Thinking Sculpture” inspirada em Gaudi. Exemplos destes continuarão a aumentar, podendo a IA tornar-se, dentro de pouco tempo, a principal fonte de cultura.

Esta questão não é totalmente nova. De facto, a mesma iniciou-se em meados do século XX, com as denominadas “obras geradas por computador”. À medida que os computadores foram sendo introduzidos como instrumentos de auxílio no processo criativo do ser humano, esta problemática foi-se colocando com cada vez mais acuidade. Não obstante, a maior parte dos casos respeitantes a obras geradas por computador, mais do que a ausência total de contributo criativo humano, estavam relacionados com a dificuldade em identificar o contributo do autor, embora este existisse.

Ora, o problema com que nos deparamos actualmente é distinto: a IA permite a criação de obras onde não existe qualquer contributo humano para o processo criativo, ou, pelo menos, o mesmo não é suficiente para que possamos afirmar que o requisito da originalidade, exigido para a protecção deste tipo de obras, está preenchido.

Foi este o problema que se confrontou o US Copyright Office recentemente. Um cidadão norte-americano, Sephen Thaler tentou registar uma obra de arte denominada “A Recent Entrance to Paradise”. Como é possível ver abaixo, dificilmente se consegue distinguir esta obra como outra qualquer elaborada por um ser humano.

Este foi o seu segundo pedido baseado numa obra criada por inteligência artificial. Desta vez, Thaler alegou que a exigência de uma “autoria humana” seria inconstitucional. Porém, o instituto americano manteve o raciocínio das decisões anteriores: a criação da obra terá de ser fruto de um esforço do intelecto humano. Caso este “esforço intelectual” do ser humano não seja provado, a obra não gozará de protecção por direitos de autor.

Esta é mais uma das decisões que vem contribuir para o esclarecimento desta questão. Em vários pontos do globo têm sido apresentados registos de direitos de autor ou de patentes criados por IA. As decisões têm sido quase unânimes: estando a criação intelectual vinculada ao ser humano, só as obras criadas por este deverão ser protegidas. Neste sentido, as obras criadas por inteligência artificial não serão protegidas, permanecendo no domínio público.

No entanto, à medida que o espaço cultural vai ficando mais preenchido com obras criadas por IA, vislumbra-se que será cada vez maior a pressão para proteger este tipo de obras. Neste âmbito, é de prever que o requisito da originalidade seja novamente desafiado, numa tentativa de provar que até as obras criadas por inteligência artificial terão algum contributo humano. Esta solução representaria uma “redefinição” do conceito de originalidade da obra intelectual, de modo a torná-lo compatível com (novos) avanços tecnológicos. Pegando no exemplo relativo à obra “The Next Rembrandt”, o raciocínio seria provar que a criação não deixaria de ter em conta as escolhas realizadas por seres humanos, nomeadamente as relativas à recolha e selecção de dados que são introduzidos no sistema de IA.

Finalmente, independentemente do referido, algumas obras criadas por inteligência artificial poderão, ainda assim, obter protecção por direitos de propriedade intelectual. Esta protecção será indirecta e poderá dar-se por meio de direitos conexos relativos a fonogramas. De facto, não podemos esquecer que a protecção dos fonogramas pode incluir obras protegidas por direitos de autor, obras que foram protegidas, mas que estão agora do domínio público ou até obras que nunca foram protegidas por direitos de autor. Uma vez que não há nenhuma exigência de que os sons a serem protegidos derivem de uma criação intelectual (que inclui sons da natureza, tais como canções de aves ou outro tipo de ruídos naturais), é perfeitamente possível que as obras geradas por IA, mesmo que nunca tenham sido protegidas, possam estar sujeitas a gravação e, portanto, serem protegidas por este direito conexo. Esta protecção será, no entanto, indirecta e estará sujeito a um âmbito de protecção distinto daquele que goza o direito de autor. Ainda assim, não deixará de constituir uma forma de obter “exclusividade de uso” no que diz respeito a algumas obras criadas por inteligência artificial.

Fieg quer estudo sobre inteligência artificial nas escolas e empresas

Campo da ciência da computação cujo objetivo é estudar, desenvolver e empregar máquinas para realizarem atividades humanas de maneira autônoma, a inteligência artificial (IA) será a próxima novidade no processo de aprendizagem nas escolas do Sesi e Senai em Goiás.

Ligada à robótica, ao reconhecimento de voz, entre outras tecnologias, a inteligência artificial surgiu para modernizar a evolução tecnológica e levar benefícios principalmente no meio educacional e empresarial.

Foi pensando nas vantagens da utilização da ferramenta que o Sistema Fieg iniciou estudos visando sua implantação nas escolas Sesi e Senai, bem como difundir sua ação nas indústrias. O assunto foi tratado em reunião segunda-feira (04/04), na Casa da Indústria, com participação do presidente da Federação das Indústrias do Estado de Goiás (Fieg), Sandro Mabel, o superintendente do Sesi e diretor regional do Senai, Paulo Vargas, o diretor de Educação e Tecnologia, Claudemir José Bonatto, o diretor da Faculdade Senai Fatesg, Weysller Matuzinhos de Moura, e o professor Francisco Calaça.

“Hoje tudo está voltado à tecnologia, e a utilização da inteligência artificial é uma realidade. Nossa ideia é implantar algoritmos que possam identificar tanto os problemas eventualmente enfrentados por alunos do Sesi e Senai em uma disciplina específica, como também identificar os contratempos dentro das indústrias, a fim de coletar dados e posteriormente disponibilizar soluções de forma mais rápida e coerente”, explicou o professor da Faculdade Senai Fatesg, Francisco Calaça, que integra o grupo de trabalho responsável pelos estudos.

Para o presidente da Federação das Indústrias do Estado de Goiás (Fieg), Sandro Mabel, a iniciativa é de extrema relevância e reveste-se de caráter estratégico e, portanto, deve ser estudada para atender aos alunos Sesi e Senai e também à indústria. “Nossas escolas já utilizam a tecnologia em todas as áreas. Contar com ferramentas de inteligência artificial é, de fato, interessante e útil. Precisamos encontrar um método para que o próprio aluno se interesse por se dedicar àquilo em que ele tem mais dificuldade de aprender. Sugiro que utilizemos uma maneira de aproveitamento do tempo que o aluno gasta em redes sociais, por exemplo, e se dedique a um estudo extra e espontâneo. Otimizar o tempo dos jovens ao desejo de aprender cada vez mais e, claro, usando a ferramenta de inteligência artificial”, salientou

Sandro Mabel sugeriu, ainda, que a equipe do Sistema Fieg estude uma metodologia destinada a incentivar o empresário à utilização da ferramenta. “Para melhorar o futuro, temos que pensar e trabalhar o presente. Precisamos influenciar as pessoas a implantar a tecnologia nas empresas, trabalhando cada vez mais no desenvolvimento da plataforma. Por exemplo: caso uma indústria de pasteurização de leite enfrente um problema, a inteligência artificial já deve ter identificado o obstáculo e sugerido a solução. A maneira de conseguirmos esse avanço é justamente estudando a realidade do chão de fábrica”, explicou.