Reconhecimento de padrões de uma asa de borboleta. Imagem cortesia de Li Li
Aqui em Washington ouvimos falar dessa coisa que vocês chamam de "planejamento antecipado", mas ainda não estamos prontos para aceitá-la. Um pouco futurista demais.
Ainda assim, não podemos deixar de admirar de longe aqueles que tentam prever o que pode acontecer daqui a mais de um mês. Então, fiquei impressionado há algumas semanas, quando os grandes pensadores da IBM imaginaram o mundo daqui a cinco anos e identificaram o que acreditam ser cinco áreas de inovação que terão o maior impacto em nossas vidas diárias.
Eles estão fazendo isso há alguns anos, mas desta vez os azarados seguem um tema - os cinco sentidos humanos. Não que eles estejam dizendo que até 2018, todos nós poderemos ver, ouvir e cheirar melhor, mas que as máquinas usarão tecnologias sensoriais e cognitivas que evoluem rapidamente, os computadores acelerarão sua transformação da recuperação de dados e motores de processamento para ferramentas de pensamento.
Veja um padrão?
Hoje, vamos lidar com a visão. É um salto lógico supor que a IBM possa estar se referindo ao Projeto Glass do Google. Não há dúvida de que ele redefiniu o papel dos óculos, a partir de acessórios nerds que nos ajudam a enxergar melhor o dispositivo combo de smartphone / mergulho de dados que um dia usaremos em nossos rostos.
Mas não é disso que os IBMistas estão falando. Eles estão focados na visão mecânica, especificamente no reconhecimento de padrões, através do qual, através da exposição repetida às imagens, os computadores são capazes de identificar as coisas.
Acontece que o Google esteve envolvido em um dos mais notáveis experimentos de reconhecimento de padrões do ano passado, um projeto no qual uma rede de 1.000 computadores usando 16.000 processadores era, depois de examinar 10 milhões de imagens de vídeos do YouTube, capaz de ensinar o que gato parecia.
O que tornou isso particularmente impressionante é que os computadores conseguiram fazê-lo sem qualquer orientação humana sobre o que procurar. Todo o aprendizado foi feito através das máquinas trabalhando juntas para decidir quais características dos gatos mereciam sua atenção e quais os padrões que importavam.
E esse é o modelo de como as máquinas aprenderão a visão. Veja como John Smith, gerente sênior do Intelligent Information Management da IBM, explica:
“Digamos que queríamos ensinar a um computador como é uma praia. Começaríamos mostrando ao computador muitos exemplos de cenas de praia. O computador transformaria essas imagens em recursos distintos, como distribuições de cores, padrões de textura, informações de borda ou informações de movimento no caso de vídeo. Então, o computador começaria a aprender a discriminar cenas de praia de outras cenas com base nesses diferentes recursos. Por exemplo, aprenderia que, para uma cena de praia, certas distribuições de cores são tipicamente encontradas, comparadas a uma paisagem urbana no centro da cidade ”.
Quão inteligente é inteligente?
Bom para eles. Mas enfrentando, identificar uma praia é uma coisa bastante básica para a maioria de nós humanos. Poderíamos estar nos empolgando sobre quantas máquinas pensantes poderemos fazer por nós?
Gary Marcus, professor de psicologia da Universidade de Nova York, acha que sim. Escrevendo recentemente no site da The New Yorker, ele conclui que, embora muito tenha sido feito no que se tornou conhecido como "aprendizado profundo", as máquinas ainda têm um longo caminho a percorrer antes de serem consideradas verdadeiramente inteligentes.
“Realisticamente, o aprendizado profundo é apenas parte do maior desafio de construir máquinas inteligentes. Tais técnicas carecem de formas de representar relações causais (como entre doenças e seus sintomas), e são propensas a enfrentar desafios na aquisição de idéias abstratas como "irmão" ou "idêntico a". Elas não têm maneiras óbvias de realizar inferências lógicas, e elas também ainda estão longe de integrar o conhecimento abstrato, como informações sobre o que são objetos, para que servem e como são tipicamente usados ”.
O pessoal da IBM, sem dúvida, reconheceria isso. O aprendizado de máquina vem em etapas, não em saltos.
Mas eles acreditam que dentro de cinco anos, o aprendizado profundo terá dado passos suficientes para que os computadores, por exemplo, passem a ter um papel muito maior no diagnóstico médico, que eles possam se tornar melhores que os médicos quando se trata de detectar tumores ou tecido doente em ressonâncias magnéticas, raios-X ou tomografias computadorizadas.
E isso pode fazer uma grande diferença em nossas vidas.
Ver é crer
Aqui estão mais maneiras pelas quais a visão de máquina está causando impacto em nossas vidas:
- Dando o melhor de si: Tecnologia desenvolvida na Universidade de Pittsburgh usa reconhecimento de padrões para permitir que paraplégicos controlem um braço robótico com seus cérebros.
- Sua boca diz sim, mas seu cérebro diz não: Pesquisadores da Universidade de Stanford descobriram que usar algoritmos de reconhecimento de padrões em exames de ressonância magnética poderia ajudá-los a determinar se alguém realmente sofria de dores lombares ou se estava fingindo.
- Quando seus moles estão prontos para seus closes: No ano passado, uma startup romena chamada SkinVision lançou um aplicativo para iPhone que permite que as pessoas tirem uma foto de moles em sua pele e que o software de reconhecimento da SkinVision identifique qualquer irregularidade e indique o nível de risco oferecendo um diagnóstico real. O próximo passo é possibilitar que as pessoas enviem imagens de sua pele diretamente ao seu dermatologista.
- Eu tenho um acordo para você: agora em desenvolvimento é uma tecnologia de marketing chamada Facedeals. Funciona assim: quando uma câmera na entrada de uma loja o reconhece, você recebe ofertas personalizadas na loja em seu smartphone. E sim, você teria que optar primeiro.
- Eu conheço esse selo em qualquer lugar: um sistema computadorizado de identificação com foto que usa reconhecimento de padrões está ajudando os cientistas britânicos a localizar as focas cinzentas, que têm marcas exclusivas em seus casacos.
Bônus de vídeo: enquanto estamos no assunto da inteligência artificial, aqui está um enxame de robôs tocando Beethoven, elogios de cientistas da Georgia Tech. Aposto que você não esperava ver isso hoje.
Mais de Smithsonian.com
Um cérebro artificial mais humano
Como a tecnologia combate o terrorismo
