Com o desenvolvimento do aprendizado de máquina, faz cada vez menos sentido comparar a IA com a mente humana.
Salve esta história
Salve esta história
Banco de dados de IA →
Processamento de linguagem natural
A fala e a linguagem são fundamentais para a inteligência humana, a comunicação e os processos cognitivos. Compreender a linguagem natural é frequentemente visto como o maior desafio da IA, que, se resolvido, poderá aproximar as máquinas da inteligência humana.
Em 2019, a Microsoft e o Alibaba anunciaram melhorias na tecnologia do Google que poderiam vencer os humanos em uma tarefa de processamento de linguagem natural (PNL) chamada compreensão de leitura. Esta notícia era um tanto obscura, mas considerei-a um grande avanço porque me lembrei do que havia acontecido quatro anos antes.
Em 2015, pesquisadores da Microsoft e do Google desenvolveram sistemas baseados em invenções de Geoff Hinton e Yann LeCun que ultrapassaram os humanos no reconhecimento de imagens. Na época, eu previ o surgimento de aplicações de visão computacional e minha empresa investiu em cerca de uma dúzia de empresas que fabricavam aplicações ou produtos de visão computacional. Hoje, esses produtos são utilizados no varejo, manufatura, logística, saúde e transporte. O valor desses investimentos ultrapassa US$ 20 bilhões.
Então, em 2019, quando vi o mesmo eclipse das capacidades humanas na PNL, esperava que os algoritmos da PNL levassem a um reconhecimento de fala e tradução automática incrivelmente precisos, que um dia se tornariam a base do “tradutor universal” retratado no filme Star Caminhada “. A PNL também permitirá a criação de aplicações inteiramente novas, como um mecanismo de busca com respostas precisas a perguntas (a grande visão de Larry Page para o Google) e síntese de conteúdo direcionado (o que tornaria a atual publicidade direcionada uma brincadeira de criança). Eles podem ser usados em aplicações financeiras, de saúde, de marketing e de consumo. Desde então, temos investido ativamente em empresas de PNL. Acredito que a PNL pode ter um impacto maior do que a visão computacional.
Qual é a essência deste avanço na PNL? Esta é uma tecnologia chamada aprendizagem autossustentável. Os algoritmos anteriores de PNL exigiam coleta de dados e personalização meticulosa para cada área (por exemplo, Amazon Alexa ou um chatbot para atendimento ao cliente em um banco), o que é caro e sujeito a erros. Mas a aprendizagem autossustentável funciona em praticamente todos os dados do mundo, criando um modelo gigante que pode ter vários biliões de parâmetros.
Este modelo gigante aprende sem supervisão humana – a IA é “autoaprendizagem”, aprendendo a estrutura da linguagem por conta própria. Então, depois de ter dados para uma área específica, você pode ajustar um modelo gigante para essa área e usá-lo para tradução automática, resposta a perguntas e diálogo natural. O ajuste fino será feito seletivamente em partes do modelo gigante e exigirá poucos ajustes. Isso é semelhante a como as pessoas aprendem primeiro um idioma e depois dominam conhecimentos específicos ou cursos baseados nele.
Mais popular
A ciência
Uma bomba-relógio demográfica está prestes a atingir a indústria da carne bovina.
Matt Reynolds
Negócios
Dentro do complexo ultrassecreto de Mark Zuckerberg no Havaí
Guthrie Scrimgeour
Engrenagem
Primeiro, dê uma olhada no Matic, o aspirador robô redesenhado
Adriane So
Negócios
As novas alegações de Elon Musk sobre a morte de macacos estimulam novas demandas de investigação da SEC
Dhruv Mehrotra
Desde a descoberta de 2019, vimos o tamanho de modelos gigantes de PNL aumentar rapidamente (cerca de 10 vezes por ano) com um aumento correspondente na produtividade. Também vimos demonstrações incríveis – como o GPT-3, que pode escrever em qualquer estilo (como o Dr. Seuss), ou o Google Lambda, que fala a linguagem humana natural, ou uma startup chinesa chamada Langboat, que gera propostas de marketing par a-diferentes para cada pessoa.
Estamos prestes a resolver o problema da linguagem natural? Os céticos argumentam que esses algoritmos simplesmente lembram de todos os dados sobre o mundo, lembram-se habilmente de subconjuntos deles, mas não entendem nada e não são verdadeiramente inteligentes. No centro da inteligência humana estão as habilidades de raciocinar, planejar e ser criativo.
Uma crítica aos sistemas de aprendizagem profunda é: “Eles nunca terão senso de humor. Eles nunca apreciarão a arte, a beleza ou o amor. Eles nunca se sentirão solitários. Eles nunca terão empatia com outras pessoas”, animais ou o meio ambiente. Eles nunca vai gostar de música, se apaixonar ou chorar de alegria.”Lógico, certo? Acontece que a citação acima foi escrita por GPT-3. Será que a capacidade da tecnologia para fornecer críticas tão precisas está em desacordo com a própria crítica?
Muitos acreditam que a criação de uma verdadeira inteligência exigirá uma compreensão mais profunda dos processos cognitivos humanos. Outros defendem a “computação neuromórfica”, ou a criação de circuitos mais semelhantes ao cérebro humano, bem como uma nova forma de programação. Outros defendem a utilização de elementos de IA “clássica” (isto é, sistemas especialistas baseados em regras) combinados com aprendizagem profunda em sistemas híbridos.
Acho inegável que os computadores simplesmente “pensam” de forma diferente dos nossos cérebros. A melhor maneira de aumentar a inteligência computacional é desenvolver métodos de computação gerais (como aprendizado profundo e autosupervisão) que sejam escalonados com o aumento do poder de computação e do volume de dados. Se todos os anos adicionarmos 10 vezes mais dados para treinar a inteligência artificial, então, sem dúvida, ela será capaz de fazer muitas coisas que nós, humanos, não podemos fazer.
Será que a aprendizagem profunda acabará por se tornar uma “inteligência artificial geral” (AGI), que se equipara à inteligência humana em todos os sentidos? Não acredito que isso aconteça nos próximos 20 anos. Há muitos problemas sobre os quais ainda não fizemos muito progresso ou mesmo compreendemos, tais como a forma de modelar a criatividade, o pensamento estratégico, o raciocínio, o pensamento contrafactual, a emoção e a consciência.
